Computational Genetics and Genomics: Tools for Understanding Disease

علیرغم سرمایه‌گذاری‌های فزاینده در تحقیقات ژنتیکی، ترجمه اکتشافات ژنتیکی به درمان‌های جدید فرآیندی کند بوده است. در ژنتیک محاسباتی و ژنومیکس: ابزارهایی برای درک بیماری، متخصصان ژنتیک محاسباتی شناخته شده ابزارهای موجود و در حال توسعه را برای شناسایی سریع مبنای ژنتیکی استعداد ابتلا به بیماری بررسی و ارزیابی می کنند. نویسندگان یک رویکرد محاسباتی جدید را معرفی می‌کنند که امکان شناسایی مبنای ژنتیکی تفاوت‌های پاسخ‌های فیزیولوژیکی یا پاتولوژیک در بین سویه‌های موش‌های همخون را فراهم می‌کند، بنابراین کشف ژنتیکی سریع‌تر را تسهیل می‌کند. تمرکز بر روی روش تجزیه و تحلیل ژنتیکی محاسباتی مبتنی بر هاپلوتیپ و کاربرد آن در سویه‌های موش‌های همخون است. با مرور مدل‌های موش آسم، بیماری ریوی، پوکی استخوان و سوء مصرف مواد، مشارکت‌کنندگان مروری بر مدل‌های موجود موش، آنچه از آنها آموخته‌اند و مدل‌های جدیدی که باید برای ارتقای درک ما از این بیماری‌ها ایجاد شود، ارائه می‌کنند. آنها همچنین توضیح می دهند که چگونه تجزیه و تحلیل ژنتیکی جمعیت های انسانی اطلاعاتی را در مورد اساس ژنتیکی برای استعداد ابتلا به آسم و سایر بیماری های التهابی به دست آورده است.
معتبر و راهگشا، ژنتیک محاسباتی و ژنومیکس: ابزارهایی برای درک بیماری ها روش های نقشه برداری ژنتیکی محاسباتی جدید در حال حاضر و قدرتمند را بررسی و ارزیابی می کند که می تواند برای تجزیه و تحلیل سریع مدل های ژنتیکی ویژگی های مهم زیست پزشکی مورد استفاده قرار گیرد. این اطلاعات مبنایی برای کشف عوامل ژنتیکی تنظیم کننده صفات مرتبط با بیماری انسان فراهم می کند.

Despite ever-increasing investments in genetic research, the translation of genetic discoveries into new therapies has been a slow process. In Computational Genetics and Genomics: Tools for Understanding Disease, well-recognized computational geneticists review and assess both currently available and developing tools for the rapid identification of the genetic basis for susceptibility to disease. The authors introduce a new computational approach that makes it possible to identify the genetic basis for differences in physiological or pathological responses among inbred mouse strains, thus facilitating more rapid genetic discovery. The focus is on the haplotype-based computational genetic analysis method and its application to inbred mouse strains. Reviewing murine models of asthma, lung disease, osteoporosis, and substance abuse, the contributors provide an overview of available mouse models, what has been learned from them, and which new models must be developed to advance our understanding of these diseases. They also describe how genetic analysis of human populations has yielded information on the genetic basis for susceptibility to asthma and other inflammatory diseases.
Authoritative and path-breaking, Computational Genetics and Genomics: Tools for Understanding Disease surveys and assesses both currently available and powerful new computational genetic mapping methods that can be used to quickly analyze genetic models of biomedically important traits. This information provides a basis for uncovering the genetic factors regulating human disease-related traits.