Inimese genoomis esinevate struktuursete variantide sageduse modelleerimine

Abstract

Käesolevas bakalaureusetöös uuriti inimese genoomis esinevate struktuursete variantide (SV-de) harulduse seost nende paiknemisega genoomi erinevates piirkondades. Eesmärk oli hinnata, kas geenide ekspressiooni mõjutavate eQTL-piirkondadega kattuvad SV-d on tugevama puhastava valiku all kui muudes piirkondades paiknevad variandid. Analüüsis kasutati gnomAD v4.1 struktuursete variantide andmestikku, GENCODE geeni andmestikku ja GTEx eQTL andmeid. SV-de harulduse modelleerimiseks rakendati logistilist regressiooni koos B-splainidega, mis võimaldas kirjeldada pikkuse ja harulduse vahelist mittelineaarset seost. Tulemused näitasid, et nii SV pikkus kui ka ülekate geenide ja eQTL-piirkondadega mõjutavad oluliselt variantide sagedust populatsioonis. Kõige suurem haruldaste variantide osakaal esines SV-del, mis kattusid samaaegselt nii geeni kui ka eQTL-iga. Ainult eQTL-iga kattuvad SV-d olid keskmiselt haruldasemad kui ainult geeniga kattuvad variandid. This bachelor’s thesis studied the relationship between the rarity of structural variants (SVs) in the human genome and their positioning in different genomic regions. The aim was to assess whether SVs overlapping eQTL regions affecting gene expression are under stronger purifying selection than variants in other regions. The analysis used the gnomAD v4.1 structural variant dataset, the GENCODE gene dataset, and GTEx eQTL data. To model the rarity of SVs, logistic regression with B-splines was applied, which made it possible to describe the nonlinear relationship between variant length and rarity. The results showed that both SV length and overlap with genes and eQTL regions significantly affect variant frequency in the population. The highest proportion of rare variants occurred among SVs overlapping both a gene and an eQTL at the same time. SVs overlapping only eQTL regions were on average rarer than variants overlapping only genes.