KGWAS verbessert GWAS-Entdeckungen durch kontextabhängige Gen‑Gen‑Netzwerke

Genome‑Wide Association Studies (GWAS) haben seit Jahren wichtige Zusammenhänge zwischen genetischen Varianten und Krankheiten aufgezeigt. Doch um therapeutische Ziele gezielt zu priorisieren, ist es entscheidend, diese Assoziationen in kausale Mechanismen zu überführen. Das neue Knowledge Graph GWAS (KGWAS)‑Framework macht genau das möglich, indem es genetische Varianten mit nachgeschalteten Gen‑Gen‑Interaktionen über ein Wissensgraphen‑Netzwerk verbindet und damit die Entdeckungsleistung steigert.

Die ursprüngliche KGWAS‑Implementierung stützt sich jedoch auf einen großen, allgemeinen Wissensgraphen, der leicht zu unerwünschten Korrelationen führen kann. In der aktuellen Studie wird die Hypothese getestet, dass cell‑type‑spezifische Graphen aus krankheitsrelevanten Zellen die Mechanismus‑Entdeckung noch besser unterstützen. Die Ergebnisse zeigen, dass der allgemeine Graph erheblich reduziert werden kann, ohne die statistische Power zu verlieren, und dass die Leistung weiter steigt, wenn Gen‑Gen‑Beziehungen aus Perturb‑Seq‑Daten integriert werden.

Besonders vielversprechend ist die Verwendung eines sparsamen, kontext‑spezifischen Graphen, der direkt aus Perturb‑Seq‑Beweisen abgeleitet wird. Dieser Ansatz liefert konsistentere und biologisch robustere Netzwerke, die die krankheitskritischen Mechanismen genauer abbilden. Damit eröffnet KGWAS einen vielversprechenden Weg, GWAS‑Ergebnisse in therapeutisch relevante Erkenntnisse zu überführen.