સામગ્રી પર જાઓ
આંતરરાષ્ટ્રીય પાર્કિન્સન અને મૂવમેન્ટ ડિસઓર્ડર સોસાયટી

લેટિન અમેરિકાના જૂથોમાં પાર્કિન્સન રોગ માટે નવા સ્થાનની ઓળખ કરવામાં આવી છે

સપ્ટેમ્બર 04, 2023
એપિસોડ:124
ડૉ. સારાહ કેમાર્ગોસે ડૉ. થિયાગો લીલ અને ડૉ. ઇગ્નાસિયો માતાનો ઇન્ટરવ્યુ લીધો, જેમાં ઓછી વસ્તી પર આનુવંશિક અભ્યાસની જરૂરિયાત અને મિશ્રણ પૂર્વજો અને X રંગસૂત્રનું વિભાજન કરતી વખતે તેમને સામનો કરવો પડતો ટેકનિકલ પડકારો વિશે વાત કરી. આ લેખ વાંચો

[00:00:00] સારાહ કેમાર્ગોસ : નમસ્તે, અને ઇન્ટરનેશનલ પાર્કિન્સન એન્ડ મૂવમેન્ટ ડિસઓર્ડર સોસાયટીના સત્તાવાર પોડકાસ્ટ, MDS પોડકાસ્ટમાં આપનું સ્વાગત છે. હું સારાહ કેમાર્ગોસ છું, ફેડરલ યુનિવર્સિટી ઓફ મિનાસ ગેરાઈસ, બ્રાઝિલના ન્યુરોલોજી પ્રોફેસર. આજનો દિવસ ખાસ છે કારણ કે અમારી પાસે બે મહેમાનો છે, ડો. થિયાગો પીક્સોટો લીલ, માટા લેબના પોસ્ટડોક્ટરલ રિસર્ચ ફેલો, અને ડો. ઇગ્નાસિયો માતા બંને ક્લેવલેન્ડ ક્લિનિકના.

સંપૂર્ણ ટ્રાન્સક્રિપ્ટ જુઓ

 ડૉ. માતા પાર્કિન્સન રોગ અથવા મોટા પીડીના જિનેટિક્સ પર લેટિન અમેરિકન રિસર્ચ કન્સોર્ટિયમના પીઆઈ છે. અમે મૂવમેન્ટ ડિસઓર્ડર્સ જર્નલમાં પ્રકાશિત થયેલા તેમના તાજેતરના પેપર, એક્સ-ક્રોમોસોમ એસોસિએશન સ્ટડી ઇન લેટિન અમેરિકન કોહોર્ટ્સ આઇડેન્ટિફાઇઝ ન્યૂ લોકી ઇન પાર્કિન્સન રોગ વિશે ચર્ચા કરવા જઈ રહ્યા છીએ.

સ્વાગત છે, ડૉ. માતા અને તમારા સમય બદલ ખૂબ ખૂબ આભાર. [00:01:00] લેખમાં આગળ વધતા પહેલા, હું તમને કહેવા માંગુ છું કે લાર્જ પીડી ખરેખર શું છે અને તેમના ધ્યેયો શું છે તે સમજાવો.

[00:01:10] ઇગ્નાસિયો માતા: અમને અહીં આમંત્રણ આપવા બદલ આભાર. જેમ તમે ઉલ્લેખ કર્યો છે તેમ, પાર્કિન્સન રોગનું લેટિન અમેરિકન સંશોધન સંઘ, અથવા લેટિન અમેરિકન સંશોધન સંઘ, ખરેખર 2006 થી ચાલી રહેલ સહયોગ છે, ઘણા લાંબા સમયથી. આનો ધ્યેય ખરેખર આનુવંશિક ઘટકને સમજવાનો છે, જોકે આપણે લેટિનોમાં પર્યાવરણ અને ન્યુરોલોજીકલ વિકૃતિઓના અન્ય પરિબળોને પણ જોઈએ છીએ.

તેથી, આનુવંશિક અભ્યાસમાં લેટિન લોકોનું પ્રતિનિધિત્વ ખૂબ જ ઓછું છે. તેથી આ સહયોગનો વિચાર ખરેખર તે લોકોને વિશ્વની મોટી વસ્તીમાં મૂકવાનો હતો અને અમે ખાતરી કરવા માંગીએ છીએ કે તેમનું પ્રતિનિધિત્વ થાય, તેથી હાલમાં અમારી પાસે લેટિન અમેરિકા અને કેરેબિયનના 40 અલગ અલગ દેશોમાં 13 કેન્દ્રો છે અને અમારી પાસે 6,000 થી વધુ વ્યક્તિઓ છે, બંને પાર્કિન્સનના દર્દીઓ અને સ્વસ્થ નિયંત્રણો ધરાવતા દર્દીઓ, જે અમને અમારા અભ્યાસ માટે જરૂરી છે, આ ઘણા વિવિધ દેશોમાંથી. 

[00:01:59] સારાહ કેમાર્ગોસ: પરફેક્ટ.[00:02:00] અત્યાર સુધીના મોટા PD પરિણામો શું હતા?

[00:02:03] ઇગ્નાસિયો માતા: અમે ઘણા લાંબા સમયથી કામ કરી રહ્યા છીએ, ખરું ને? તેથી જેમ જેમ સંખ્યા વધી રહી છે, તેમ તેમ અમે ઘણી બધી બાબતો કરી શક્યા છીએ. શરૂઆતમાં, અમે ખરેખર પાર્કિન્સન રોગના પારિવારિક સ્વરૂપો, પરિવર્તનો અને આ સ્વરૂપોમાં કારણભૂત પ્રકારો જોયા જે મોટાભાગે યુરોપ અને યુનાઇટેડ સ્ટેટ્સમાં ઓળખાયા હતા, અને જોયું કે શું તે લેટિનોમાં હાજર હતા, અમે જોયું કે આપણે સિન્યુક્લિન પરિવર્તનો શોધી શકીએ છીએ, આપણે પાર્કિન પરિવર્તનો શોધી શકીએ છીએ, અમને ઘણા LRRK2, બે પરિવર્તનો પણ મળ્યા. તેથી, જે વસ્તુઓ આપણે બધા જાણીએ છીએ તે પરિવારોમાં પાર્કિન્સનનું કારણ બની રહી છે તે લેટિન અમેરિકામાં પણ હાજર છે. અને જેમ થિયાગો પછીથી સમજાવશે, લેટિન લોકો આનુવંશિક રીતે ખૂબ જટિલ છે. તેમની પાસે ઘણી અલગ વસ્તીનું મિશ્રણ છે. તેથી એક વસ્તુ જે આપણે ખૂબ શરૂઆતમાં અવલોકન કરીએ છીએ તે એ છે કે યુરોપિયનોમાં જોવા મળેલા આમાંથી ઘણા પરિવર્તનો ખરેખર લેટિનોમાં કોન્ક્વિસ્ટાડોર્સ દ્વારા હાજર છે. તેથી તેમાંના ઘણા બધા યુરોપમાં ઘણા સમય પહેલા થયેલા એક સામાન્ય પૂર્વજમાંથી આવી રહ્યા છે, ખાસ કરીને LRRK2 પરિવર્તન, તેથી તે પહેલી બાબતોમાંની એક હતી જે [00:03:00] અમે કરી હતી અને જેમ જેમ સંખ્યા વધવા લાગી, અને લોકોએ સંશોધનમાં વિવિધ જૂથો પર વધુ ધ્યાન આપવાનું શરૂ કર્યું, અમે પ્રથમ જીનોમ-વ્યાપી સંગઠન અભ્યાસ કરી શક્યા. તેથી અમે 2016 માં પાર્કિન્સન ફાઉન્ડેશનના કેટલાક ભંડોળ સાથે આ કર્યું. અમે 1500 વ્યક્તિઓનો જીનોટાઇપ કરી શક્યા જે તે જ જૂથ છે જેનો ઉપયોગ થિયાગો સમજાવશે કે અમે આ અભ્યાસમાં પણ કર્યો છે, અને અમને જે મળ્યું તે એ છે કે સ્પષ્ટપણે જીનોમ-વ્યાપી સંદર્ભમાં, આ જીનોમ-વ્યાપી સંગઠન અભ્યાસમાં સામાન્ય રીતે હજારો લોકો હોય છે જ્યારે તમે તે યુરોપિયનોમાં કરો છો, ઉદાહરણ તરીકે અમારી પાસે તે મોટી સંખ્યાઓ નહોતી, તેથી તે થોડી ઓછી શક્તિ હતી. પરંતુ ખૂબ નાના જૂથ સાથે પણ, અમે પાર્કિન્સન રોગ માટે સિન્યુક્લિનને ટોચના, જોખમી જનીન તરીકે જોઈ શક્યા, જે કંઈક એવું છે જે અમે યુરોપિયનોમાં જોયું. એશિયન જનીન એ પણ બતાવ્યું કે સિન્યુક્લિન, ટોચની હિટમાંની એક હતી. તેથી તે અન્ય વસ્તીમાં આપણે જે શોધી કાઢ્યું છે તેના જેવું જ હતું. પરંતુ, તે ઉપરાંત, અમે એક નવું, જનીન પણ નામાંકિત કરવામાં સક્ષમ હતા જે ખરેખર મૂળ અમેરિકન વંશ સાથે સંકળાયેલું હતું. [00:04:00] જીનોમમાં આ પ્રદેશ NRROS નામના જનીનની નજીક છે. અમને આ જનીન વિશે હજુ સુધી વધુ ખબર નથી, પરંતુ એવું લાગતું હતું કે તે મહત્વપૂર્ણ હોઈ શકે છે, અને તે પાર્કિન્સન રોગ માટે વસ્તી વિશિષ્ટ હોઈ શકે છે, જેમ કે લેટિન અમેરિકાના ઘણા દેશો, જેમ કે પેરુ, બોલિવિયા, એક્વાડોર, ઘણા એવા દેશો જ્યાં ઘણા મૂળ અમેરિકન છે, આ એક જોખમ પરિબળ હોઈ શકે છે. અમે એ પણ જોયું કે, પોલિજેનિક જોખમ સ્કોર, ગણતરી કરવામાં આવ્યો હતો, યુરોપિયન ડેટા સાથે લેટિનોમાં કેસ અને નિયંત્રણો વચ્ચે તફાવત કરવામાં ખરેખર અસરકારક હતો.

[00:04:34] સારાહ કેમાર્ગોસ: પરફેક્ટ. તેથી યુરોપિયન માટે ગણતરી કરાયેલ પીઆરએસ લેટિનો માટે કામ કરે છે.

[00:04:41] ઇગ્નાસિયો માતા: હા, આ એક આશ્ચર્યજનક વાત હતી કારણ કે, મોડેલિંગ, તેથી કમ્પ્યુટર મોડેલિંગ, વાસ્તવિક ડેટા સેટ્સે બતાવ્યું છે કે જો તમે પોલિજેનિક રિસ્ક સ્કોરનો ઉપયોગ કરો છો, જે ફક્ત પ્રેક્ષકોને સમજાવવા માટે છે. તેથી, પોલિજેનિક રિસ્ક સ્કોર ખરેખર ફક્ત જીનોમમાં રહેલા બધા જોખમ પરિબળોનો એકંદર ઉપયોગ છે. તેથી પાર્કિન્સન્સમાં, આપણી પાસે જીનોમના લગભગ [00:05:00] 100 વિવિધ પ્રદેશો છે જે જોખમમાં સામેલ છે જેમાંથી કેટલાક જોખમ વધારે છે, તેમાંથી કેટલાક જોખમ ઘટાડે છે. તેથી પોલિજેનિક સ્કોર દરેક વ્યક્તિ માટે લે છે, તેમાંથી કેટલા પ્રકારો આપણે ખરેખર વહન કરીએ છીએ. અને પછી તે ગણતરી કરે છે કે તમારી પાસે, આનુવંશિક ઘટક છે, અથવા જો તમારી પાસે ખૂબ નાનો, આનુવંશિક ઘટક છે, તો તમારા PRS અથવા પોલિજેનિક જોખમ સ્કોર શું છે તેના પર આધાર રાખે છે. ઘણા બધા પેપર્સ એવું કહી રહ્યા હતા કારણ કે જાહેરમાં ઉપલબ્ધ મોટાભાગનો ડેટા યુરોપિયનો તરફથી આવે છે. જો આપણે કોઈપણ રોગ માટે આ કરવાનો પ્રયાસ કરીએ, ફક્ત પાર્કિન્સન માટે જ નહીં, પરંતુ હૃદય રોગ માટે પણ, જો આપણે યુરોપના ડેટાનો ઉપયોગ કરીને આ પોલીજેનિક જોખમ સ્કોર્સ કરવાનો પ્રયાસ કરીએ, તો તે અન્ય વસ્તીમાં ખૂબ સારી રીતે અનુવાદ કરતા નથી કારણ કે પ્રકાર, આનુવંશિક પ્રકારો અલગ હોઈ શકે છે અથવા અસર અલગ હોઈ શકે છે.

તેથી આ મોડેલો આગાહી કરવા માટે ખરેખર સારા ન હોઈ શકે કે કોઈને આ રોગ અન્ય વસ્તીમાં થશે કે નહીં. તેથી જ્યારે આપણે 2019 ના નાલ્સ એટ અલ. પેપરના પરિણામોનો પ્રયાસ કરીએ છીએ, જે પાર્કિન્સન રોગમાં કરવામાં આવેલ સૌથી મોટું, GWAS છે, જેમાં ફક્ત યુરોપિયન વ્યક્તિઓનો સમાવેશ થાય છે જ્યારે આપણે તે ડેટા લઈએ છીએ અને પછી [00:06:00] લેટિનો માટે પોલીજેનિક સ્કોરની ગણતરી કરીએ છીએ, ત્યારે તે ખરેખર ખૂબ જ સારી રીતે કામ કરે છે, આશ્ચર્યજનક રીતે.

 અમે ખરેખર ઊંડાણપૂર્વક વિશ્લેષણ કર્યું કે આ કેવી રીતે શક્ય હતું? અને અમને જાણવા મળ્યું કે સિન્યુક્લિનમાં એક પ્રકાર હતો જે ખરેખર તે પોલીજેનિક જોખમ સ્કોરની અસરકારકતાના 73% માટે જવાબદાર હતો. જો તમે તે પ્રકારને બહાર કાઢો છો, તો પોલીજેનિક જોખમ સ્કોર બિલકુલ કામ કરતો નથી. અને આ એક પ્રકાર છે જે એશિયનો અને લેટિનોમાં આફ્રિકનો અથવા યુરોપિયનો કરતાં વધુ સામાન્ય છે. અને બીજી વસ્તુ જે અમને મળી તે ખૂબ જ રસપ્રદ છે તે એ છે કે આ પ્રકારો, તેથી બંને વસ્તીમાં જે સમાન પ્રકાર છે તે ખરેખર યુરોપિયનોની તુલનામાં લેટિનોમાં વિવિધ પ્રકારોના સમૂહથી ઘેરાયેલો છે, જે આપણે વિચારી શકીએ છીએ કે તે ખરેખર આ પ્રકારનો પ્રભાવ બદલી શકે છે.

તો એનો અર્થ એ થયો કે વેરિઅન્ટ પોતે જ મહત્વપૂર્ણ છે પણ એ જ જીનોમમાં રહેલા બધા શું છે તે જાણવું એ પણ સમજાવી શકે છે કે શા માટે કેટલાક લોકોમાં આ રોગ થવાનું જોખમ ઊંચું અથવા ઓછું હોઈ શકે છે. આ અભ્યાસ કરવો ખૂબ જ રસપ્રદ હતો અને, તે પહેલાં ક્યારેય કરવામાં આવ્યું નથી, તેથી તે એકદમ નવલકથા હતી. 

[00:06:58] સારાહ કેમાર્ગોસ: તો તે ખૂબ સરસ છે.[00:07:00] મને લાગે છે કે પાર્કિન્સન રોગ માટે આ એક નવું સ્થળ છે. અને પ્રોફેસર માતા, X રંગસૂત્ર તમારી નજર સમક્ષ કેમ અને કેવી રીતે આવ્યું?

[00:07:10] ઇગ્નાસિયો માતા: હા, તો x રંગસૂત્ર, આપણામાંથી ઘણા લોકો પાસે X રંગસૂત્ર ડેટા હોય છે પરંતુ આપણે સામાન્ય રીતે તેને બાકાત રાખવાનું વલણ રાખીએ છીએ, જો તમે અન્ય વસ્તીમાં અથવા અન્ય રોગોમાં કરવામાં આવેલા બધા GWAS પર નજર નાખો તો પણ તમે જોશો કે તેઓ ફક્ત રંગસૂત્ર એકથી રંગસૂત્ર 22 સુધી જ જુએ છે. રંગસૂત્ર X અને રંગસૂત્ર Y ને સંપૂર્ણપણે અવગણવામાં આવે છે, અને અમારી પ્રયોગશાળામાં આપણે જે કરવાનું પસંદ કરીએ છીએ તે એ છે કે જે ઓછી રજૂ કરવામાં આવે છે તેનો અભ્યાસ કરવો, ખરું ને? તેથી આપણે લેટિનોનો અભ્યાસ કરીએ છીએ કારણ કે કોઈ કરતું નથી. તેથી અમે X રંગસૂત્રનો પણ અભ્યાસ કરવાનું નક્કી કર્યું કારણ કે કોઈ કરતું નથી, અને પછી કારણ કે પાર્કિન્સન અન્ય ન્યુરોલોજીકલ ડિસઓર્ડર તરીકે એક લિંગને બીજા કરતા વધુ અસર કરે છે.

તેથી પાર્કિન્સન રોગ થવાનું જોખમ સ્ત્રીઓની સરખામણીમાં પુરુષોમાં થોડું વધારે હોય છે. તેથી અમે વિચાર્યું કે કદાચ X રંગસૂત્ર તે તફાવતોને સમજાવવા માટે કેટલીક મહત્વપૂર્ણ માહિતી લઈ શકે છે. આપણે [00:08:00] X રંગસૂત્રનો અભ્યાસ કેમ નથી કરતા તેનું કારણ ખરેખર એ નથી કે આપણે તે કરવા માંગતા નથી, કારણ કે તે ખૂબ મુશ્કેલ છે. 

પુરુષો અને સ્ત્રીઓ વચ્ચે ડોઝ અલગ અલગ હોય છે. પુરુષો અને સ્ત્રીઓ વચ્ચે પુનઃસંયોજન દર પણ અલગ અલગ હોય છે. જ્યારે તમે જીનોટાઇપ કરો છો ત્યારે x નિષ્ક્રિયતા પણ આપણે કહી શકીએ છીએ, તમને ખબર નથી હોતી કે કયા પ્રકારો સક્રિય થઈ શકે છે. અને પછી થિયાગો બીજી એક વાતનો ઉલ્લેખ કરી શકે છે કે લેટિનોમાં તે વધુ જટિલ છે કારણ કે વંશ અલગ છે.

X રંગસૂત્રનો પૂર્વજ વાસ્તવમાં ઓટોસોમ, રંગસૂત્રથી અલગ છે, તેથી તેનું વિશ્લેષણ કરવામાં મુશ્કેલી વધે છે. પરંતુ થિયાગોએ ખૂબ સારું કામ કર્યું અને આ ડેટાનું વિશ્લેષણ કરવા માટે તેને ઘણી નવી પાઇપલાઇન્સ વિકસાવવી પડી. 

[00:08:36] સારાહ કેમાર્ગોસ: ઓહ, ખૂબ સરસ. જુઓ, ખૂબ જ રસપ્રદ. ડૉ. માતા, આભાર. અને થિયાગોનું સ્વાગત છે. અને તમારા સમય માટે ખૂબ ખૂબ આભાર. શું તમે અમને તમારા અભ્યાસની વસ્તી પૃષ્ઠભૂમિ વિશે વિગતવાર કહી શકો છો?

[00:08:49] થિયાગો પેઇક્સોટો લીલ: તો સૌ પ્રથમ, આમંત્રણ બદલ આભાર, હું અહીં આવીને ખરેખર ખુશ છું. તેથી મોટા પીડી ફેઝ વન માટેનો ડેટા સેટ, જે [00:09:00] 2016 માં જનરેટ થયેલ ડેટા છે, તે લેટિન અમેરિકાના પાંચ અલગ અલગ દેશો, બ્રાઝિલ, ચિલી, કોલંબિયા, પેરુ અને ઉરુગ્વેના 1,500 વ્યક્તિઓ દ્વારા બનાવવામાં આવ્યો છે. લેટિન અમેરિકન વસ્તી આનુવંશિક વિવિધતા દ્વારા જાણીતી છે જે આફ્રિકા, યુરોપ અને મૂળ અમેરિકનોની વસ્તી વચ્ચેની ક્રિયાપ્રતિક્રિયાના કેન્દ્રોનું પરિણામ છે. તેથી, બધી લેટિન અમેરિકન વસ્તી આ ત્રણ માતાપિતાની વસ્તીને શેર કરે છે, પરંતુ સામાજિક આર્થિક અને ભૂ-રાજકીય ગતિશીલતા આનુવંશિક પૃષ્ઠભૂમિની દ્રષ્ટિએ દરેક વસ્તીને અનન્ય બનાવે છે. ઉદાહરણ તરીકે, અમારા ડેટાસેટમાં બ્રાઝિલની વસ્તીમાં સૌથી મોટું આફ્રિકન યોગદાન છે જ્યારે પેરુવિયન લોકોમાં સૌથી મોટું મૂળ અમેરિકન વંશ છે અને અમારી પાસે અન્ય જૂથોમાં યુરોપિયનો પણ છે, કેટલાક જૂથો છે જે લગભગ કોઈપણ આફ્રિકન વંશ ધરાવે છે. તો લેટિન અમેરિકામાં આ સુંદર વિષમતા છે અને તે જ સમયે, તે સારું છે, તે ખરાબ છે કારણ કે તમારે આ ધ્યાનમાં લેવું પડશે, તમારા વિશ્લેષણમાં, તમે એવું માની શકતા નથી કે તમારી વસ્તી એકરૂપ છે, કે તમારી વસ્તી GWAS દ્વારા અનુસરવામાં આવતા નિયમોનું પાલન કરે છે, કારણ કે તમારી પાસે હંમેશા આ વિષમતા છે જે કેટલાક વિશ્લેષણમાં કેટલીક સમસ્યાઓનું કારણ બની શકે છે.

[00:10:20] સારાહ કેમાર્ગોસ: રસપ્રદ. મને ખબર નહોતી કે પૃષ્ઠભૂમિ મહત્વપૂર્ણ છે, GWAS માટે તમે જે ભૂમિકાઓ કહી રહ્યા હતા તેના માટે. કૃપા કરીને અમને જણાવો કે રંગસૂત્ર x સાથે જીનોમ WAS માટે તકનીકી મર્યાદાઓ શું છે.

[00:10:34] થિયાગો પેઇક્સોટો લીલ: પ્રથમ, જીનોમ અને એસોસિએશન અભ્યાસનો આધાર શું છે. આ પ્રકારના અભ્યાસમાં, તમે ધારો છો કે એલીલ ફ્રીક્વન્સીમાં તફાવત રોગને કારણે થાય છે. તો વિચાર એ છે કે, જો આ એલીલ મારા કિસ્સામાં મારા નિયંત્રણો કરતાં વધુ રજૂ થાય છે, તો તે મારા રોગ સાથે સંકળાયેલ છે, પરંતુ ઘણી ક્રાંતિકારી શક્તિઓ છે જે એલીલ ફ્રીક્વન્સીમાં તફાવત લાવી શકે છે જે [00:11:00] રોગ સાથે સંકળાયેલ નથી, અને વંશ તેમાંથી એક છે.

તેથી, આપણે મોટા PD પર કરેલા વિશ્લેષણમાં આને ધ્યાનમાં લેવું પડશે. 

તો અમારું XWAS પહેલું નથી. અમારી પાસે 2021 માં સ્ટેનફોર્ડના લે ગુએન છે, તેમણે પાર્કિન્સન રોગ પર પ્રથમ XWAS પ્રકાશિત કર્યો હતો અને તેઓએ યુરોપિયન સમૂહમાં પાર્કિન્સન રોગના જોખમ સાથે સંકળાયેલા બે ક્ષેત્રો શોધી કાઢ્યા હતા. અને તે સમયે અમારી લેબમાં, ડૉક્ટર 

હવે ડૉ. શાપિરો છે, પરંતુ જ્યારે તે પીએચડીની વિદ્યાર્થીની હતી, ત્યારે તે પહેલાથી જ પીડી પુરુષો અને સ્ત્રીઓ વચ્ચેના તફાવતનો અભ્યાસ કરી રહી હતી અને આ લેખ આવ્યો અને અમે કહ્યું, ઓહ, ચાલો જોઈએ કે શું આપણે સમાન પ્રકારો જોઈ શકીએ છીએ, શું આપણે લેટિન વસ્તીમાં નવા પ્રકારો શોધી શકીએ છીએ, કારણ કે તેઓ ફક્ત યુરોપિયન વ્યક્તિઓનો ઉપયોગ કરે છે જે ખૂબ જ સમાન હોય છે.

તેમણે યુરોપિયન વસ્તીનો એક ખૂબ જ ચોક્કસ સબસેટ પસંદ કર્યો. તેથી આ બિંદુએ, અમે અમારો પ્રોજેક્ટ શરૂ કર્યો અને અમને [00:12:00] કેટલીક સમસ્યાઓનો સામનો કરવો પડી રહ્યો છે કારણ કે પહેલી સમસ્યા એ છે કે લે ગુએન એટ અલ પાઇપલાઇન ખૂબ જ સમાન વસ્તી માટે બનાવવામાં આવી હતી, અને અમારી વસ્તી વિજાતીય વિજાતીયતા વિશે છે, અને અમારા નમૂનાનું કદ પણ એટલું મોટું નથી.

તે એટલું મોટું નથી. પરંતુ જ્યારે તમે XWAS કરો છો, ત્યારે તમે જોવા માંગો છો કે શું તમને સ્ત્રીઓ અને પુરુષો સાથે સંકળાયેલા કેટલાક પ્રકારો મળે છે કે કેમ તે જોવા માટે કે શું કોઈ ઉપયોગ છે જે એક જ વસ્તુ સાથે સંકળાયેલ છે જેમ કે પુરુષો પર જોખમ વધારવું, પરંતુ સ્ત્રી પુરુષોમાં નહીં. તેથી તમારે લિંગ દ્વારા ઘણા બધા અલગ ડેટાસેટ કરવા પડશે. તેથી અમારું નમૂનાનું કદ જે GWAS માટે પહેલેથી જ નાનું છે, તે XWAS માટે વધુ નાનું થઈ ગયું છે. તેથી, અમે જે કરીએ છીએ તે એ છે કે અમે લે ગુએન એટ અલ મોડેલ અને અમને દેખાતી આ સમસ્યાઓના પરિણામને અનુરૂપ બનવા માટે ઘણી યોજનાઓ બનાવવાનું શરૂ કર્યું. 

[00:12:51] સારાહ કેમાર્ગોસ: તમે આ મર્યાદાઓને કેવી રીતે દૂર કરી? XWAS માટે?

[00:12:55] થિયાગો પેઇક્સોટો લીલ: તો, અમારું પહેલું પગલું લે ગુએન એટ અલ પાઇપલાઇનનો અભ્યાસ કરવાનું હતું. [00:13:00] જેમ કે પાઇપલાઇન ખરેખર સારી હતી, પરંતુ તેમની પાસે એક પગલું હતું કે તેઓ એવા વ્યક્તિઓને દૂર કરે છે જે વિજાતીય છે. અને આપણે જે પ્રથમ વસ્તુ કરવાનું છે તે આ પગલું દૂર કરવાનું છે કારણ કે આપણે કોઈપણ નમૂનાઓ સાથે સમાપ્ત કરીશું. તેથી, આ પછી, આપણે સમજવાની જરૂર છે કે તે આ પગલું શા માટે કરી રહ્યો હતો કારણ કે કોઈ પણ વ્યક્તિ કોઈપણ કારણોસર નમૂનાઓને બાકાત રાખે છે, અને આપણે આપણા મોડેલને અનુકૂલિત કરીને તે સમસ્યાઓને નિયંત્રિત કરવાનો પ્રયાસ કરવો પડશે જે તેણે વિજાતીય નમૂનાઓને બાકાત રાખે છે. તેથી, અમારું ડેટાસેટ MEG એરે પ્લેટફોર્મનો ઉપયોગ કરે છે જેનો સારો કવરેજ છે. તેથી નાચોએ જે સમસ્યાઓ વિશે કહ્યું હતું કે કેટલાક જીનોટાઇપ એરે પ્લેટફોર્મ એટલું સારું નથી તેમાંથી એક તે આપણા માટે ઉકેલ હતી. અમે બે અલગ અલગ વિશ્લેષણ ચલાવીને નાના નમૂનાના કદની અસર ઘટાડવાનો પ્રયાસ કરીએ છીએ, એક જેને આપણે LARGE-ALL કહીએ છીએ. તે થોડા શબ્દોમાં કહીએ તો, અમે મોટા PD પર રહેલા દરેકને મર્જ કરીએ છીએ અને એક જ વિશ્લેષણ ચલાવીએ છીએ. તો આપણી પાસે આપણું મોટું સેમ્પલ સાઈઝ છે, પરંતુ મોટા સેમ્પલ સાઈઝમાં એક સમસ્યા છે [00:14:00] જે વંશાવળી પરના તફાવતનું કારણ બની શકે છે, કેટલાક ખોટા હકારાત્મક અથવા ખોટા નકારાત્મક.

તો આપણે આને નિયંત્રિત કરવાનો પ્રયાસ કરવા માટે બીજું વિશ્લેષણ ચલાવીએ છીએ. આપણે દેશ દ્વારા રીગ્રેશન ચલાવીએ છીએ, અને આ પછી આપણે આ ડેટાનું મેટા વિશ્લેષણ કરીએ છીએ. જેથી આપણે લાર્જ મેથડ કહીએ છીએ. તેથી આપણે કરેલા દરેક વિશ્લેષણ માટે આપણી પાસે બે અલગ અલગ ડેટા સેટ છે. તેથી અંતે આપણે આઠ અલગ અલગ રીગ્રેશન કરવા પડશે અને આપણે પદ્ધતિસરની બાબતો વિશે ઘણા પરીક્ષણો પણ કર્યા હતા જે કદાચ જો હું કોઈની સાથે વાત કરું તો મારા જેવા ગણતરીત્મક પક્ષ ખરેખર ઉત્સાહિત થશે પરંતુ આપણા પ્રેક્ષકો એવા લોકો વિશે વધુ છે જેમને આમાં રસ નથી. તેથી જો તમને આમાં રસ હોય, તો મારો પેપર વાંચો કારણ કે બધું જ છે, સ્પષ્ટ.

[00:14:47] સારાહ કેમાર્ગોસ: ઠીક છે. ખુબ ખુબ આભાર. પણ મને ખુશી છે કે તમે અમારા માટે બધું વધુ સમજી શકાય તેવી ભાષામાં સમજાવી રહ્યા છો. તમે કયા સંગઠનોનું વિશ્લેષણ કર્યું અને તમને આમાં શું મળ્યું [00:15:00] XWAS?

[00:15:01] થિયાગો પેઇક્સોટો લીલ: તેથી જેમ આપણે 8 અલગ અલગ વિશ્લેષણ ચલાવીએ છીએ, આપણી પાસે બે ડેટા સેટ છે. LARGE-ALL માં, ફરીથી, બધા નમૂનાઓ અને LARGE-Meta છે જે આપણે રીગ્રેશન અને મેટા વિશ્લેષણ ચલાવીએ છીએ. તેથી આ બે ડેટા સેટમાંથી દરેક માટે, આપણે ફક્ત સ્ત્રીઓનો ઉપયોગ કરીને વિશ્લેષણ ચલાવીએ છીએ જેથી આપણે રોગ સાથે સંકળાયેલા સ્ત્રી પ્રકારો શોધી શકીએ. આપણે ફક્ત પુરુષો સાથે દોડીએ છીએ તે જોવા માટે કે પુરુષો પર જનીન સાથે સંકળાયેલા કેટલાક પ્રકારો છે કે નહીં. આપણે બંને ડેટા સેટને એક જ ડેટા સેટ પર મર્જ કરીએ છીએ જેને આપણે બંને કહીએ છીએ અને ચલાવીએ છીએ. અને અમે લે ગુએન એટ અલ દ્વારા તેને પુરુષ વત્તા સ્ત્રી તરીકે પણ ઓળખાવ્યું, તે તમે સ્ત્રી-માત્ર ડેટા અને પુરુષ-માત્ર ડેટા લો છો અને એક મેટા વિશ્લેષણ કરો છો જે લિંગને ધ્યાનમાં લે છે, અને એ પણ જુઓ કે શું ઉચ્ચ વિજાતીયતા છે, અને આ પ્રકારનું વિશ્લેષણ કરવાથી તમે જે આંકડાકીય નિયંત્રણો મેળવી શકો છો. તો આપણી પાસે આઠ ડેટા સેટ છે, પરિણામોના આઠ સેટ છે. અને [00:16:00] આ આઠ પરિણામોના સેટ સાથે, આપણને લિંકેજ ડિસઇક્વિલિબ્રિયમના આઠ પ્રદેશોમાં 86 નવા સંકળાયેલા પ્રકારો મળે છે. તેથી અમારી પાસે ઇન્ટરજેનિકમાં ઇન્ટ્રોનિક પ્રદેશોમાં અને એક્ઝોનિક પ્રદેશોમાં કેટલાક પ્રકારો હતા, પરંતુ ફક્ત બે પ્રદેશો જ અમારા પ્રતિકૃતિ સમૂહની નકલ કરી રહ્યા હતા.

બીજી બાજુ, અમે લે ગુએન એટ અલ વેરિઅન્ટમાંથી એકની નકલ કરી. 

ડેટાસેટ અમારા નવા સંકળાયેલ પ્રકારોમાંથી એકની નકલ પણ કરે છે. 

[00:16:28] સારાહ કેમાર્ગોસ : અને તમે તમારા જૂથની નકલ કેવી રીતે કરી? તમે કયા જૂથનો ઉપયોગ કર્યો?

[00:16:32] થિયાગો પેઇક્સોટો લીલ: પ્રતિકૃતિ, તે એક મહત્વપૂર્ણ પગલું છે, આનુવંશિક અભ્યાસમાં ખૂબ જ મહત્વપૂર્ણ પગલું છે કારણ કે ક્યારેક તમને આકસ્મિક રીતે કેટલાક ખૂબ સારા પરિણામો મળી શકે છે. તેથી જ્યારે તમે આનુવંશિક અભ્યાસ કરો છો, ત્યારે તમે સામાન્ય રીતે સ્વતંત્ર જૂથોમાં પ્રતિકૃતિ બનાવવાનો પ્રયાસ કરો છો કે તે આકસ્મિક રીતે નથી, પરંતુ તમને કંઈક એવું મળે છે જે ખરેખર રોગ સાથે સંકળાયેલું છે.

અને આ અમારા માટે એક સમસ્યા બની ગયું કારણ કે મોટા PD ને પ્રતિકૃતિ [00:17:00] સમૂહ સાથે ઐતિહાસિક સમસ્યા છે. અમારી પાસે કોઈ સારો પ્રતિકૃતિ સમૂહ નથી કારણ કે મોટા PD, તે લેટિન અમેરિકનો પરનો સૌથી મોટો અભ્યાસ છે. તેથી, તે એક સમસ્યા બની ગઈ. તેથી અમે ઇન્ટરનેશનલ પાર્કિન્સન રોગ જીનોમિક કન્સોર્ટિયમ, IPDC, જે જીનોટાઇપ હતો, ના લેટિનો ડેટાસેટનો ઉપયોગ કરવાનો પ્રયાસ કર્યો, અને ન્યુરો ચિપ એરેનો ઉપયોગ કર્યો. અમારી પાસે IPDDC તરફથી બીજો ડેટા છે, પરંતુ તેઓ ચિપનો ઉપયોગ કરે છે જેમાં X રંગસૂત્ર પર ખૂબ જ ઓછા પ્રકારો છે. જો હું ખોટો નથી, તો તે 2000 છે. તેથી અમે વધુ નમૂનાઓ સાથે ડેટાસેટનો ઉપયોગ કરી શકતા નથી કારણ કે તેમની પાસે પૂરતા પ્રકારો નથી. તેથી આ ડેટાસેટમાં 155 વ્યક્તિઓ છે, જે કોઈપણ આંકડાકીય વિશ્લેષણ કરવા માટે ખૂબ જ નાના નમૂના કદ છે.

તો, આ ક્ષણે આપણે આપણા નમૂનાનું કદ વધારવા માટે બીજો સમૂહ શોધવો પડશે. તો હું બ્રાઝિલમાં EPIGENE ડેટાસેટ પર જાઉં છું, જ્યારે મેં મારો માસ્ટર [00:18:00] અને પીએચડી પ્રોગ્રામ કર્યો ત્યારે હું UFMG પર જે ડેટા કામ કરતો હતો તે હતો અને તેમની પાસે બામ્બુઇ એજિંગ સમૂહ અભ્યાસ છે. બામ્બુઇ ડેટાસેટ 1,422 વ્યક્તિઓ દ્વારા રચાયેલ છે. 

તે બેઝલાઇન વર્ષમાં શહેરના 82% રહેવાસીઓનું પ્રતિનિધિત્વ કરે છે અને દરેક વ્યક્તિ 60 વર્ષથી વધુ ઉંમરના છે. તેથી આ સમૂહમાં PD કેસ પણ છે, તેથી અમે બામ્બુઈને PDC સાથે મર્જ કરીને, અમે અમારા કેસ પણ વધારીએ છીએ અને આ સમાવેશ કરવામાં આવ્યો છે, ડૉ. પેલ અને ડૉ. પાઓલો કેરેલીનો આભાર, તેઓ અમને RPK અને અન્ય પ્રકારના PD ધરાવતા બધા લોકો માટે વિચારો આપવામાં મદદ કરે છે.

તો આ IPDDC વત્તા બામ્બુઇ ડેટાસેટનો ઉપયોગ કરીને, અમે પ્રતિકૃતિ બનાવવામાં સક્ષમ હતા અને જેમ મેં પહેલા કહ્યું હતું, અમે બે પ્રકારોની પ્રતિકૃતિ બનાવીએ છીએ. એક પ્રકાર ડિસ્કવર અને પ્રતિકૃતિ સમૂહ વચ્ચે અલગ હકારાત્મક અસર દિશા ધરાવે છે. તેથી અમે [00:19:00] સમજવાનો પ્રયાસ કરી રહ્યા છીએ કે આ એક સાથે આવું કેમ થાય છે અને બીજું તે હતું જેને આપણે સંપૂર્ણ પ્રતિકૃતિ કહીએ છીએ. P મૂલ્ય આંકડાકીય રીતે નોંધપાત્ર હતું, અને અસરો પણ તે જ દિશામાં અનુસરે છે. 

[00:19:12] સારાહ કેમાર્ગોસ: તે રસપ્રદ છે કારણ કે બામ્બુઇ પાર્કિન્સન રોગ વિશે બ્રાઝિલમાં ચલાવવામાં આવતો સૌથી મોટો રોગચાળાનો અભ્યાસ છે. તેથી આ સમૂહ તમારા માટે ઉપયોગી હતો કારણ કે આપણે જાણીએ છીએ કે કોણ પાર્કિન્સનિયન છે અને કોણ નથી.

[00:19:27] થિયાગો પેઇક્સોટો લીલ : તે ખરેખર સરસ આશ્ચર્ય હતું કારણ કે હું ડેટા અને કેટલાકનો સમાવેશ કરી રહ્યો હતો, અને ડૉ. મારા અગાઉના એક સુપરવાઇઝરએ મને કહ્યું, ઓહ, તેમની પાસે બામ્બુઇ પર પીડી છે, હું કહું છું, ઓહ, સરસ. મને વ્યક્તિઓ શોધવા દો કારણ કે આપણે આપણા સરળ કદને પણ સુધારી શકીએ છીએ. વધુ સારું. તેથી તે ખરેખર સરસ હતું.

[00:19:45] સારાહ કેમાર્ગોસ: હા. અભ્યાસ બામ્બુઈમાં હાથ ધરવામાં આવ્યો હતો અને અમારી યુનિવર્સિટીના લોકો દર્દીઓની તપાસ કરવા માટે ત્યાં આવ્યા હતા, બધા દર્દીઓ. બધા વૃદ્ધ દર્દીઓ.

તો ચાલો બીજા પ્રશ્ન પર જઈએ.[00:20:00] તમે તે પ્રકારોના જનીન અભિવ્યક્તિનો અભ્યાસ કેવી રીતે કર્યો? તમને શું મળ્યું? 

[00:20:05] થિયાગો પેઇક્સોટો લીલ: પ્રતિકૃતિ પછી, અમારું પહેલું પગલું GTEx પોર્ટલ પર જવાનું હતું, જેમાં અભિવ્યક્તિ સંપર્ક નુકશાન વિશે માહિતી છે, જેનો ધ્યેય એક અથવા વધુ જનીનોની અભિવ્યક્તિને અસર કરતા આનુવંશિક પ્રકારોને ઓળખવાનો છે. તેથી જો આ પ્રકાર જનીનનું દબાણ વધારે છે કે ઘટાડે છે. તેથી આ પછી, અમે KT સંકળાયેલ જનીનો વિના એક સૂચિ બનાવીએ છીએ, અને અમે બે અલગ અલગ વિશ્લેષણ શરૂ કરીએ છીએ. વ્યક્તિત્વ એક કોલોકેલાઇઝેશન હતું જે NIH ના ડૉ. સારા બલ્ગ્રેન્સિટાની મદદથી કરવામાં આવ્યું હતું. આ વિશ્લેષણનો હેતુ તપાસ કરવાનો છે કે શું વેરિઅન્ટ જનીનના અંતની અભિવ્યક્તિ દ્વારા જોખમ મધ્યસ્થી કરે છે. તેથી, શું આ પ્રકાર આને વધારે છે, અથવા આ જનીનોની અભિવ્યક્તિ ઘટાડે છે, અને શું આ રોગનું કારણ બને છે. કમનસીબે, અમારા કોલોકેલાઇઝેશન વિશ્લેષણ [00:21:00] એ બતાવ્યું નથી કે આ થઈ રહ્યું છે, પરંતુ અમને એક ખૂબ જ સારું પહેલું પગલું મળ્યું છે કે શું આપણે કોઈ એવો પ્રકાર શોધી શકીએ છીએ જે આપણા પ્રતિકૃતિ કરેલ પ્રકાર સાથે જોડાયેલ છે કે નહીં, તેથી આપણી પાસે ભવિષ્યના પગલાં લેવાના છે. અને બીજું વિશ્લેષણ પાર્કિન્સન પ્રગતિ બજારોનો ઉપયોગ કરીને ડેટા અથવા PPMI પ્રાપ્ત કરવાનું હતું. અને PPMI પાસે કેસ અને નિયંત્રણ દ્વારા RNA ગણતરીઓ છે. તેથી અમે અમારી સૂચિમાંના બધા જનીનોમાંથી માહિતી મેળવી. તેથી અમે અમારા જનીનોની સૂચિ લઈએ છીએ અને PPMI ડેટામાંથી માહિતી મેળવીએ છીએ. આ પછી, અમે અમારા વિશ્લેષણને લિંગ દ્વારા અલગ કરીએ છીએ. અને અમે RNA ગણતરીઓ વચ્ચે, કેસ અને નિયંત્રણો વચ્ચે, અને વિજાતીયતા દ્વારા અલગ કરવા વચ્ચે બે પરીક્ષણો કર્યા. તેથી અમે ત્રણ આંકડાકીય મહત્વના પરિણામો પ્રાપ્ત કરીએ છીએ, પરંતુ વધુ કાર્યની જરૂર છે. આપણે કરવાની જરૂર છે, કારણ કે યુરોપિયન વસ્તી અને હિસ્પેનિક તમામ લેટિનો વસ્તી માટે નમૂનાના કદમાં તફાવત [00:22:00] ઘણો વધારે છે, તેથી આપણે વધુ કાર્ય કરવાની જરૂર છે જેથી જોઈ શકાય કે આ તફાવતો ખરેખર રોગ સાથે સંકળાયેલા છે કે ફક્ત નમૂના લેવાની સમસ્યાઓ અથવા આના જેવી કોઈ વસ્તુને કારણે.

[00:22:13] સારાહ કેમાર્ગોસ: હવે હું તમને બંનેને આ અભ્યાસના તમારા તારણો અને મર્યાદાઓ અને આગળના પગલાં અમારી સાથે શેર કરવા કહેવા માંગુ છું.

[00:22:23] ઇગ્નાસિયો માતા: આશા છે કે તમારી સાથેની આ વાતચીત દરમિયાન એ સ્પષ્ટ થઈ ગયું હશે કે આપણે અન્ય વસ્તીમાં વધુ અભ્યાસ કરવાની જરૂર છે, ખરું ને? યુરોપિયનોનો અભ્યાસ કરવો ખૂબ જ સરસ છે, પરંતુ મને લાગે છે કે વધુ વૈવિધ્યસભર જૂથોનો અભ્યાસ કરતી ઘણી બધી બાબતો છે. અને મને લાગે છે કે પાર્કિન્સન સમુદાય GP2 નામના આનુવંશિક કાર્યક્રમ દ્વારા આ એક વિશાળ પ્રયાસ કરી રહ્યો છે જેને ASAP પહેલ દ્વારા ભંડોળ પૂરું પાડવામાં આવે છે, અને મને લાગે છે કે આપણે ત્યાં પહોંચીશું. મને લાગે છે કે વિશ્વભરના વ્યક્તિઓને સમાવવા માટે વધુને વધુ પ્રયાસો થઈ રહ્યા છે, ફક્ત લેટિન અમેરિકા જ નહીં, પરંતુ આફ્રિકા, દક્ષિણપૂર્વ એશિયા, ભારત, એવા પ્રદેશોમાંથી જે ખૂબ જ ઓછા પ્રતિનિધિત્વ કરે છે. મને લાગે છે કે માઈકલ જે [00:23:00] ફોક્સ પણ તે પ્રયાસો માટે ઘણું ભંડોળ આપી રહ્યું છે. મને ફરીથી લાગે છે, નાના જૂથો સાથે પણ, જેમ કે અમે બતાવ્યું છે કે તમે હજી પણ વસ્તુઓ શોધી શકો છો ભલે તેઓ યુરોપિયનો જેટલા મોટા ન હોય. મને લાગે છે કે આપણે રસપ્રદ વસ્તુઓ શોધવાની ઘણી રીતો છે અને ખાતરી કરીએ છીએ કે યુરોપિયનોમાં આપણે જે વસ્તુઓ શોધી છે તે અન્ય વસ્તી પર કેવી રીતે લાગુ પડે છે કારણ કે ત્યાં ઘણી બધી ઓવરલેપ છે, ખાસ કરીને કારણ કે લેટિનોમાં કેટલાક યુરોપિયન છે. યુરોપ અને રાજ્યોમાં આપણે જે ઘણી વસ્તુઓ શોધીએ છીએ તેનું લેટિનોમાં પણ ભાષાંતર કરી શકાય છે.

અને મને લાગે છે કે મર્યાદાઓ પણ ખૂબ જ સ્પષ્ટ છે, જે ઘણી બધી વસ્તુઓ છે જે આપણી પાસે નથી, જે યુરોપિયનો પાસે છે, તે મોટા ડેટા સેટ છે, પ્રતિકૃતિ ડેટા સેટ, ખરું ને, જેમ થિયાગો ઉલ્લેખ કરી રહ્યા હતા કે આમાંના કેટલાક પરિણામોની નકલ કરવા માટે નમૂનાઓ શોધવા ખૂબ મુશ્કેલ છે. અને અમારું જૂથ હાલમાં એટલું મોટું નથી કે તેને બે ભાગમાં વિભાજીત કરી શકાય અને એક શોધ તબક્કો અને એક, પ્રતિકૃતિ તબક્કો કરી શકાય. અને, અને પછી ઘણી બધી વસ્તુઓ જે, ડેટાબેઝ જેનો આપણે ઉપયોગ કરીએ છીએ જેમ કે PPMI અથવા GText. તેઓ આ સમાવેશી અભિગમને અનુસરી રહ્યા નથી અને તેઓ હજુ પણ [00:24:00] ઘણા બધા લેટિનોનો સમાવેશ કરતા નથી. તેમાં ઘણા બધા કાળા આફ્રિકન અમેરિકન વ્યક્તિઓનો સમાવેશ થતો નથી અને તેનો અર્થ એ છે કે આગળના પગલાં માટે ઘણો ડેટા, ખરું ને? તો બધી પ્રોટીન અભિવ્યક્તિ, જનીન અભિવ્યક્તિ, તે વસ્તુઓ જેનો આપણે ઉપયોગ કરી રહ્યા છીએ તે ખરેખર કદાચ એટલી સારી નથી જેટલી આપણે ખરેખર અભ્યાસ કરી રહેલા વસ્તી માટે જોઈએ.

તેથી, તે જનરેટ કરવાના પ્રયાસમાં આગળના પગલાં મહત્વપૂર્ણ રહેશે, તેમજ IPS સેલ મોડેલ્સની જેમ, આપણે જે મોડેલોનો ઉપયોગ કરીએ છીએ તેમાંથી ઘણા યુરોપિયન પર આધારિત છે. તેથી મને લાગે છે કે તે મારા મુખ્ય ધ્યેયો જેવા છે કે આને સુધારવાનો પ્રયાસ કરવો, અને ફરીથી, મને લાગે છે કે આપણે GP two તરફ આગળ વધી રહ્યા છીએ જેથી આમાંથી ઘણી બધી વસ્તુઓ કરી શકીએ અને સંપૂર્ણ GP two સમૂહમાં આ વિશ્લેષણ ચલાવી શકીએ, જેમાં આશા છે કે લગભગ 150,000 વ્યક્તિઓ હશે. તેથી તે ખૂબ મોટો અભ્યાસ હશે. 

[00:24:45] સારાહ કેમાર્ગોસ: હા. પરફેક્ટ. તમારા વિશે શું, થિયાગો, તમને શું લાગે છે કે તમારા આગામી પગલાં શું હશે? તમે આ અભ્યાસોમાં તમારી જાતને નકલ કરશો?

[00:24:55] થિયાગો પીક્સોટો લીલ: તો નિષ્કર્ષ વિશે, હું ડૉ. [00:25:00] માતાએ જે કહ્યું તેની સાથે સંમત છું, જેમ કે આપણે આપણા અભ્યાસની વિવિધતા વધારવાની જરૂર છે અને આગામી પગલાં માટે મારી પાસે બે અલગ અલગ આગામી પગલાં છે. પહેલું એ છે કે આ બધું મોટા PD ફેઝ વન ડેટાનો ઉપયોગ કરીને કરવામાં આવ્યું હતું.

ડૉ. ઇગ્નાસિયો માતાને R one ગ્રાન્ટ દ્વારા ભંડોળ પૂરું પાડવામાં આવ્યું હતું અને તેઓ લેટિન અમેરિકનો પાસેથી વધુ નમૂનાઓ એકત્રિત કરી રહ્યા છે. તેથી ભવિષ્યમાં, સૌથી મૂળભૂત બાબત એ છે કે મોટા બે તબક્કાના ડેટા પર XWAS કરવું જેમાં વધુ દેશો માટે વધુ નમૂનાઓ હોય, જેથી વધુ વિવિધતા હોય અને તે પ્રકારની બધી સમસ્યા જે આપણે ઉકેલવા માંગીએ છીએ. અને એવા આંકડાકીય મોડેલો પણ છે જે આપણે જેને સ્થાનિક વંશ કહીએ છીએ તે ધ્યાનમાં લે છે. તેથી, જ્યારે હું કહું છું, ઉદાહરણ તરીકે મિશ્ર વ્યક્તિમાં વંશ, તમે બે અલગ અલગ સ્તરોમાં કરી શકો છો. પહેલું એક વ્યક્તિગત સ્તર છે, જે તમે કહો છો, મને ખબર નથી, ઉદાહરણ તરીકે, હું, જો મેં પરીક્ષણ કર્યું હોય અને હું 50% યુરોપિયન, [00:26:00] 27% આફ્રિકન અને 23% મૂળ અમેરિકા છું. પરંતુ, તમે આ રંગસૂત્ર સ્તરમાં કરી શકો છો. તમે વય મિશ્ર વ્યક્તિમાં દરેક રંગસૂત્રના દરેક ભાગને જોઈ શકો છો. અને એવા આંકડાકીય મોડેલો છે જે વિશ્લેષણ કરતી વખતે આને ધ્યાનમાં લે છે. તો એક વાત જે હું માનું છું કે હું આગામી મહિનાઓ કે વર્ષોમાં કામ કરીશ તે એ છે કે રંગસૂત્ર X પર આ પદ્ધતિઓ ચલાવવા માટે આ પદ્ધતિઓમાંથી એકનો ઉપયોગ કરવો. અલબત્ત, અમને અપેક્ષા છે કે આ એટલું સરળ નહીં હોય કારણ કે બધી પદ્ધતિઓ, સ્થાનિક એક ત્રણ અનુમાન અને X રંગસૂત્ર પર સ્થાનિક વંશનો સમાવેશ કરવાની પદ્ધતિઓ ઓટોસોમલ માટે બનાવવામાં આવી હતી. તેથી આપણે આ ડેટા, આ પદ્ધતિ, આ તકનીકોને ઓટોસોમલથી X રંગસૂત્ર સુધી લાવવા માટે આખી પાઇપલાઇન બનાવવી પડશે. તો તે આપણા આગામી બે પગલાં છે. તે મોટો PD તબક્કો બીજો છે. મોડેલોમાં સ્થાનિક વંશનો પણ સમાવેશ કર્યો છે [00:27:00] જેથી વિજાતીયતા ઘટાડી શકાય અને વિજાતીય વ્યક્તિઓની સંપૂર્ણ સંભાવનાને બહાર કાઢી શકાય. 

[00:27:06] સારાહ કેમાર્ગોસ: વાહ. પરફેક્ટ. ખૂબ ખૂબ આભાર ડૉ. માતા અને ડૉ. થિયાગો, મને લાગે છે કે અમે પાર્કિન્સન રોગ માટે એક નવા વર્ષની કલ્પના કરી રહ્યા છીએ અને આશા છે કે અમને વધુને વધુ નમૂનાઓ મળશે અને તમે તમારી જાતને નકલ કરશો. ખૂબ ખૂબ આભાર.

[00:27:22] ઇગ્નાસિયો માતા : આભાર, સારાહ.

[00:27:23] સારાહ કેમાર્ગોસ: અરે, હું એક ઉમેરો કરવા માંગુ છું. બામ્બુઇ કોહોર્ટની શરૂઆત 1997 માં વૃદ્ધ વસ્તીમાં આરોગ્ય પરિણામોની ઘટનાઓ અને આગાહીઓની તપાસ કરવા માટે કરવામાં આવી હતી. તેમાં 60 અને તેથી વધુ ઉંમરના 2000 સહભાગીઓ હતા. પ્રોફેસર ફ્રાન્સિસ્કો કાર્ડોસો અને પ્રોફેસર મૈરા બાર્બોસાએ બે તબક્કાની વસ્તી આધારિત અભિગમ હાથ ધર્યો.

તેઓએ 65 વર્ષથી વધુ ઉંમરના તમામ વ્યક્તિઓનું પ્રશ્નાવલી દ્વારા સ્ક્રીનીંગ કર્યું, અને પછી [00:28:00] દર્દીઓએ બે કે તેથી વધુ સ્કોર કર્યા. આ પ્રશ્નાવલીમાં 66 7 દર્દીઓની તપાસ કરવામાં આવી. આ સમૂહનો ઉપયોગ મોટા પીડીમાંથી XWAS માં મળેલા ડેટાના ઉપયોગ માટે કરવામાં આવ્યો હતો. તેઓએ પીડી દર્દીઓના ડેટાનો ઉપયોગ કર્યો, અને અગત્યનું, 1500 નિયંત્રણોનો. અને જેમ જેમ તેઓએ પાર્કિન્સોનિયન લોકોને નકારી કાઢ્યા, તેઓએ એક સચોટ નિયંત્રણ એજન્ટ સમૂહ બનાવ્યો.

આ અભ્યાસ માટે આ અત્યંત મહત્વપૂર્ણ હતું, અને મોટા પીડી લેખકો આ ડેટાનો ઉપયોગ કરવાની તક મળવા બદલ ખૂબ આભારી છે. [00:29:00] 

ખાસ આભાર:

ઇગ્નાસિયો માતા
પાર્કિન્સન રોગના જિનેટિક્સ પર લેટિન અમેરિકન રિસર્ચ કન્સોર્ટિયમના PI

ડૉ. થિયાગો લીલ
પોસ્ટડોક્ટરલ રિસર્ચ ફેલો
માતા લેબ

યજમાન(ઓ):
સારાહ કેમર્ગોસ, એમડી, પીએચડી 

મૂવમેન્ટ ડિસઓર્ડર્સ યુનિટ
હોસ્પિટલ દાસ ક્લિનિકાસ, યુનિવર્સિડેડ ફેડરલ ડી મિનાસ ગેરાઈસ

બેલો હોરીઝોન્ટ, બ્રાઝિલ