Statistical methods for the analysis of the genetics of gene expression

Abstract

This thesis describes an extensive set of tools and strategies for the analysis of regulatory genetic variations. The starting point is the identification of target genes of potential regulatory variations as eQTL transcripts which has been described previously. We provide ways to address the following questions about these genes. (1) What is the role of the eQTL transcript in the context of a disease model, (2) which is the cis-regulatory element affected by the genetic variant and which transcription factor is the upstream regulator of the eQTL transcript, (3) what are the trans-regulatory factors and how are their effects mediated to their target genes, and (4) what is the functional context that eQTL transcripts operate in? Moreover, we used a translational approach where gene expression networks derived from the analysis of the genetics of gene expression in a model organism are used to connect human disease association data to molecular function in an attempt to interpret the genetics of polygenic traits.

Diese Arbeit beschreibt ein umfangreiche Gruppe von Werkzeugen und Strategien für die Analyse von regulatorischer genetischer Variation. Der Ausgangspunkt ist die schon früher beschrieben Identifikation von Zielgenen der potentiellen regulatorischen Variation als eQTL Transkripte. Darüber hinaus werden Ansätze beschrieben, um folgende Fragen bezüglich dieser eQTL Transkripte zu beantworten. (1) Welche Rolle spielt das eQTL Transkript für ein Krankheits- Modell, (2) welches cis-regulatorische Element ist von der Sequenzvariante betroffen und welcher Transkriptionsfaktor ist der Regulator des eQTL Transkripts, (3) welches sind die trans-regulatorischen Faktoren und wie werden ihrer Effekte zu ihren Zielgenen übertragen, und (4) welches ist der funktionale Zusammenhang in dem das eQTL Transkript agiert? Darüber hinaus werden Genexpressions-Netzwerke die im Rattenmodell erstellt wurden dazu verwendet, Ergebnisse von GWAS Studien am Menschen mit molekularen Funktionen in Verbindung zu bringen und damit die Genetik polygener Erkrankungen zu interpretieren.