Ниже — практический план и набор подходов для картирования локусов при высокой частоте наследственной болезни в небольшом изолированном населении с предположительно полигенной природой. Учитываются ограниченная выборка, популяционная структура и культурно-этические аспекты.

Краткая стратегия в 5 шагов

Подготовка: глубокая фенотипизация, сбор родословных и согласий с учётом культурного контекста. Генетическая разведка: выбор методики $целеваясеквенция/ВГС/генотипирование$ с учётом бюджета и ожиданий по частоте/эффекту вариантов. Анализы, устойчивые к малой выборке и родословной структуре: linkage/IBD, homozygosity mapping, семейно-ориентированные и гене-ориентированные тесты для редких вариантов, LMM для стратификации. Дополнительные трюки для мощности: отбор экстремальных фенотипов, агрегирование вариантов по генам/пути, использование функциональных аннотаций. Этическая и коммуникативная работа с сообществом, защита данных, план возврата результатов.

Детали по аналитическим подходам

A. Данные и дизайн выборки

Собирать много информации о фенотипе $стадия,возрастначала,клиническиемаркёры$, что повышает мощность для полигенных признаков. Максимально использовать родословные: трёхпоколенные семьи, множества затронутых родственников — это даёт мощность при linkage/segregation-аналитике. Если случаев немного, набирать «экстремальные» проявления и незатронутых старших родственников как контролей. Регистрация сопутствующих факторов $вопросыобразажизни,экологическиевоздействия$ — чтобы уменьшить фенотипическую гетерогенность.

B. Типы генетических данных

WGS $полноесеквенирование$ предпочтительно для выявления редких причинных вариантов и структурных вариантов; WES — экономичный компромисс; SNP‑чип + имутация хорошо для общих вариантов и гаплотипной картины. В изолированных популяциях выгодно создавать собственную референсную панель $несколькодесятковWGS$ для улучшения имутации и точности частот.

C. Методы картирования и причинно-следственные стратегии
1) Семейный linkage и NPL $non-parametriclinkage$

Подходит при больших родословных; чувствителен к сегрегации вариантов с умеренным эффектом. Использовать MERLIN, FastLink и др. Хорош для локализации участков, но плохо работает при полигении и фенокопиях.

2) Homozygosity mapping / runs of homozygosity $ROH$

Если есть предположение о рецессивных эффектах $вт.ч.частично-рецессивных$ — искать общие участки ROH у затронутых. Полезно в основателях/инбридинге.

3) IBD / shared haplotype mapping

В небольших фаундер-популяциях causal варианты могут быть связаны с длинными гаплотипами — искать общие IBD-блоки среди случаев $GERMLINE,RefinedIBD,Beagle$. Подход чувствителен к founder-эффекту.

4) Ассоциационные методы с учётом родословной и стратификации

Для бинарных/количественных признаков использовать линейные смешанные модели $LMM$: GEMMA, GCTA, BOLT-LMM, EMMAX; для редких вариантов и связанных лиц — SAIGE $длябинарных$ или REGENIE. Эти методы использует матрицу родства/качества $kinship$ для корректировки связанныхness и популяционной структуры.При малой выборке предпочтительнее квантитативные/эндофенотипы $большемощности$, либо использовать «case-only» или «case–relative» дизайны.

5) Тесты для редких вариантов / агрегированные тесты

Сгруппировать редкие варианты по гену или функции и применять burden-тесты или SKAT/SKAT-O, с включением матрицы родства $seqMeta,EPACTS$. В небольших популяциях эффект редких высоко-penetrant вариантов может быть обнаружен именно так.

6) Комбинированные подходы

Linkage → целевая секвенция регионов; IBD/haplotype-sharing → локализация; затем WGS / редкие-вар-тесты внутри регионов. Использовать совместный анализ семей и неродственных лиц $mixed-models+семейно-ориентированныетесты,FBATдлясемей$.

D. Учёт специфики популяционной структуры

Оценить структуру: PCA, ADMIXTURE, FST, вычислить inbreeding coefficient и коэффициенты родства $KING,PLINK$. Корректировка за структуру: включать компоненты PCA в регрессионные модели и/или использовать LMM с матрицей генетического сходства. Избегать внешних контрольных выборок без коррекции: разница частот и LD в изолированной популяции приведёт к ложным находкам. Лучше внутренние контроли или популяционно-специфические панели.

E. Увеличение мощности при малой выборке

Фокус на глубокую фенотипизацию и на консервативные, но информативные признаки. Отбор «крайних» фенотипов. Сбор больших родословных и анализ внутри семей $segregation,co-segregation$. Агрегирование вариантов по генам/пути и использование функциональной аннотации $CADD,REVEL$ как веса. Использование методов, которые четко моделируют родство $SAIGE,REGENIE$, и шардирование на родственные кластеры. Методы байесовского fine-mapping и интеграция с eQTL/эпигенетикой для приоритизации.

F. Валидация и функциональная проверка

Репликация в независимых выборках по возможности $сравнитьсблизкимипопуляциями$. Сегрегация кандидата в семействах $co-segregation$. Экспериментальная проверка $модельныеорганизмы,клеточныесистемы$ и анализ биологических путей.

Этические и культурные аспекты $обязательные$

Договариваться с сообществом заранее: информированное согласие на понятном языке, обсуждение целей и потенциальных последствий исследования. Уважение культурных норм: привлечение местных лидеров, переводчиков, консультантов по биоэтике. Прозрачность в вопросах возвращения результатов: политика по индивидуальным находкам $патогенныемоногенныеварианты$ и по генетической информации, которая может повлиять на сообщество $стигматизация$. Защита приватности и данных: подавление географических/идентифицирующих метаданных, локальное хранение/контроль доступа, соглашения о совместном пользовании данными и benefit-sharing. Оценка социальных рисков $например,последствиядлябрачныхпрактик,страхования,дискриминации$ и меры по их снижению. Обучение и участие местных медицинских работников, подготовка материалов обратной связи для пациентов/семей.

Практические рекомендации по инструментам и проверкам

Предварительно: QC генотипов/секвенирования $depth,callrate,Hardy–Weinberg—состорожностьювизоляте$, удалить/учесть близкую связь. Инструменты: PLINK, KING $родство$, PCAtools/ADMIXTURE, GEMMA/GCTA/SAIGE/BOLT-LMM, MERLIN $linkage$, GERMLINE/RefinedIBD $IBD$, SKAT/seqMeta $редкиеварианты$, FINEMAP/CAVIAR $финемаппинг$. Симуляции и power analysis с моделями инбридинга и предполагаемыми эффект-размерами до проведения большого секвенирования.

Короткий итог

В изолированной популяции выгодно сочетать семейный анализ $linkage,IBD,homozygosity$ и современные методы ассоциации с учётом родства $LMM,SAIGE$, при этом предпочтительна глубокая фенотипизация и WGS-ориентированный дизайн с внутренней референсной панелью. Обязательно учитывать популяционную структуру и культурный контекст исследования: согласия, защита данных, информирование и benefit-sharing — это не формальности, а ключ к успеху и устойчивости проекта.

Если нужно, могу предложить протокол сбора образцов и родословных, примерный план секвенирования $сколькоWGSvsWESvsSNP‑чипвзависимостиотбюджета$ и список команд/параметров для конкретных инструментов $например,какстроитьkinship‑матрицуизапускатьSAIGE/REGENIE$.