群體健康科學研究所鍾仁華副研究員升等為研究員

本院群體健康科學研究所鍾仁華博士自2020年4月升等為研究員

 

鍾仁華博士於2006年取得美國北卡羅萊納州立大學生物資訊及副主修統計博士學位後,於美國杜克大學從事博士後研究,2008年受聘至美國邁阿密大學擔任助理教授,期間參與美國國家衛生研究院贊助的多個研究計畫,包括帕金森氏症發病模型的建構、乳癌候選基因關聯性分析、小兒自閉症性染色體的關聯分析與小兒自閉症的生物路徑分析。2012年加入本院群體健康科學研究所生物統計與生物資訊研究組擔任專任副研究員。今(2020)年獲頒國家衛生研究院109年度年輕學者研究獎。

 

鍾博士主要研究主題有三大方向:

1. 複雜型疾病基因關聯性研究之統計方法與生物資訊軟體開發
隨著高通量定序技術的進步,為分析複雜型疾病研究所產生之基因體巨量資料,需要有效率且高檢定率的統計方法與生物資訊工具,鍾博士研究團隊開發了許多分析病例對照研究(case-control study)與家族資料為主之研究(family-based study)的全基因組資料以及次世代定序資料的新穎統計方法。這些方法能有效率地測試單點基因位點、基因交互作用,以及多重基因位點與疾病間的關聯性;另外,亦開發了多體學資料模擬軟體套件,此軟體能模擬基因體、表觀基因體、轉錄體與蛋白質體的資料,並模擬各體學資料間的關係,如eQTL、methylation QTL、eQTM等,最後建立多體學資料對疾病影響的疾病模型。鍾博士研究團隊也發展了一套家族次世代定序資料的自動化分析流程軟體,此軟體包含了分析家族資料常用的功能模組,如孟德爾遺傳疾病分析與連鎖分析等,以上所述之統計方法與生物資訊軟體皆已發表於Bioinformatics、GigaScience、PLOS Computational Biology等知名期刊上。

2. 複雜型性狀之基因關聯性分析
透過與同所熊昭所長的合作,鍾博士研究團隊參與了數個國際合作計畫,如The Stanford Asia-Pacific Program for Hypertension and Insulin Resistance (SAPPHIRe)、The Taiwan Metabochip Consortium(TAICHI)、The Taiwan Study of Hypertension using Rare Variants(THRV)、The Healthy Aging Longitudinal Study in Taiwan(HALST)與Trans-Omics for Precision Medicine (TOPMed)等。透過分析SAPPHIRe資料,研究團隊找出在SFMBT1基因上的染色體缺失在統計上顯著地降低空腹血糖值,此現象也在台灣人體生物資料庫(Taiwan Biobank)資料中觀察到,此外,研究團隊也利用Taiwan Biobank、SAPPHIRe和HASLT的全基因組資料,針對空腹血糖值進行共同分析,找出數個顯著的基因位點,並根據這些基因位點計算遺傳風險分數(genetic risk score)發現,相較於低風險分數的族群,具有高風險分數者有約1.3倍的機率未來發展成糖尿病。最後,研究團隊也針對空腹血糖值、空腹胰島素值與血壓值等,參與了國際性的跨族群共同分析,找出了數個新穎的基因位點,以上所述之研究成果已發表於Nature Genetics、Human Molecular Genetics、PNAS與BMC Genomics等知名國際期刊上。

3. 慢性疾病之巨量資料分析
鍾博士研究團隊也參與了院內的政策額度計畫,透過巨量資料分析思維,對於慢性病如糖尿病與高血壓等進行整合性分析,並利用健保資料庫,探討疾病發生率與環境因素如PM2.5等之間的關聯性。在找出環境的危險因子後,再透過Taiwan Biobank的全基因組資料,進行基因與環境對於慢性病的交互作用分析,找出一個候選基因可能與PM2.5對糖尿病存在交互作用。研究團隊也應用多體學分析的策略,利用Taiwan biobank之基因體與表觀基因體資料,加上外部公開資料庫如eQTL與eQTM database等進行整合性巨量資料分析,此分析策略有助於研究團隊對基因變異更深入的瞭解在複雜疾病致病機制的生物功能。

未來方向
複雜型疾病如高血壓、糖尿病與癌症等,是由多重因素如基因、環境與各因素間的交互作用所造成,因此,只探討單一因素的影響將無法全面瞭解複雜疾病的致病機制。隨著高通量定序技術的進步,許多體學資料如基因體與轉錄體資料正快速地產生中,而環境資料如天氣和空污測量值等,在台灣也能從環境保護署網站中公開取得,另外健保資料庫也包含了豐富的國人健康資訊,這些不同面向的巨量資料,提供了研究複雜疾病很好的資源。因此,鍾博士研究團隊從各面向規劃,如多體學(如基因體、轉錄體及蛋白質體等)、環境(如空污及氣候)與健康資料庫(如健保資料庫及死因檔等)探討複雜疾病的致病機制,研究團隊將利用健康資料庫找尋環境因子與疾病間的關聯性,並利用多體學資料找尋基因以及基因與環境間的交互作用,建立疾病預測模型,以達到疾病的預防與治療的目的。

文:群體健康科學研究所/圖:編輯中心


站內搜尋