“乌干达基因组资源：传染病和非传染性疾病的丰富研究数据库和潜力”

会~~开放获取透视乌干达基因组资源：用于传染病基因组研究的丰富研究数据库非洲的非传染性疾病Segun Fatumo，1，2，3，*Joseph Mugisha，3Opeyemi S. 1998年，美国总统克林顿在华盛顿召开了第一次全国大选，并于1999年当选为美国总统。Sandhu，6和Pontiano Kaleebu31非洲计算基因组学研究小组，MRC/UVRI和LSHTM，乌干达恩德培2伦敦卫生和热带医学学院非传染性疾病流行病学系，英国3医学研究理事会/乌干达病毒研究所/伦敦卫生和热带医学院（MRC/UVRI/LSHTM）乌干达乌干达恩德培研究股4马凯雷雷大学卫生科学学院，乌干达5肯尼亚内罗毕非洲人口和健康研究中心健康和健康系统研究股6英国伦敦帝国理工学院公共卫生学院流行病学和生物统计学系* 通信地址：segun.lshtm.ac.ukhttps://doi.org/10.1016/j.xgen.2022.100209总结乌干达基因组资源（UGR）是一个具有良好特征的基因组数据库，其中包含一系列表型传染性和非传染性疾病以及来自乌干达一般人群队列（GPC）的风险因素，GPC是1989年建立的基于人群的开放队列UGR包括来自10个民族语言群体的5,000名乌干达GPC个体的基因型数据和2,000名乌干达GPC个体的全基因组序列数据利用MRC/UVRI和LSHTM乌干达研究单位的其他平台，有机会进行额外的样本采集，以扩大UGR，推动科学发现。在这里，我们描述了UGR，并强调它是如何提供机会，发现新的疾病易感性基因位点，在新的和现有的基因座，完善关联信号，开发和测试多基因评分，以确定疾病的风险，评估疾病的因果关系，并在非洲发展基因组学研究的能力。UGR有潜力发展到与欧洲和亚洲大规模基因组计划相当的水平。介绍非洲的遗传多样性远远超过全球任何其他地区，但不幸的是，绝大多数基因组研究都是在欧洲血统人群中进行的。1，2乌干达位于东非，有四个主要民族和40多种语言。乌干达丰富的语言、种族和文化多样性为了解乌干达人群的遗传结构水平 为了推进乌干达社区和非传染性疾病（NCD）的遗传流行病学，乌干达基因组资源（UGR）于2011年由医学研究委员会（MRC）/乌干达病毒研究所（UVRI）和LSHTM乌干达研究单位（https：//www.lshtm.ac.uk/research/units/mrc-uganda）与Wellcome Sanger研究所和剑桥大学合作，前瞻性地收集广泛的NCD;传染病风险因素，包括生活方式、家族史社会决定因素、人口统计学、性健康和生殖行为、既往疾病、心理健康、治疗和免疫的信息3目前，正在普通人群队列中进行一项研究，糖尿病和高血压的遗传和环境风险因素。在这里，我们提供了UGR的详细描述，这与以前关于GPC的出版物不同，这些出版物专注于特定方面3或UGR数据中心脏代谢性状的群体遗传学和全基因组关联分析。4我们的目标是概述UGR作为一种资源，包括详细的表型可用性，基因组数据生成，样本特征，迄今为止的遗传发现，以及最后，其数据访问和共享政策。研究人群：一般人群队列GPC是一项基于人口的研究，涉及乌干达西南部农村卡伦古地区Kyamulibwa分县25个邻近村庄的该研究由英国医学研究委员会（MRC UK）与UVRI合作于1989年创立全球人口普查最初是通过年度逐户普查和调查轮进行招募和评估的，直到2012年，CellGenomics 2，100209，November 9，2022 <$2022作者。1这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。会开放获取透视2细胞基因组学2，100209，2022年图1.乌干达基因组资源中具有基因分型数据的样本分布开始了。自成立以来，已进行了26轮调查和29轮人口普查。在进行任何调查程序之前，将获得参与者的书面知情同意，同意将其临床记录用于研究目的和样本储存以备将来使用。3收集的数据包括来自参与者的血清学、人口统计学和医学信息。有关死亡率、生育率、性行为迁移和艾滋病毒感染感知的信息定期进行整理。2011年的GPC第22轮研究重点关注传染病和NCD的遗传学和流行病学，捕获乌干达不同种族群体进行基因组研究（图1）。用于建立UGR的调查轮包括五个主要阶段，包括动员（招募和同意）、绘图、普查、调查、结果反馈和临床随访。这次调查的具体目标是：1. 创建一项独一无二的研究，以扩大非洲人群的大规模前瞻性队列研究评估广泛的健康指数，并为长期调查奠定基础。2. 利用人口、遗传学和流行病学技术对心脏代谢和感染危险因素的变化提供病因学见解。3. 通过宣传旨在解决乌干达非传染性疾病增加问题的卫生政策和公共卫生方案，帮助其他非洲国家制定公共卫生政策该队列继续作为一个宝贵的平台，在全球人口普查的定期年度调查中调查传染病和非传染性疾病之间的关系。如图2所示，UGR由MRC/UVRI和LSHTM乌干达研究单位（单位）的该股在基因组学研究能力方面享有领导地位。临床诊断实验室（CDLS）是ISO 15189认证的实验室，在该单位提供高质量的诊断学测试支持（https://www.lshtm.ac.uk/research/units/mrc-uganda/细胞基因组学2，100209，2022年11月9日3会开放获取透视图2.支持乌干达基因组资源的不同平台的战略设计临床-诊断-实验室-服务）。乌干达医学信息学中心（UMIC）目前是撒哈拉以南非洲最大的健康研究型计算资源之一，拥有现代高性能计算设施（https://www.lshtm.ac.uk/research/units/mrc-uganda/bioinformatics-section），可收集，存储和分析数据，以推进基因组研究。该股还得到了一个组织良好的社区参与结构和活动的支持，并得到了社区咨询委员会（CAB）的大力支持，包括一个生物标本储存库和一个DNA测序中心。社区参与和协商过程该股设有一个社区咨询小组，其大多数成员是社区领导人。该组设有专责的沟通办公室，协助公众参与，包括发布研究结果及统筹公众参与活动。对于收集UGR数据遗传样本的GPC第22轮，与GPC CAB举行了会议，该会议由来自不同选区的代表组成。在会议上，讨论了CABCAB会议之后是社区会议，社区会议在每个研究村内举行，然后开始一轮GPC。这些会议是研究小组和社区成员之间的会议。在这些会议上，讨论了有关这一轮调查如有任何问题针对这一问题，研究小组和社区讨论了解决办法。在调查中，动员参与者在特定日期前往调查中心在调查当天，向研究参与者宣读了一份如果参与者有任何问题，这些问题由管理信息表的研究人员回答。如果参与者同意参加调查，他们随后在同意书上签名或提供他们的拇指指纹。伦理该 研 究 获 得 了 UVRI 研 究 和 伦 理 委 员 会 （ UVRI-REC #HS1978）、乌干达国家科学技术委员会（UNCST #SS 4283）和英格兰东部-剑桥南部（原剑桥郡4）NHS研究伦理委员会英国的科学和伦理委员会的基因型生成、质量控制和植入2.5M Illumina芯片阵列在Wellcome Trust Sanger研究所对近5,000名乌干达人进行了基因分型，并提出了质量控制步骤。4总之，我们使用了严格的质量控制过程，以逻辑顺序执行一系列步骤，以消除总计39，368个不符合单核苷酸多态性（SNP）调用率（> 97%，25，037个SNP）和Hardy-2000质量指标的常染色体4细胞基因组学2，100209，2022年会开放获取透视Weinberg平衡（HWE）（p1310- 8，14，331 SNP）。在样品质量控制期间，共淘汰91个样品因为它们不符合样本识别率（>97%）或杂合性（观察到的杂合性HO = 0.209333±0.007416，与平均值± 3 SD匹配）的质量标准，或者从X染色体推断的性别与报告的性别不一致。另外三个样品由于高相关性（血统相同，IBD > 0.90）而被排除。没有样本在人群或血统方面被归类为离群值。对符合规定阈值的总计2，230，258个常染色体标志物和4，778个样本（图1）进行进一步分析。我们使用默认设置在SHAPEIT 25的帮助下进行SNP定相，然后用IMPUTE 2进行插补。6所有样本均使用通过组合UG2G序列资源（n = 2，000，来自非洲基因组变异项目[n =320]的全基因组序列数据）和1000个基因组第3阶段项目（n =2，504）创建的组合参考进行插补。发表了GPC颗粒（n = 4，778）的主成分分析（PCA）图4UGR的所有参与者都是从同一个组织招募的。在25个村庄的地理区域。图1显示了Kyamulibwa的地理位置，这是UGR参与者被招募的分县。乌干达是几个不同民族语言群体的家园，最常见的是在乌干达中部发现的巴干达。据报告，乌干达共和国共有10个民族语言群体（图1），其中大多数是巴干达族，占乌干达共和国所有参与者的75%。这10个民族语言群体的人口结构在其他地方已有报告。4全基因组序列数据（乌干达2000基因组; UG 2G）使用Illumina Hi-Seq 2000对来自10个民族语言群体的2000多名乌干达人的整个基因组进行测序，其中75 bp的配对末端读数在低覆盖度下，每个样本的平均覆盖度为4.3。这些样本中有343个与已经进行基因分型的人重叠。使用自动化质量控制过程来降低需要手动处理的数据文件，以确定所产生的二进制比对图（BAM）文件的质量。该方法基于为UK10K项目开发的方法，7该方法使用一组算法衍生标准来确定根据输入BAM计算的汇总数据。对于任何指标，任何低于“失败”标准的行总体而言，我们从研究中删除了14个样本。Gurdasani和他的同事已经描述了质量控制的全部细节以及我们如何计算汇总数据。4测序和基因分型数据的合并我们整合了测序和插补基因分型数据，以产生聚合数据集，从而提高全基因组关联研究（GWAS）的发现能力。通话费率为合并的测序和基因分型数据不受影响，尽管测序数据的覆盖率低（43）[4]由于测序和基因分型数据之间存在隐藏和家族相关性，因此我们生成了一个汇总数据集进行分析，而不是单独进行数据荟萃分析，因为数据将是相关的而不是独立的。因此，明确模拟这种关系的混合模型分析的结论更有可能是正确的。在合并两个数据集后，我们检查并删除了序列和插补基因型数据之间的任何一致差异。这是通过对数据集进行PCA来完成的，以查看在重复进行基因型和序列的343人中是否存在数据模式（估算的基因型数据与测序数据）的任何区别。在PCA上，我们注意到基因型插补和序列数据点的强烈分离。对于这343个样本，我们测试了测序和插补基因型数据之间的替代一致性标准，筛选出一致性为0.80的SNP，0.90在数据集中。在UGR中，我们发现，为了消除PCA上基因分型阵列和序列数据之间检测到的系统性影响，0.90是必要的在排除了904，283个SNP后，PCA中测序和基因分型数据之间没有系统性变化，这些SNP在序列和插补基因型数据之间的基因型一致性达到90%。我们检查了前10个主成分，以确认基因组数据中的系统性变异过滤后，在6，407个样品的联合数据集中，总共取39，312，112个常染色体标志物用于分析（请参见Gurdasni et al.4详情）。表型数据和实验室测量在2011年进行的第22轮调查期间，从受访者中收集了基于临床和体格检查、实验室检查和自我报告问卷的几种表型（表1），并且从那时起，每年都对这些仍然活着并且尚未搬出GPC的受访者进行随访。分析血液标本的非空腹血脂、血细胞特征（平均细胞血红蛋白、红细胞计数、白细胞计数、平均细胞血红蛋白浓度、血红蛋白、红细胞压积、平均细胞体积和血小板）、血糖特征、肾功能和感染性生物标志物（HIV、乙型肝炎和丙型肝炎）。基本的人口统计数据，如年龄，性别，婚姻状况和教育水平（表1）。还收集了人体测量学数据，如BMI、体重、腰臀比和身高;血压测量;以及生活方式信息，如吸烟状况、体育活动和饮食（表1）。还提供了关于性健康和生殖行为、性教育、避孕套使用、怀孕和结局以及后代数量的数据（表1）。利用该单位的生物储存库和CDLS平台，我们测试了储存的生物样本的新表型，例如，血清肌酐、白蛋白尿和血尿素氮，以扩大我们对肾功能遗传学和新表型的研究，从而允许全球合作，如全球生物库细胞基因组学2，100209，2022年11月9日5会开放获取透视从不或不饮酒不频繁电流饮水器频繁电流饮水器5，040（70.1）537（7.5）1 618人（22.5）2 052人（64.6）165（5.2）961（30.2）2 988人（74.4）372（9.3）657（16.4）表1. 乌干达基因组资源参与者基线样本特征所有（n = 7，833）男性（n = 3，425）女性（n = 4，404）受访人数，N 7，833 3，425 4，404年龄（岁），中位数（IQR）30（17年龄组（岁），N（%）132030405060+ 887（11.3）364（10.6）523（11.9）体重指数（kg/m2），平均值±SD 21.2 ±3.83 20.1±3.11 22.0 ± 4.13BMI分类，N（%）体重不足1 712（22.6）1 031（30.4）681（16.3）正常4，919（65.0）2，188（64.4）2，731（65.4）超重肥胖201（2.6）21（0.6）180（4.3）吸烟状态，N（%）当前吸烟者从不吸烟641（8.2）194（2.5）6，990（89.3）553（16.2）169（4.9）2，700（78.9）88（2.0）25（0.6）4，290（97.4）饮酒量，N（%）心脏代谢定量测量（平均值±SD）总胆固醇（mmol/L），平均值±SD高密度脂蛋白（mmol/L），平均值±SD低密度脂蛋白（mmol/L），平均值±SD白蛋白，平均值±SDHbA1c，平均值±SD甘油三酯（mmol/L），平均值±SD丙氨酸转氨酶，中位值（IQR）碱性磷酸酶，中位值（IQR）天冬氨酸转氨酶，中位值（IQR）γ-谷氨酰转移酶，中位值（IQR）胆红素，中位数（IQR）3.5 ±0.981.0 ±0.413.3 ±0.910.9 ±0.423.7 ±1.001.0 ±0.402.0 ±0.771.8 ±0.632.1 ±0.8041.3 ±4.103.3 ±0.681.2 ±0.6114.0（17.871.3（92.521.2（25.113.5（18.75.2（7.741.8 ±4.153.3 ±0.691.1 ±0.6119.4（15.674.3（96.823.8（28.015.6（21.65.92（8.940.9 ±4.023.3 ±0.731.2 ±0.6213.0（16.468.5（89.519.8（23.112.2（17.04.8（6.9.0人体测量体重（kg），平均值±SD 52.6± 11.35 52.4±11.37 52.7 ± 11.33身高（cm），平均值±SD 157.2 ±9.19 160.7±10.54 154.5 ± 6.83收缩压（mmHg），平均值±SD舒张压（mmHg），平均值±SD贫血122.4± 17.0 123.5±16.2 121.6 ± 17.5174.2± 10.26 73.5±10.39 74.7 ± 10.12白细胞计数5.1 ± 1.51 5.1 ± 1.58 5.1 ± 1.58红细胞计数4.7±0.62 4.9 ±0.65 4.6 ± 0.56血红蛋白13.6± 1.62 14.2±1.74 13.1 ± 1.33腰臀比0.85 ±0.16 0.86± 0.17 0.8± 0.16（续下页）6细胞基因组学2，100209，2022年会开放获取透视表1. 继续特性全部（n = 7，833）男性（n = 3，425）女性（n = 4，404）平均红细胞血红蛋白28.9 ±2.9129.1 ±2.9228.8 ±2.90平均红细胞血红蛋白浓度;33.7 ±1.1933.7 ±1.2433.7 ±1.15红细胞分布宽度13.1 ±1.3413.1 ±1.4013.1 ±1.29平均血小板体积8.7 ±0.838.7 ±0.838.7 ±0.82血小板计数（PLT）216.9 ±77.7207.9 ±77.3223.9 ±77.30淋巴细胞2.4 ±0.832.5 ±0.922.4 ±0.76单核细胞0.3 ±0.120.29 ±0.140.3 ±0.11嗜碱性0.05 ±0.040.05 ±0.420.05 ±1.58中性粒1.9 ±0.861.9 ±0.842.0 ±0.88嗜酸性0.35 ±0.390.4 ±0.400.3 ±0.39疫苗接种接种卡介苗，N（%）是的1 421人（18.2）631（18.4）790（18.0）没有553（7.1）221（6.5）332（7.5）Don’t5，850（74.8）2，570（75.1）3，280（74.5）接受口服脊髓灰质炎疫苗，N（%）是的1，398（17.9）612（17.9）786（17.9）没有578（7.4）237（6.9）341（7.8）Don’t5，848（74.7）2 573人（75.2）3，275（74.7）接种白喉、百日咳和破伤风疫苗，N（%）是的1 415人（18.1）626（18.3）789（17.9）没有541（6.9）212（6.2）329（7.5）Don’t5，868（75.0）2，584（75.5）3，284（74.6）接种麻疹疫苗，N（%）是的1 561人（20.0）685（20.0）876（19.9）没有561（7.2）226（6.6）335（7.6）Don’t5，702（72.9）2 511人（73.4）3，191（72.5）接受结核病疫苗，N（%）是的54（0.7）22（0.6）32（0.7）没有7，326（92.5）3，131（91.5）4，105（93.2）Don’t535（6.8）269（7.9）266（6.1）接种乙肝疫苗，N（%）是的54（0.69）22（0.6）32（0.7）没有7，258（92.8）3，141（91.8）4，117（93.5）Don’t513（6.56）259（7.6）254（5.8）接种破伤风疫苗，N（%）是的1 881人（24.0）9（0.3）1 872人（42.5）没有5，462（69.8）3，154（92.2）2 308人（52.4）Don’t482（6.2）259（7.6）223（5.1）接受破伤风加强疫苗，N（%）是的1 285人（16.4）298（8.7）987（22.4）没有6，044（77.3）2 863人（83.7）3，181（72.3）Don’t495（6.3）260（7.6）235（5.3）接种狂犬病疫苗，N（%）是的46（0.6）17（0.5）（29 0.7）没有7，268（92.9）3，138（91.7）4，130（93.8）细胞基因组学2，100209，2022年11月9日7会开放获取透视（接下页）8细胞基因组学2，100209，2022年会开放获取透视高血压正常487（6.2）7，338（93.8）130（3.8）3，292（96.2）357（8.1）4，046（91.9）表1. 继续特征所有（n = 7，833）男性（n = 3，425）女性（n = 4，404）高血压，N（%）糖尿病，N（%）糖尿病102（1.3）44（1.3）58（1.3）正常7，723（98.7）3，378（98.7）4，345（98.7）血液检查结果HIV状态，N（%）负7，185（92.4）3，197（94.0）3，988（91.1）阳性593（7.6）204（6.0）389（8.9）乙型肝炎，N（%）负积极7，536（97.3）210（2.7）3，268（96.5）117（3.5）4，268（97.9）93（2.1）丙型肝炎，N（%）负7，536（97.3）3，268（96.5）4，268（97.9）阳性210（2.7）117（3.5）93（2.1）荟萃分析倡议（GBMI）。8我们还在扩大GPC的数据收集范围，以包括呼吸功能和精神健康表型，如重度抑郁症和精神分裂症。UGR的独特性UGR参与者是GPC的一部分，GPC是一个活跃的队列，其人口特征很好，所有家庭的GPS坐标已知，>95%的家庭同意参加研究。3UGR参与者也存在大量纵向临床数据（见表1），这些数据可用于调查一般人群中各种传染性和非传染性疾病的病因。此外，在UGR样本中报告了显著的遗传多样性，其中在序列数据中调用了4150万个SNP，其中950万个SNP是1000个基因组项目3和非洲基因组变异项目参考面板中不存在的新变体4UGR中种族的独特性也是对非洲和全球基因组格局的重要贡献。UGR对科学发现的贡献UGR数据被纳入一项研究，该研究对34种心脏代谢性状（包括血脂、人体测量学性状、血细胞指数和HbA1c）进行了4这项研究确定了43个不同的信号，这些信号至少与一个性状有统计学关联。更重要的是，确定了53 10- 9的p值与来自非洲的高基因组人群更相关遗传多样性是由于它们基因组中相对低水平的连锁不平衡（LD）。[4]在另一项使用UGR进行的研究中，[9]我们报告了非洲大陆有史以来第一个肾功能GWAS（表示为估计肾小球滤过率;eGFR）。本研究验证了在甘氨酸脒基转移酶（GATM）和血红蛋白β（HBB）基因座上两个与慢性肾脏疾病相关的基因座。9通过利用表型之间的临床相关性和相似性，我们还使用UGR数据来探索多变量GWAS识别涉及血细胞性状多效性效应的遗传风险因素的能力。10，11我们的结果为多变量GWAS分析中的多个表型的组合提供了框架，并证明与同一数据集中的标准单变量GWAS相比，多变量基因型-表型方法增加了鉴定与表型相关的新基因型的能力。我们还使用UGR和南非祖鲁人队列在非洲人中进行了第一次 体型GWAS。 [12]我们的研 究结果表明 ，FGF12、GRM8、TLX1NB和TRAP1的变异与体型有关，我们有趣地观察到，体型的SD变化与血压和血脂的升高有关。[12]使用UGR和其他数据集，我们最近能够表明，来自非洲裔美国人个体数据的遗传风险评分增强了撒哈拉以南非洲人脂质性状和2型糖尿病（T2DM）的多基因预测，但来自南非的另一个数据集和我们的东非基因组数据之间的预测差异很大。13，14我们还证明了脂质性状与T2DM 、 15 种 代谢性状和中风之间关系的孟德尔随机化（MR）证据。9、我们的集体Don’t511（6.5）257（7.8）244（5.5）细胞基因组学2，100209，2022年11月9日9会开放获取透视研究表明，需要改善非洲人在基因组研究中的代表性，并确保基因组医学研究结果的普遍性。另一项研究的结果进一步支持了这一点。16UGR数据还用于使用可从Sanger Imputment Service获得 的 UG2G 创 建 基 因 型 插 补 参 考 组 （ https ： //imputment.sanger.ac.uk）上提供。对合作研究的贡献和今后的方向我们通过伙伴关系和联盟为全球遗传研究做出贡献，例如非洲慢性病研究伙伴关系（APCDR），这是一个国际研究小组网络，旨在支持和促进非洲的慢性病合作研究。一项倡议，应对传染病分布的变化和非传染性疾病负担的增加，以及认识到低收入和中等收入国家（LMIC），包括撒哈拉以南非洲国家，需要扩大其卫生保健能力，以有效应对这些流行病的转变。我们将研究专业知识与其他三个MRC单位（MRC综合流行病学单位，MRC人口健康研究单位和MRC终身健康和老龄化单位）相结合，我们希望利用UGR数据（1）调查使用MR评估现有药物（例如，他汀类药物、抗糖尿病药物和抗高血压药物）;（2）通过集中于针对特定亚群（例如，CETP，HMGCR）;（3）了解遗传结构的变化如何影响不同群体的疗效估计。UGR为CARDINAL（非洲血统人群的心脏代谢紊乱）联盟做出了贡献，该联盟是NIH资助的不同人群多基因风险方法（PRMED）联盟的研究中心（https：//primedconsortium.CARDINAL17旨在整合来自7项队列研究的50，000名非洲个体的表型和基因组数据集，并评估多基因风险评分（PRS），以开发一种考虑祖先特异性基因组区域的新方法，以改善具有遗传子结构的人群中的PRS预测此外，UGR数据最近也被纳入葡萄糖和胰岛素相关变量联盟（MAGIC）的荟萃分析。MAGIC研究旨在确定影响血糖和代谢特征的其他基因座。18UGR还为国际百千人以上队列联盟（IHCC）做出贡献，该联盟的目标是创建一个全球平台，翻译研究19UGR提供了贡献关键表型的机会，如脂质、血细胞性状、肾功能等，其他财团。GBMI是一个很好的平台，表1中描述的大多数表型数据都可以用于全球荟萃分析，并有机会使用MRC/UVRI和LSHTM的资源测量先前未收集的表型，如图2所述。我们相信团队科学使科学家们能够在有益于人类健康的突破性发现方面取得最大进展。GPC包括超过22，000名参与者，并且作为一个实时队列，为来自更多GPC参与者的DNA样本的基因分型创造了机会，以添加到UGR中。 我们还希望以更高的覆盖率对更多的样本进行测序，以增加UGR的遗传多样性，这可能会导致识别更多新颖和私人的等位基因，并最终有助于精细定位可能与几种不同疾病和性状相关的等位基因。更高的覆盖率也将提供一个基因组覆盖率更高的参考样本组，这可以提高插补能力。由于UGR的参与者可以被追踪并参与未来的研究，因此有机会收集血液，尿液，粪便和唾液等新鲜样本。这些样本的可用性可用于设计UGR中的蛋白质组学、代谢组学、单细胞基因组学和其他组学研究，以了解它们对疾病和性状的贡献。结论UGR旨在直接影响乌干达，非洲和全球的健康和疾病的生物医学和遗传研究。UGR已成为非洲的基因组资源模型之一，并为来自乌干达和全世界的研究人员提供培训机会。在这里，我们介绍了UGR的概述，展示了其广泛的表型数据，并强调了迄今为止UGR的遗传发现。在接下来的几年里，UGR的样本量将继续增长，并将包括蛋白质组学，代谢组学和单细胞基因组学研究。UGR的局限性乌干达共和国的参与者主要是Bagandan族（>75%），因此可能不能代表乌干达的全部人口。有必要包括其他种族的Ugan-dan参与者，以提高UGR发现的一般性。UGR的全基因组序列数据以较低的覆盖率（43）进行测序，因此，可能遗漏了一些新的变异体。需要在更高覆盖率下对UGR数据进行测序，以便包括更多的变体，其中一些变体可能是新颖的并且可能对不同的病症或疾病具有重要性。UGR数据的获取和共享资源和信息的请求应直接发送给UGRmrcuganda.orgUGR的个体水平数据、基因型和序列数据在管理访问下可供研究人员使用。所有研究的访问请求将在受试者同意的情况下获得批准。这将包括任何不涉及以任何方式确定参与者的健康和疾病方面的研究。阵列和低深度和高深度序列数据已存放在欧洲基因组表型组档案馆（EGA，10细胞基因组学2，100209，2022年会开放获取透视https://www.ebi.ac.uk/ega/，登录号EGAS 00001001558/EGAD00010000965、EGAS 00001000545/EGAD 00001001639和EGAS 00001000545/EGAD 00001005346。访问数据的请求可直接发送至mrcuganda.org。应用程序由数据访问委员会（DAC）审查，如果请求与参与者提供的同意一致，则授予访问权限。DAC可能会咨询数据生产者，以评估潜在的伦理冲突。请求者还签署一份协议，该协议规定了授予数据访问权限的条款然 而 ， UGR 的 完 整GWAS 汇 总 统 计 数 据 可 在GWAS 目 录www.example.com上免费获得，研究登录号为：GCST009041（嗜酸性粒细胞计数），GCST 009042（总胆固醇水平），GCST 009043（LDL胆固醇水平），GCST 009044（HDL胆固醇水平），GCST 009045（甘油三酯水平），GCST 009046（天冬氨酸氨基转移酶水平），GCST 009047（丙氨酸转氨酶水平），GCST 009048（血清白蛋白水平），GCST 009049（血清碱性磷酸酶水平），GCST 009050（γ-谷氨酰转移酶水平），GCST 009051（胆红素水平），GCS T009052（舒张压）GCST 009053（收缩压），GCST 009054（血红蛋白A1c水平）、GCST 009055（身高）、GCST 009056（体重）、GCST 009057https://www.ebi.ac.uk/gwas/ （ 腰 围 ） ， GCST009059（臀围），GCST 009060（腰臀比），GCST009061（白细胞计数），GCST 009062（红细胞计数），GCST009063（平均红细胞血红蛋白），GCST 009064（平均红细胞血红蛋白浓度），GCST009065（平均红细胞体积）、GCST 009032（红细胞分布宽度）、GCST 009033（红细胞压积）、GCST 009034（血红蛋 白 测 量 ） 、 GCST 009035 （ 平 均 血 小 板 体 积 ） 、 GCST009036（血小板计数）、GCST 009037（淋巴细胞计数）、GCST 009038（单核细胞计数）、GCST 009039（嗜碱性粒细胞计数）、GCST 009040（中性粒细胞计数）。致谢这项工作得到了惠康信托基金会授予Segun Fatumo的220740/Z/20/Z号资助我们感谢所有为乌干达基因组资源做出贡献的参与者。这项工作得到了英国医学研究委员会（MRC）和英国国际发展部（DFID）根据MRC/DFID协议的支持，通过对MRC/UVRI和LSHTM乌干达研究单位的核心资助。作者贡献概念化，S.F.;写作-原始草稿，S.F.，A.K.，和OS;资源，PK，M.N.，J. M.，MS注册号：GA，R. M.;数据管理，J.M.，R.M.，A.A.;评论，所有作者。申报利益作者声明没有竞争利益。包容性和多样性我们支持包容，多样和公平的研究行为。引用1. Fatumo，S.，Yakubu，A.，Oyedele，O.，Popoola，J.，阿蒂波地方检察官Eze-Echesi，G.，Modibbo，F.Z.，Wanka，N.，Osakwe，Y.，Braimah，O.，等（2022a）。通过尼日利亚100K基因组计划促进非洲的基因组革命。Nat.Genet.54，531-536。https://doi.org/10.1038/s41588-022-01071-6.2. Fatumo，S.，Chikowore，T.，Choudhury，A.，Ayub，M.，马丁，A.R.，Ku-chenbaecker，K.（2022b）中所示。增加基因组研究多样性的路 线 图 。 Nat.Med.28 ， 243-250. https://doi.org/10.1038/s41591-021-01672-4.3. Asiki，G.，墨菲，G.，Nakiyingi-Miiro，J.，Seeley，J.，Nsubuga，R.N.，Kar-abarinde，A.，瓦斯瓦湖Biraro，S.，卡桑巴岛波米拉角，等;GPC团队（2013年）。乌干达西南部农村的一般人群队列：传染性和非传 染 性 疾 病 研 究 平 台 。 国 际 流 行 病 学 杂 志 42 ， 129-141.https://doi.org/10.1093/ije/dys234.4. Gurdasani，D.，Carstensen，T.，Fatumo，S.，陈，G.，富兰克林，C.S.，普拉多-马丁内斯，Bouman，H.，Abascal，F.，Haber，M.，塔奇马齐杜岛等（2019）。乌干达基因组资源使人们能够深入了解非洲的人口179号牢房，984-1002.e36。https://doi.org/10.1016/j.cell.2019.10.004.5. Delaneau，O.，Coulonges角，和Zagury，J.F.（2008年）。Shape-IT：新 的 快 速 准 确 的 单 体 型 推 断 算 法 。 BMC Bioinf. 九 千 五 百 四 十 。https://doi.org/10.1186/1471-2105-9-540网站。6. Howie，B. N.，Donnelly，P.，和Marchini，J.（2009年）。为下一代全基 因 组 关 联 研 究 提 供 灵 活 准 确 的 PLoS 基 因 组 5 ， e1000529 。https://doi.org/10.1371/jour-nal.pgen.1000529.7. 沃尔特，K.，Min，J.L.，黄，J.，克鲁克斯湖Memari，Y.，McCarthy，S.，佩里J.R.B.徐，C.，Futema ，M.，劳森，D.，等（2015年）。UK10K 项 目 确 定 了 健 康 和 疾 病 中 的 罕 见 变 异 。 Nature526 ， 82-90.https://doi.org/10.1038/nature14962网站。8. 周文，Kanai，M.，吴，K.- H. H.乌马伊拉河Tsuo，K.，Hirbo，J.B.，王玉，Bhattacharya，A.，赵，H.，难波，S.，等人（2021年）。全球生物库荟萃分析倡议：推动人类疾病的基因发现。medRxiv上的预印本。https://doi.org/10.1101/2021.11.19的网站。21266436。9. Fatumo ， S. ， Karhunen ， V. ， Chikowore ， T. ， Sounkou ， T. ，Udosen，B.，Ezenwa角，Nakabuye，M.，Soremekun，O.，达赫拉斯岛Ryan，D.K.，等（2021年）。非洲血统个体的代谢特征和卒中风险：孟德尔随机化分析中风52，2680-2684。https://doi.org/10.1161/STROKEAHA.121.034747网站。10. Fatumo ， S. ， Carstensen ， T. ， Nashiru ， O. ， Gurdasani ， D. ，Sandhu，M.， Kaleebu，P.（2019）.多变量全基因组关联研究的补充方法 识 别 血 细 胞 性 状 的 新 易 感 基 因 。 前 面 Genet. 10 ， 334 。https://doi.org/10.3389/fgene的网站。2019.00334。11. Soremekun，O.，Soremekun，C.，Machipisa ，T.，Soliman ，M. ，Nashiru，O.，Chikowore，T.，和Fatumo，S.（2021年）。全基因组关联和孟德尔随机分析揭示了非洲人白细胞亚型与哮喘之间的因果关系。前面 Genet. 12 ， 749415 。 https://doi.org/10.3389/fgene.2021.749415 网站。12. Nakabuye，M.，Kamiza，A.B.，Soremekun，O.，Machipisa，T.，Cohen，E.， Pirie，F.， Nashiru，O.， 杨，E.， Sandhu，M.S.，Motala，A.A.， 等（2022年）。 非洲人体型荟萃分析中涉及的遗传位点Nutr. 代 谢 物 。 Cardiovasc. Dis. ： Nutr. 代 谢 物 。 Cardiovasc. Dis.32 ，1511-1518. https://doi.org/10.1016/j.numecd的网站。2022.03.010。13. Chikowore，T.，Ekoru