Cluster — Mappatura e Identificazione dei Geni di Malattia

Questo cluster ripercorre le strategie con cui si passa da “c’è una malattia in famiglia” a “ecco il gene responsabile”. Parte dalle motivazioni cliniche e dall’approccio del gene candidato, poi sviluppa il filone classico per le malattie monogeniche — l’analisi di linkage, quantificata dal Lod score e fondata sul disequilibrio di associazione — e infine il filone moderno per le malattie complesse: gli studi di associazione e i GWAS basati su SNP. Chiude con la tecnologia che oggi rende tutto ciò praticabile su larga scala, il Next-Generation Sequencing. Il filo logico segue il restringimento progressivo: dall’ipotesi funzionale, alla posizione cromosomica, alla variante, alla sequenza.


🎯 Punto di partenza

🔗 Linkage: malattie monogeniche

  • Analisi di Linkage — Posizione di un gene-malattia rispetto a marcatori noti, via frequenza di ricombinazione θ. → La significatività dell’associazione si misura statisticamente:
  • Lod Score — Test logaritmico (Z): soglie ±3 per accettare/rifiutare il linkage. → A livello di popolazione, gli alleli vicini si associano in modo non casuale:
  • Linkage Disequilibrium — Associazione non casuale di alleli in cis; base degli studi di associazione.

🌐 Associazione: malattie complesse

  • Studi di Associazione Genetica — Correlazione variante↔fenotipo nelle malattie multifattoriali (caso-controllo). → Estesi all’intero genoma con array di SNP diventano:
  • GWAS — Genome-Wide Association Study: scansione genome-wide di SNP per tratti complessi. → A monte di tutte le tecniche moderne c’è la rivoluzione del sequenziamento massivo:
  • Next-Generation Sequencing — Sequenziamento parallelo ad alta processività e basso costo.

🔗 Cluster correlati