厉希豪梦幻诛仙手游礼包，当今是哈佛大学陈曾熙行家卫生学院生物统计系盘考员，师从好意思国国度医学院院士、哈佛大学生物统计系林希虹评释注解。

图丨厉希豪（着手厉希豪）

在该团队中，他的盘考标的主如果全基因组大数据整合分析的统计体式，通过对全基因组测序与功能慎巨大数据的整合，探索荒废变异对疾病的影响。

2022 年 12 月 23 日，由厉希豪担任一作的论文以《大型全基因组测序盘选取荒废变异关联的将强、可扩张和资源高效的聚合分析体式》（Powerful, scalable and resource-efficient meta-analysis of rare variant associations in large whole genome sequencing studies）为题在 Nature Genetics 上发表 [1]，好意思国印第安纳大学医学院助理评释注解李子林博士和林希虹评释注解为论文的共同通信作家。

图丨关系论文（着手：Nature Genetics）

据先容，由于全基因组测序资本的逐渐裁减，包括好意思国国度心肺血液盘考所 20 万东说念主的精确化医学盘考筹商（Trans-Omics Precision Medicine Program, TOPMed）、50 万东说念主的英国生物样本库（UK Biobank）等在内的大鸿沟全基因组测序盘考，正在速即开展。

将这些经由测序获得的高通量基因组学数据，与其他生物医学大数据相联接，不错灵验地定位致病基因与遗传位点、揣度个体或群体对特定疾病的遗传风险，进而在揭示各式复杂疾病的分子机制、成立新的药物标靶，以及制定精确的个性化健康调养计谋等方面进展垂危作用。

与此同期，由于遗传信息具有高度敏锐性，个体的全基因组测序数据是受到高度保护并被死心分享的。比如，UK Biobank 就条目总共盘考东说念主员，在其指定授权的盘考分析云运筹帷幄平台上，进行全基因组测序数据的处理与分析。

因此，若何灵验地整归拢集结分析这些数据，并使各自盘选取的个体基因组数据获得保护，就成为了一个亟待惩处的问题。

对此，该团队将聚合分析这种统计学体式，用于全基因组测序盘选取，成立了大鸿沟全基因组测序数据荒废变异聚合分析体式 MetaSTAAR，已毕了全基因组汇总统计数据的高效存储分享和功能知情的聚合分析，为整合这些大型测序盘选取的基因组数据并保护个体数据诡秘，提供了灵验的惩处决策。

具体而言，该体式的使用经由主要分为两大步。

图丨 MetaSTAAR 聚合分析经由（着手：Nature Genetics）

第一步，参与聚合分析的每项盘考，通过使用 MetaSTAAR 的子器用 MetaSTAARWorker，对其全基因组测序数据生成汇总统计数据，包括每个遗传变异的得分统计量信息和遗传变异之间的协方差矩阵信息，同期存储并在不同的盘考之间分享。

第二步，使用 MetaSTAAR 器用整合参与盘考的汇总统计数据，并进行功能知情的聚合分析。

“需要独专指出的是，在第一步中，参与聚合分析的每项盘考所分享的汇总统计数据是不错保护个体数据诡秘的，这亦然 MetaSTAAR 动作一种荒废变异聚合分析体式的酷爱地方。”厉希豪说。

那么，与现存用于遗传关联盘选取荒废变异聚合分析的体式比较，MetaSTAAR 又具备哪些方面的上风呢？

先断电1分钟！然后开机，开机之后不要进行任何遥控器操作（此时设备需处于联网状态)，耐心等待15分钟左右，系统将自动修复。15分钟之后，请通过遥控器或重新插拔电源重启设备。如失败，请多次尝试。

他默示：“咱们这项盘考为全基因组测序数据聚合分析提供了高效和高性能的分析体式，冲破了大鸿沟全基因组测序盘考汇总统计数据存储瓶颈和聚合分析运算瓶颈，填补了大鸿沟全基因组测序数据中荒废变异聚合分析体式的空缺。”

据先容，其和团队在发展 MetaSTAAR 时，面终末来自体式盘考、数据分析等多方面的挑战。

比如，其在分析 TOPMed 约 30000 东说念主的全基因组测序数据中，发现遗传变异的数目高达约 2.5 亿个。这就条目所发展的统计体式和具体的算法，大要在现存的运筹帷幄材干下完成对海量数据的处理，并生成大小合理的汇总统计量，便捷不同盘考之间分享。

“在林希虹评释注解的引导和李子林博士的匡助下，咱们在 MetaSTAAR 的研发早期，对体式和器用进行了大批的迭代，最终已毕了比同类体式粗略了数百倍的存储空间。”厉希豪说。

后头，他和团队但愿基于 MetaSTAAR 作念进一步的翻新，不仅筹商发展适用于不同表型的聚合分析体式，比如多表型调处分析，活命数据表型分析等，还筹商将高通量全基因组测序数据与其他生物医学大数据作念进一步整合，发展出一套高效、开源、易使用、可扩张的体式。

课题组期待在为天下各地的科研东说念主员提供必要且灵验的分析体式与器用的同期，也为生物统计学、统计遗传学和基因组学的发展，作念出我方的一份孝顺。

参考贵寓：

1. Li, X., Quick, C., Zhou, H. et al. Powerful, scalable and resource-efficient meta-analysis of rare variant associations in large whole genome sequencing studies. Nature Genetics 55, 154–164 (2023). https://doi.org/10.1038/s41588-022-01225-6

2. Li梦幻诛仙手游礼包, X., Li, Z., Zhou, H. et al. Dynamic incorporation of multiple in silico functional annotations empowers rare variant association analysis of large whole-genome sequencing studies at scale. Nature Genetics 52, 969–983 (2020). https://doi.org/10.1038/s41588-020-0676-4

厉希豪数据林希虹李子林基因组发布于：北京市声明：该文不雅点仅代表作家本东说念主，搜狐号系信息发布平台，搜狐仅提供信息存储空间作事。