Société Française de Bioinformatique

Mots-Clés

Obésité morbide GWAS Méta-analyses UK Biobank Réseaux pléiotropiques Annotations fonctionnelles

Description

Résumé du projet

L'obésité est définie comme un excès de masse grasse délétère pour la santé. C’est une maladie multifactorielle qui résulte de l’interaction de facteurs génétiques et environnementaux. Dans la population générale adulte européenne, seuls 7 polymorphismes contribuant au risque d’obésité morbide (indice de masse corporelle, IMC ≥ 40 kg/m2) ont été découverts à ce jour.  Cette étude se propose de balayer le génome de 408.155 adultes de poids normal et de 76.630 adultes avec obésité morbide pour découvrir de nouveaux variants génétiques prédisposant à l’obésité, expliquant les différences d’IMC chez les obèses, et reportables dans la population générale. Dans un premier temps, nous analyserons les données disponibles via UK Biobank (un demi-million d’individus, génotypages par puces et séquençage d’exomes et de génomes, phénotypages, analyses sanguines, questionnaires, données cliniques et autres données/flux biologiques).

Project summary

Obesity is defined as an abnormal or excessive accumulation of fat that presents a risk to health. It is a multifactorial disease resulting from the interaction of genetic and environmental factors. To date, only 7 polymorphisms have been associated as contributors on the risk of morbid obesity (body mass index, BMI ≥ 40 kg/m2) in populations of adult European ancestry. This study aims to explore the genome of 408,155 adults of normal weight and 76,630 adults with morbid obesity, to discover new genetic variants predisposing to obesity, to explain BMI variations in the different obese categories, and apply these results to the general population. During the Master’s intership, we will analyze and integrate the UK Biobank available data on over half a million individuals and including microarray genotyping, exome and genome sequencing, phenotyping, blood tests, questionnaires, clinical data and other biological data/fluxes.

Objectifs du M2 et de l'éventuelle thèse à suivre

1. Élucider l’architecture polygénique de l’obésité morbide chez l’adulte en effectuant une méta-analyse GWAS sur 76.630 cas et 408.155 contrôles d’ascendance européenne.
2. Élucider l’architecture polygénique de la variation d’IMC chez les adultes souffrant d’obésité morbide en effectuant une méta-analyse GWAS sur 76.630 cas d’ascendance européenne.
3. Estimer le chevauchement génétique entre la variation d’IMC dans les populations de poids normal et les populations d’obésité morbide, en utilisant la méthode de régression du score de déséquilibre de liaison (LD) dans 76.630 cas et 408.155 témoins d’ascendance européenne.
4. Post-GWAS : Augmenter les résultats GWAS en développant des avancées modulaires tissu-spécifique dans les réseaux d'interaction protéine / protéine (PPI).
5. Post-GWAS : Propagation des annotations fonctionnelles dans les réseaux PPI pléiotropiques pour localiser finement les fonctions et voies biologiques impliquées.

Objectives (Master’s internship + possible PhD to follow)

1. To elucidate the polygenic architecture of adult morbid obesity by performing a GWAS meta-analysis in up to 76,630 cases and 408,115 controls of European ancestry.
2. To elucidate the polygenic architecture of BMI variation in adults with morbid obesity by estimating chip-based heritability estimates and performing a GWAS meta-analysis in up to 76,630 cases of European ancestry.
3. To estimate the genetic overlap between BMI variation in populations with normal weight and morbid obesity populations and with the risk of morbid obesity, by using the linkage disequilibrium (LD) score regression method in up to 76,630 cases and 408,115 controls of European ancestry.
4. POST-GWAS: augment GWAS results with defining tissue-specific protein-protein interaction network (PPI) modules.
5. POST-GWAS: Propagation of functional annotations into pleiotropic PPI networks to decipher biological functions and pathways linked to morbid obesity.

Profil du candidat

1. Bioinfo/Génomicien attiré par les biostatistiques, l'épidémiologie et les banques de données.
2. Programmation en R (python et java possibles), systèmes Linux (bash, scripting, expressions régulières).
3. Bonnes connaissances des omiques (génomes/exomes, transcriptomes, protéomes, épigénomes) et de la biologie intégrative.
4. Travailleur, intéressé par la recherche et très motivé pour continuer avec une thèse.

Candidate profile

1. Bioinformatician with a feeling for biostatistics, epidemiology, and databases.
2. Good command of R (maybe python and java), Linux systems (bash, scripting, regular expressions).
3. Knowledge in omics (genomes/exomes, transcriptomes, proteomes, epigenomes) and integrative biology.
4. Hardworking, interested in research and highly motivated to continue with a PhD thesis.