Articulo de referencia

Polimorfismo de un solo nucleótido

La molécula de ADN superior difiere de la molécula de ADN inferior en una única posición de par de bases (un polimorfismo G/A). En genética y bioinformática , un polimorfismo de...

La molécula de ADN superior difiere de la molécula de ADN inferior en una única posición de par de bases (un polimorfismo G/A).

En genética y bioinformática , un polimorfismo de un solo nucleótido ( SNP / s n ɪ p / ; plural SNPs / s n ɪ p s / ) es una sustitución en la línea germinal de un solo nucleótido en una posición específica del genoma . Aunque ciertas definiciones requieren que la sustitución esté presente en una fracción suficientemente grande de la población (por ejemplo, 1% o más), [ 1 ] muchas publicaciones [ 2 ] [ 3 ] [ 4 ] no aplican tal umbral de frecuencia.

Por ejemplo, un nucleótido G presente en una ubicación específica de un genoma de referencia puede ser reemplazado por un A en una minoría de individuos. Las dos posibles variaciones de nucleótidos de este SNP  —G o A—  se denominan alelos . [ 5 ]

Los SNP pueden ayudar a explicar las diferencias en la susceptibilidad a una amplia gama de enfermedades en una población. Por ejemplo, un SNP común en el gen CFH se asocia con un mayor riesgo de degeneración macular relacionada con la edad . [ 6 ] Las diferencias en la gravedad de una enfermedad o la respuesta a los tratamientos también pueden ser manifestaciones de variaciones genéticas causadas por SNP. Por ejemplo, dos SNP comunes en el gen APOE , rs429358 y rs7412, dan lugar a tres alelos APO-E principales con diferentes riesgos asociados para el desarrollo de la enfermedad de Alzheimer y la edad de inicio de la enfermedad. [ 7 ]

Las sustituciones de un solo nucleótido con una frecuencia alélica inferior al 1% se denominan a veces variantes de un solo nucleótido. [ 8 ] El término «variante» también puede utilizarse como término general para cualquier cambio de un solo nucleótido en una secuencia de ADN, [ 9 ] abarcando tanto los SNP comunes como las mutaciones raras , ya sean germinales o somáticas . [ 10 ] [ 11 ] Por consiguiente, el término variante de un solo nucleótido se ha utilizado para referirse a las mutaciones puntuales encontradas en células cancerosas. [ 12 ] Las variantes de ADN también deben tenerse en cuenta habitualmente en aplicaciones de diagnóstico molecular, como el diseño de cebadores de PCR para detectar virus, en las que la muestra de ARN o ADN viral puede contener variantes de un solo nucleótido. [ 13 ] Sin embargo, esta nomenclatura utiliza distinciones arbitrarias (como una frecuencia alélica del 1%) y no se utiliza de forma consistente en todos los campos; el desacuerdo resultante ha impulsado la búsqueda de un marco más consistente para nombrar las diferencias en las secuencias de ADN entre dos muestras. [ 14 ] [ 15 ]

Tipos

Tipos de polimorfismos de un solo nucleótido (SNP)

Los polimorfismos de un solo nucleótido pueden ubicarse dentro de las secuencias codificantes de los genes , en las regiones no codificantes de los genes o en las regiones intergénicas (regiones entre genes). Los SNP dentro de una secuencia codificante no necesariamente cambian la secuencia de aminoácidos de la proteína que se produce, debido a la degeneración del código genético . [ 16 ]

Los SNP en la región codificante son de dos tipos: SNP sinónimos y SNP no sinónimos. Los SNP sinónimos no afectan la secuencia de proteínas, mientras que los SNP no sinónimos modifican la secuencia de aminoácidos de la proteína. [ 17 ]

  • Los SNP en regiones no codificantes pueden manifestarse en un mayor riesgo de cáncer, [ 18 ] y pueden afectar la estructura del ARNm y la susceptibilidad a la enfermedad. [ 19 ] Los SNP no codificantes también pueden alterar el nivel de expresión de un gen, como un eQTL (locus de rasgo cuantitativo de expresión).
  • Polimorfismos de un solo nucleótido (SNP) en regiones codificantes :

Los SNP que no se encuentran en regiones codificantes de proteínas aún pueden afectar el empalme de genes , la unión de factores de transcripción , la degradación del ARN mensajero o la secuencia del ARN no codificante. La expresión génica afectada por este tipo de SNP se denomina eSNP (SNP de expresión) y puede estar ubicada aguas arriba o aguas abajo del gen.

Frecuencia

Se han identificado más de 600  millones de SNP en el genoma humano de la población mundial. [ 23 ] Un genoma típico difiere del genoma humano de referencia en 4 a 5  millones de sitios, la mayoría de los cuales (más del 99,9 %) consisten en SNP e indels cortos . [ 24 ]

Dentro de un genoma

La distribución genómica de los SNP no es homogénea; los SNP aparecen con mayor frecuencia en regiones no codificantes que en regiones codificantes o, en general, donde actúa la selección natural y "fija" el alelo (eliminando otras variantes) del SNP que constituye la adaptación genética más favorable. [ 25 ] Otros factores, como la recombinación genética y la tasa de mutación, también pueden determinar la densidad de SNP. [ 26 ]

La densidad de SNP se puede predecir mediante la presencia de microsatélites : los microsatélites AT en particular son predictores potentes de la densidad de SNP, y los tractos de repetición (AT)(n) largos tienden a encontrarse en regiones con una densidad de SNP significativamente reducida y un bajo contenido de GC . [ 27 ]

Dentro de una población

Dado que existen variaciones entre las poblaciones humanas, un alelo SNP común en un grupo geográfico o étnico puede ser más raro en otro. Sin embargo, este patrón de variación es relativamente infrecuente; en una muestra global de 67,3  millones de SNP, el Proyecto de Diversidad del Genoma Humano «no encontró variantes privadas fijas en un continente o región principal determinados. Las frecuencias más altas se alcanzan con unas pocas decenas de variantes presentes en >70 % (y unos pocos miles en >50 %) en África, América y Oceanía. Por el contrario, las variantes de mayor frecuencia exclusivas de Europa, Asia Oriental, Oriente Medio o Asia Central y Meridional alcanzan solo entre el 10 y el 30 %». [ 28 ]

Dentro de una población, a los SNP se les puede asignar una frecuencia alélica menor (MAF), que es la frecuencia alélica más baja en un locus que se observa en una población determinada. [ 29 ] Esta es simplemente la menor de las dos frecuencias alélicas para los polimorfismos de un solo nucleótido.

Con este conocimiento, los científicos han desarrollado nuevos métodos para analizar las estructuras poblacionales en especies menos estudiadas. [ 30 ] [ 31 ] [ 32 ] Al utilizar técnicas de agrupación, el costo del análisis se reduce significativamente. [ 33 ] Estas técnicas se basan en la secuenciación de una población en una muestra agrupada en lugar de secuenciar cada individuo dentro de la población por sí mismo. Con nuevas herramientas bioinformáticas, existe la posibilidad de investigar la estructura poblacional, el flujo genético y la migración genética al observar las frecuencias alélicas dentro de toda la población. Con estos protocolos existe la posibilidad de combinar las ventajas de los SNP con los marcadores microsatélite. [ 34 ] [ 35 ] Sin embargo, se pierde información en el proceso, como el desequilibrio de ligamiento y la información de cigocidad.

Aplicaciones

Los polimorfismos de un solo nucleótido (SNP) sirven como marcadores moleculares poderosos en la investigación genética contemporánea y la práctica clínica. Los estudios de asociación, en particular los estudios de asociación de genoma completo (GWAS) , representan la principal aplicación de la tecnología SNP para identificar variantes genéticas vinculadas a enfermedades y rasgos humanos. [ 36 ] Estos análisis exhaustivos examinan cientos de miles de marcadores genéticos simultáneamente para detectar asociaciones estadísticas entre SNP específicos y características fenotípicas, lo que permite a los investigadores descubrir contribuciones genéticas a trastornos complejos , incluyendo enfermedades cardiovasculares , diabetes y afecciones neurológicas . [ 37 ]

El desarrollo de la metodología de SNP marcadores ha mejorado significativamente la eficiencia de los estudios genómicos al explotar los patrones de desequilibrio de ligamiento en todo el genoma humano . Los SNP marcadores funcionan como marcadores representativos que capturan la variación genética dentro de regiones cromosómicas específicas, lo que permite a los investigadores explorar grandes áreas genómicas sin genotipificar cada variante individual. [ 38 ] Este enfoque reduce tanto el costo financiero como la carga computacional de los estudios genéticos a gran escala, manteniendo al mismo tiempo la potencia suficiente para detectar loci asociados a enfermedades. La selección de SNP marcadores óptimos se basa en algoritmos sofisticados que identifican marcadores capaces de capturar la máxima cantidad de información genética dentro de intervalos genómicos definidos. [ 39 ]

La reconstrucción de haplotipos representa otra aplicación fundamental donde los SNP permiten la caracterización de bloques genéticos heredados. Los investigadores utilizan mapas densos de SNP para identificar y analizar estructuras de haplotipos, que consisten en conjuntos de alelos estrechamente ligados que tienden a transmitirse juntos a través de las generaciones. [ 40 ] Estos patrones de haplotipos proporcionan información sobre la historia de las poblaciones, los eventos demográficos y los procesos evolutivos que han moldeado la diversidad genética contemporánea. El Proyecto Internacional HapMap ejemplificó esta aplicación al crear mapas completos de patrones de haplotipos comunes en diversas poblaciones humanas. [ 41 ]

El análisis de desequilibrio de ligamiento constituye la base teórica de muchas aplicaciones basadas en SNP en genética de poblaciones y mapeo de enfermedades. Este fenómeno describe la asociación no aleatoria de alelos en diferentes posiciones genómicas, que ocurre cuando las variantes se heredan juntas con mayor frecuencia de la esperada por azar. [ 42 ] El grado de desequilibrio de ligamiento entre SNP depende principalmente de la distancia física a lo largo de los cromosomas y las tasas de recombinación local , observándose generalmente asociaciones más fuertes entre las variantes más cercanas. Comprender estos patrones permite a los investigadores predecir qué SNP proporcionarán información redundante y guía la selección de marcadores informativos para estudios de asociación. [ 43 ]

En epidemiología genética , los SNP se han convertido en herramientas esenciales para investigar los patrones de transmisión de enfermedades y la estructura poblacional. Los enfoques de secuenciación del genoma completo utilizan la variación de los SNP para definir grupos de transmisión en brotes de enfermedades infecciosas, donde los casos que muestran perfiles genéticos similares pueden representar eventos de transmisión vinculados. [ 44 ] Esta aplicación ha demostrado ser particularmente valiosa para la vigilancia de la tuberculosis y el rastreo de contactos, donde los métodos epidemiológicos tradicionales pueden no lograr identificar todos los vínculos de transmisión. Además, los análisis basados ​​en SNP contribuyen a comprender la estratificación poblacional y la ascendencia, factores cruciales para diseñar controles de estudio apropiados e interpretar los resultados de asociación en diversos grupos étnicos. [ 45 ]

Importancia

Las variaciones en las secuencias de ADN de los seres humanos pueden afectar la forma en que desarrollan enfermedades y responden a patógenos , sustancias químicas , fármacos , vacunas y otros agentes. Los SNP también son fundamentales para la medicina personalizada . [ 46 ] Algunos ejemplos incluyen la investigación biomédica, la medicina forense, la farmacogenética y la causalidad de enfermedades, como se describe a continuación.

Investigación clínica

Estudio de asociación de genoma completo (GWAS)

Una de las principales contribuciones de los SNP en la investigación clínica es el estudio de asociación de genoma completo (GWAS). [ 47 ] Los datos genéticos de genoma completo pueden generarse mediante múltiples tecnologías, incluyendo matrices de SNP y secuenciación de genoma completo. El GWAS se ha utilizado comúnmente para identificar SNP asociados con enfermedades o fenotipos o rasgos clínicos. Dado que el GWAS es una evaluación de genoma completo, se requiere un sitio de muestra grande para obtener suficiente potencia estadística para detectar todas las asociaciones posibles. Algunos SNP tienen un efecto relativamente pequeño en enfermedades o fenotipos o rasgos clínicos. Para estimar la potencia del estudio, es necesario considerar el modelo genético para la enfermedad, como efectos dominantes, recesivos o aditivos. Debido a la heterogeneidad genética, el análisis GWAS debe ajustarse por raza.

Estudio de asociación de genes candidatos

El estudio de asociación de genes candidatos se utilizaba comúnmente en estudios genéticos antes de la invención de las tecnologías de genotipado o secuenciación de alto rendimiento. [ 48 ] Este estudio investiga un número limitado de SNP preespecificados para determinar su asociación con enfermedades, fenotipos clínicos o rasgos. Por lo tanto, se trata de un enfoque basado en hipótesis. Dado que solo se analiza un número limitado de SNP, un tamaño de muestra relativamente pequeño es suficiente para detectar la asociación. El enfoque de asociación de genes candidatos también se utiliza comúnmente para confirmar los hallazgos de los estudios de asociación de genoma completo (GWAS) en muestras independientes.

Mapeo de homocigosidad en enfermedades

Los datos de SNP de todo el genoma se pueden utilizar para el mapeo de homocigosidad. [ 49 ] El mapeo de homocigosidad es un método utilizado para identificar loci autosómicos recesivos homocigotos, que puede ser una herramienta poderosa para mapear regiones genómicas o genes que están involucrados en la patogénesis de enfermedades.

Patrones de metilación

Asociaciones entre SNP, patrones de metilación y expresión génica de rasgos biológicos

Recientemente, resultados preliminares informaron que los SNP son componentes importantes del programa epigenético en los organismos. [ 50 ] [ 51 ] Además, estudios cosmopolitas en poblaciones europeas y del sur de Asia han revelado la influencia de los SNP en la metilación de sitios CpG específicos. [ 52 ] Asimismo, el análisis de enriquecimiento de meQTL utilizando la base de datos GWAS demostró que estas asociaciones son importantes para la predicción de rasgos biológicos. [ 52 ] [ 53 ] [ 54 ]

ciencias forenses

Históricamente, los SNP se han utilizado para relacionar una muestra de ADN forense con un sospechoso, pero han quedado obsoletos debido al avance de las técnicas de huella genética basadas en STR . Sin embargo, el desarrollo de la tecnología de secuenciación de nueva generación (NGS) podría ofrecer más oportunidades para el uso de SNP en pistas fenotípicas como la etnia , el color del cabello y el color de los ojos , con una alta probabilidad de coincidencia. Esto también puede aplicarse para aumentar la precisión de las reconstrucciones faciales al proporcionar información que de otro modo sería desconocida, y esta información puede utilizarse para ayudar a identificar sospechosos incluso sin una coincidencia en el perfil de ADN STR .

Algunas desventajas de usar SNP en comparación con STR son que los SNP proporcionan menos información que los STR, por lo que se necesitan más SNP para el análisis antes de poder crear un perfil de un sospechoso. Además, los SNP dependen en gran medida de la existencia de una base de datos para el análisis comparativo de muestras. Sin embargo, en casos con muestras degradadas o de pequeño volumen, las técnicas de SNP son una excelente alternativa a los métodos STR. Los SNP (a diferencia de los STR) tienen una gran cantidad de marcadores potenciales, pueden automatizarse completamente y permiten una posible reducción de la longitud del fragmento requerido a menos de 100  pb. [ 27 ]

Farmacogenética

La farmacogenética se centra en la identificación de variaciones genéticas, incluidos los SNP, asociadas con respuestas diferenciales al tratamiento. [ 55 ] Muchos SNP pueden influir en enzimas metabolizadoras de fármacos, dianas farmacológicas o vías metabólicas. Los SNP implicados en la actividad de las enzimas metabolizadoras de fármacos pueden modificar la farmacocinética del fármaco, mientras que los SNP implicados en la diana farmacológica o su vía metabólica pueden modificar la farmacodinámica del fármaco . Por lo tanto, los SNP son marcadores genéticos potenciales que pueden utilizarse para predecir la exposición al fármaco o la eficacia del tratamiento. El estudio farmacogenético a nivel genómico se denomina farmacogenómica . La farmacogenética y la farmacogenómica son importantes en el desarrollo de la medicina de precisión, especialmente para enfermedades potencialmente mortales como el cáncer.

Enfermedad

Solo una pequeña cantidad de SNP en el genoma humano puede tener impacto en las enfermedades humanas. Se han realizado estudios de asociación del genoma completo (GWAS) a gran escala para las enfermedades humanas más importantes, incluidas las enfermedades cardíacas , metabólicas , autoinmunes y los trastornos neurodegenerativos y psiquiátricos . [ 47 ] Se han identificado la mayoría de los SNP con efectos relativamente grandes en estas enfermedades. Estos hallazgos han mejorado significativamente la comprensión de la patogénesis de la enfermedad y las vías moleculares, y han facilitado el desarrollo de mejores tratamientos. Estudios GWAS adicionales con un tamaño de muestra mayor revelarán los SNP con un efecto relativamente pequeño en las enfermedades. Para enfermedades comunes y complejas, como la diabetes tipo 2 , la artritis reumatoide y la enfermedad de Alzheimer , múltiples factores genéticos están involucrados en la etiología de la enfermedad. Además, la interacción gen-gen y la interacción gen-ambiente también juegan un papel importante en el inicio y la progresión de la enfermedad. [ 56 ]

Ejemplos

Bases de datos

Al igual que existen bases de datos bioinformáticas para los genes, también existen para los SNP.

  • dbSNP es una base de datos de SNP del Centro Nacional de Información Biotecnológica (NCBI). A fecha de 8 de junio de 2015. dbSNP listó 149.735.377 SNP en humanos. [ 65 ] [ 66 ]
  • Kaviar [ 67 ] es un compendio de SNP de múltiples fuentes de datos, incluyendo dbSNP.
  • SNPedia es una base de datos de estilo wiki que permite la anotación, interpretación y análisis del genoma personal.
  • La base de datos OMIM describe la asociación entre polimorfismos y enfermedades (por ejemplo, proporciona información sobre enfermedades en formato de texto).
  • dbSAP – base de datos de polimorfismos de aminoácidos individuales para la detección de variaciones de proteínas [ 68 ]
  • La base de datos de mutaciones genéticas humanas proporciona información sobre mutaciones genéticas que causan o están asociadas con enfermedades hereditarias humanas y polimorfismos de un solo nucleótido (SNP) funcionales.
  • El Proyecto Internacional HapMap , donde los investigadores identifican SNPs marcadores para poder determinar el conjunto de haplotipos presentes en cada individuo.
  • GWAS Central permite a los usuarios examinar visualmente los datos de asociación a nivel de resumen en uno o más estudios de asociación de todo el genoma .
  • Base de datos de SNP de elementos funcionales , una referencia de todos los SNP conocidos en unidades funcionales que pueden afectar un fenotipo determinado en el que algunos casos pueden ser una enfermedad.

El grupo de trabajo del Mapa Internacional de SNP mapeó la secuencia que flanquea cada SNP mediante alineación con la secuencia genómica de clones de inserción grande en Genebank. Estas alineaciones se convirtieron a coordenadas cromosómicas que se muestran en la Tabla  1. [ 69 ] Esta lista ha aumentado considerablemente desde entonces; por ejemplo, la base de datos Kaviar ahora incluye 162  millones de variantes de un solo nucleótido.

Nomenclatura

La nomenclatura para los SNP incluye varias variaciones para un mismo SNP, sin que exista un consenso común.

El estándar rs### es el adoptado por dbSNP y utiliza el prefijo "rs", de "SNP de referencia", seguido de un número único y arbitrario. [ 70 ] Los SNP se suelen identificar por su número rs de dbSNP, como en los ejemplos anteriores.

La Sociedad de Variación del Genoma Humano (HGVS) utiliza un estándar que proporciona más información sobre el SNP. La primera sección suele ser un identificador de cromosoma o ARNm, como NC_000023.10 (ADN) o NM_004006.3 (ARNm). El tipo de cambio se indica mediante una cadena de caracteres.

  • >(mayor que) indica una sustitución (a nivel de ADN y ARN); g.123456G>A, r.123c>u (se aplica a ADN, ARN).
  • delindica una deleción; c.76del (se aplica a ADN, ARN, proteína).
  • dupindica una duplicación; c.76dup (se aplica a ADN, ARN, proteína).
  • insIndica una inserción; c.76_77insG (se aplica a ADN, ARN y proteínas). Las inserciones duplicadas se describen como duplicaciones, no como inserciones.
  • invIndica una inversión; c.76_83inv (se aplica al ADN y al ARN). No se utiliza a nivel de proteínas, generalmente se describe como una deleción-inserción.
  • fsindica un cambio de marco; p.Arg456GlyfsTer17.
  • extindica una extensión; p.Met1ext-5 (ver Extensión).

Algunos ejemplos son:

  • c.76A > T: "c." para región codificante , seguido de un número para la posición del nucleótido, seguido de una abreviatura de una letra para el nucleótido (A, C, G, T o U), seguido de un signo mayor que (">") para indicar sustitución, seguido de la abreviatura del nucleótido que reemplaza al anterior [ 71 ] [ 72 ] [ 73 ]
  • p.Ser123Arg: "p." de proteína, seguido de una abreviatura de tres letras para el aminoácido, seguido de un número para la posición del aminoácido, seguido de la abreviatura del aminoácido que reemplaza al anterior. [ 74 ]
  • g.1234_2345inv: "g." para región del genoma, seguido de un número para las coordenadas de inicio y fin, e "inv" para indicar una inversión.

Análisis de SNP

Los SNP se pueden analizar fácilmente debido a que solo contienen dos alelos posibles y tres genotipos posibles que involucran a los dos alelos: homocigoto A, homocigoto B y heterocigoto AB, lo que da lugar a muchas técnicas posibles para su análisis. Algunas de ellas incluyen: secuenciación de ADN ; electroforesis capilar ; espectrometría de masas ; polimorfismo de conformación de cadena simple (SSCP); extensión de una sola base ; análisis electroquímico; HPLC desnaturalizante y electroforesis en gel ; polimorfismo de longitud de fragmentos de restricción ; y análisis de hibridación .

Programas para la predicción de efectos de SNP

Un grupo importante de SNP son aquellos que corresponden a mutaciones de sentido erróneo que causan cambios de aminoácidos a nivel proteico. La mutación puntual de un residuo en particular puede tener diferentes efectos en la función proteica (desde ningún efecto hasta la interrupción completa de su función). Por lo general, el cambio en aminoácidos con tamaño y propiedades fisicoquímicas similares (por ejemplo, la sustitución de leucina por valina) tiene un efecto leve, y viceversa. De manera similar, si el SNP interrumpe elementos de la estructura secundaria (por ejemplo, la sustitución por prolina en la región de la hélice alfa ), dicha mutación generalmente puede afectar la estructura y función de toda la proteína. Utilizando estas reglas simples y muchas otras derivadas del aprendizaje automático, se desarrolló un grupo de programas para la predicción del efecto de los SNP: [ 75 ]

  • SIFT Este programa proporciona información sobre cómo una mutación de sentido erróneo o no sinónima inducida en laboratorio afectará la función de la proteína basándose en las propiedades físicas del aminoácido y la homología de la secuencia.
  • LIST (Identidad Local y Taxones Compartidos) [ 76 ] [ 77 ] estima el potencial de nocividad de las mutaciones resultantes de la alteración de las funciones proteicas. Se basa en la suposición de que las variaciones observadas en especies estrechamente relacionadas son más significativas al evaluar la conservación que las observadas en especies distantemente relacionadas.
  • SNAP2
  • Sospechar
  • Polifenol-2
  • PredictSNP
  • MutationTaster : sitio web oficial
  • Predictor de efectos de variantes del proyecto Ensembl
  • SNPViz Archivado el 07/08/2020 en Wayback Machine : [ 78 ] Este programa proporciona una representación 3D de la proteína afectada, resaltando el cambio de aminoácidos para que los médicos puedan determinar la patogenicidad de la proteína mutante.
  • PROBADO
  • PhyreRisk es una base de datos que relaciona variantes con estructuras proteicas experimentales y predichas. [ 79 ]
  • Missense3D es una herramienta que proporciona un informe estereoquímico sobre el efecto de las variantes de sentido erróneo en la estructura de las proteínas. [ 80 ]

Véase también

Referencias

  1. "polimorfismo de un solo nucleótido / SNP | Aprende ciencia en Scitable" . www.nature.com . Archivado del original el 10 de noviembre de 2015. Consultado el 13 de noviembre de 2015 .
  2. Sherry, ST; Ward, M.; Sirotkin, K. (1999). "dbSNP: base de datos para polimorfismos de un solo nucleótido y otras clases de variación genética menor" . Genome Research . 9 (8): 677– 679. doi : 10.1101/gr.9.8.677 . PMID 10447503. S2CID 10775908 .  
  3. Lander, ES; et al. (2001). "Secuenciación y análisis inicial del genoma humano" . Nature . 409 (6822): 860– 921. Bibcode : 2001Natur.409..860L . doi : 10.1038/35057062 . hdl : 2027.42/62798 . PMID 11237011 .  
  4. Auton, Adam; et al. (2015). "Una referencia global para la variación genética humana" . Nature . 526 ( 7571): 68– 74. Bibcode : 2015Natur.526...68T . doi : 10.1038/nature15393 . PMC 4750478. PMID 26432245 .   
  5. Monga, Isha; Qureshi, Abid; Thakur, Nishant; Gupta, Amit Kumar; Kumar, Manoj (septiembre de 2017). " ASPsiRNA: un recurso de ASP-siRNAs con potencial terapéutico para trastornos genéticos humanos y un algoritmo para la predicción de su eficacia inhibitoria" . G3 . 7 (9): 2931– 2943. doi : 10.1534/g3.117.044024 . PMC 5592921. PMID 28696921 .  
  6. Calippe, Bertrand; Guillonneau, Xavier; Sennlaub, Florian (marzo de 2014). "Factor H del complemento y proteínas relacionadas en la degeneración macular relacionada con la edad" . Comptes Rendus Biologies . 337 (3): 178– 184. doi : 10.1016/j.crvi.2013.12.003 . ISSN 1631-0691 . PMID 24702844 .  
  7. Husain, Mohammed Amir; Laurent, Benoit; Plourde, Mélanie (17 de febrero de 2021). "APOE y la enfermedad de Alzheimer: del transporte de lípidos a la fisiopatología y la terapéutica" . Frontiers in Neuroscience . 15 630502. doi : 10.3389/fnins.2021.630502 . ISSN 1662-453X . PMC 7925634. PMID 33679311 .   
  8. "Definición de variante de un solo nucleótido - Diccionario de términos genéticos del NCI" . www.cancer.gov . 2012-07-20 . Consultado el 2023-05-02 .
  9. Wright, Alan F (23 de septiembre de 2005), "Variación genética: polimorfismos y mutaciones", eLS , Wiley, doi : 10.1038/npg.els.0005005 , ISBN 978-0-470-01617-6, S2CID 82415195 
  10. Goya, R.; Sun, MG; Morin, RD; Leung, G.; Ha, G.; Wiegand, KC; Senz, J.; Crisan, A.; Marra, MA; Hirst, M.; Huntsman, D.; Murphy, KP; Aparicio, S.; Shah, SP (2010). "SNVMix: predicción de variantes de un solo nucleótido a partir de la secuenciación de próxima generación de tumores" . Bioinformatics . 26 ( 6): 730– 736. doi : 10.1093/bioinformatics/btq040 . PMC 2832826. PMID 20130035 .  
  11. Katsonis, Panagiotis; Koire, Amanda; Wilson, Stephen Joseph; Hsu, Teng-Kuei; Lua, Rhonald C.; Wilkins, Angela Dawn; Lichtarge, Olivier (2014-10-20). "Variaciones de un solo nucleótido: impacto biológico e interpretación teórica" . Protein Science . 23 (12): 1650– 1666. doi : 10.1002/pro.2552 . ISSN 0961-8368 . PMC 4253807. PMID 25234433 .   
  12. Khurana, Ekta; Fu, Yao; Chakravarty, Dimple; Demichelis, Francesca; Rubin, Mark A.; Gerstein, Mark (2016-01-19). "Papel de las variantes de secuencia no codificantes en el cáncer". Nature Reviews Genetics . 17 (2): 93– 108. doi : 10.1038/nrg.2015.17 . ISSN 1471-0056 . PMID 26781813 . S2CID 14433306 .   
  13. ^ Dong, Hongjie; Wang, Shuai; Zhang, Junmei; Zhang, Kundi; Zhang, Fengyu; Wang, Hong Wei; Xie, Shiling; Hu, Wei; Gu, Lichuan (2021). "El diseño de cebadores basado en estructuras minimiza el riesgo de falla de la PCR causada por mutaciones del SARS-CoV-2" . Fronteras en microbiología celular y de infecciones . 11 741147.doi : 10.3389/ fcimb.2021.741147 . ISSN 2235-2988 . PMC 8573093 . PMID 34760717 .   
  14. Karki, Roshan; Pandya, Deep; Elston, Robert C.; Ferlini, Cristiano (15 de julio de 2015). "Definiendo "mutación" y "polimorfismo" en la era de la genómica personal" . BMC Medical Genomics . 8 (1 ) . Springer Science and Business Media LLC: 37. doi : 10.1186/s12920-015-0115-z . ISSN 1755-8794 . PMC 4502642. PMID 26173390 .   
  15. Li, Heng (15 de marzo de 2021). "SNP vs SNV" . Blog de Heng Li . Consultado el 3 de mayo de 2023 .
  16. Spencer, Paige S.; Barral, José M. (2012). "Redundancia del código genético y su influencia en los polipéptidos codificados" . Computational and Structural Biotechnology Journal . 1 e201204006. doi : 10.5936/csbj.201204006 . ISSN 2001-0370 . PMC 3962081. PMID 24688635 .   
  17. Chu, Duan; Wei, Lai (2019-04-16). "Las mutaciones no sinónimas, sinónimas y sin sentido en genes humanos relacionados con el cáncer sufren selecciones purificadoras más fuertes de lo esperado" . BMC Cancer . 19 (1): 359. doi : 10.1186/s12885-019-5572-x . ISSN 1471-2407 . PMC 6469204. PMID 30991970 .   
  18. Li G, Pan T, Guo D, Li LC (2014). "Variantes reguladoras y enfermedad: el SNP -160C/A de la E-cadherina como ejemplo" . Molecular Biology International . 2014 967565. doi : 10.1155/2014/967565 . PMC 4167656. PMID 25276428 .  
  19. Lu YF, Mauger DM, Goldstein DB, Urban TJ, Weeks KM, Bradrick SS (noviembre de 2015). "La estructura del ARNm de IFNL3 se remodela mediante un polimorfismo no codificante funcional asociado con la eliminación del virus de la hepatitis C" . Scientific Reports . 5 16037. Bibcode : 2015NatSR...516037L . doi : 10.1038/srep16037 . PMC 4631997. PMID 26531896 .  
  20. Kimchi-Sarfaty C, Oh JM, Kim IW, Sauna ZE, Calcagno AM, Ambudkar SV, Gottesman MM (enero de 2007). " Un polimorfismo "silencioso" en el gen MDR1 cambia la especificidad del sustrato" . Science . 315 (5811): 525–8 . Bibcode : 2007Sci...315..525K . doi : 10.1126/science.1135308 . PMID 17185560. S2CID 15146955 .  
  21. ^ Al-Haggar M, Madej-Pilarczyk A, Kozlowski L, Bujnicki JM, Yahia S, Abdel-Hadi D, Shams A, Ahmad N, Hamed S, Puzianowska-Kuznicka M (noviembre de 2012). "Una nueva mutación homocigótica de p.Arg527Leu LMNA en dos familias egipcias no relacionadas provoca displasia mandibuloacral superpuesta y síndrome de progeria" . Revista europea de genética humana . 20 (11): 1134– 40. doi : 10.1038/ejhg.2012.77 . PMC 3476705 . PMID 22549407 .  
  22. Cordovado SK, Hendrix M, Greene CN, Mochal S, Earley MC, Farrell PM, Kharrazi M, Hannon WH, Mueller PW (febrero de 2012). " Análisis de mutaciones CFTR y asociaciones de haplotipos en pacientes con fibrosis quística" . Molecular Genetics and Metabolism . 105 (2): 249– 54. doi : 10.1016/j.ymgme.2011.10.013 . PMC 3551260. PMID 22137130 .  
  23. "¿Qué son los polimorfismos de un solo nucleótido (SNP)?: MedlinePlus Genetics" . medlineplus.gov . Consultado el 22 de marzo de 2023 .
  24. ^ Auton A, Brooks LD, Durbin RM, Garrison EP, Kang HM, Korbel JO, Marchini JL, McCarthy S, McVean GA, Abecasis GR (octubre de 2015). "Una referencia mundial de la variación genética humana" . Naturaleza . 526 (7571): 68– 74. Bibcode : 2015Natur.526...68T . doi : 10.1038/naturaleza15393 . PMC 4750478 . PMID 26432245 .  
  25. ^ Barreiro LB, Laval G, Quach H, Patin E, Quintana-Murci L (marzo de 2008). "La selección natural ha impulsado la diferenciación de poblaciones en los humanos modernos". Genética de la Naturaleza . 40 (3): 340– 5. doi : 10,1038/ng.78 . PMID 18246066 . S2CID 205357396 .  
  26. Nachman MW (septiembre de 2001). "Polimorfismos de un solo nucleótido y tasa de recombinación en humanos". Trends in Genetics . 17 (9): 481– 5. doi : 10.1016/S0168-9525(01)02409-X . PMID 11525814 . 
  27. 1 2 Varela MA, Amos W (marzo de 2010). "Distribución heterogénea de SNP en el genoma humano: microsatélites como predictores de diversidad y divergencia de nucleótidos". Genomics . 95 (3): 151– 9. doi : 10.1016/j.ygeno.2009.12.003 . PMID 20026267 . 
  28. Bergström A, McCarthy SA, Hui R, Almarri MA, Ayub Q, Danecek P; et al. (2020). " Perspectivas sobre la variación genética humana y la historia de la población a partir de 929 genomas diversos" . Science . 367 (6484) eaay5012. doi : 10.1126/science.aay5012 . PMC 7115999. PMID 32193295 .   {{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  29. Zhu Z, Yuan D, Luo D, Lu X, Huang S (2015-07-24). "Enriquecimiento de alelos menores de SNP comunes y predicción de riesgo mejorada para la enfermedad de Parkinson" . PLOS ONE . 10 (7) e0133421. Bibcode : 2015PLoSO..1033421Z . doi : 10.1371/journal.pone.0133421 . PMC 4514478. PMID 26207627 .  
  30. Hivert, Valentin; Leblois, Raphaël; Petit, Eric J.; Gautier, Mathieu; Vitalis, Renaud (2018-07-30). " Medición de la diferenciación genética a partir de datos de Pool-seq" . Genetics . 210 (1): 315– 330. doi : 10.1534/genetics.118.300900 . ISSN 0016-6731 . PMC 6116966. PMID 30061425 .   
  31. Ekblom, R; Galindo, J (2010-12-08). "Aplicaciones de la secuenciación de próxima generación en la ecología molecular de organismos no modelo" . Heredity . 107 ( 1): 1– 15. doi : 10.1038/hdy.2010.152 . ISSN 0018-067X . PMC 3186121. PMID 21139633 .   
  32. Ellegren, Hans (enero de 2014). "Secuenciación del genoma y genómica de poblaciones en organismos no modelo". Trends in Ecology & Evolution . 29 (1): 51– 63. Bibcode : 2014TEcoE..29...51E . doi : 10.1016/j.tree.2013.09.008 . ISSN 0169-5347 . PMID 24139972 .  
  33. ^ Chen, Chao; Parejo, Melanie; Momeni, Jamal; Langa, Jorge; Nielsen, Rasmus O.; Shi, Wei; Colaboradores de diversidad de Smartbees Wp, nulo; Vingborg, Rikke; Kryger, Per; Bouga, María; Estonba, Andone; Meixner, Marina (21/01/2022). "Estructura de la población y diversidad de las abejas melíferas europeas (Apismellifera L.): una comparación empírica de la secuenciación del genoma completo individual y conjunto" . Genes . 13 (2): 182. doi : 10.3390/genes13020182 . ISSN 2073-4425 . PMC 8872436 . PMID 35205227 .   {{cite journal}}: |last7=tiene nombre genérico ( ayuda )
  34. Dorant, Yann; Benestan, Laura; Rougemont, Quentin; Normandeau, Eric; Boyle, Brian; Rochette, Rémy; Bernatchez, Louis (2019). "Comparación de Pool-seq, Rapture y genotipado GBS para inferir una estructura poblacional débil: La langosta americana (Homarus americanus) como estudio de caso" . Ecology and Evolution . 9 (11): 6606– 6623. Bibcode : 2019EcoEv...9.6606D . doi : 10.1002/ece3.5240 . ISSN 2045-7758 . PMC 6580275. PMID 31236247 .   
  35. Vendrami, David LJ; Telesca, Luca; Weigand, Hannah; Weiss, Martina; Fawcett, Katie; Lehman, Katrin; Clark, MS; Leese, Florian; McMinn, Carrie; Moore, Heather; Hoffman, Joseph I. (2017). "La secuenciación RAD resuelve la estructura poblacional a pequeña escala en un invertebrado bentónico: implicaciones para la comprensión de la plasticidad fenotípica" . Royal Society Open Science . 4 (2) 160548. Bibcode : 2017RSOS....460548V . doi : 10.1098 / rsos.160548 . PMC 5367306. PMID 28386419 .  
  36. Uffelmann, Emil; Huang, Qin Qin; Munung, Nchangwi Syntia; de Vries, Jantina; Okada, Yukinori; Martin, Alicia R.; Martin, Hilary C.; Lappalainen, Tuuli; Posthuma, Danielle (2021-08-26). "Estudios de asociación de todo el genoma" . Nature Reviews Methods Primers . 1 (1): 59. doi : 10.1038/s43586-021-00056-9 . hdl : 1871.1/66fb93bd-20f0-498c-923a-88626cbba8c8 . ISSN 2662-8449 . 
  37. ^ Buniello, Annalisa; MacArthur, Jacqueline AL; Cerezo, María; Harris, Laura W.; Hayhurst, James; Malangone, Cinzia; McMahon, Aoife; Morales, Joannella; Mountjoy, Eduardo; Sollis, Elliot; Suveges, Daniel; Vrousgou, Olga; Whetzel, Patricia L.; Amode, Ridwan; Guillén, José A. (2019-01-08). "El catálogo NHGRI-EBI GWAS de estudios publicados de asociación de todo el genoma, matrices específicas y estadísticas resumidas de 2019" . Investigación de ácidos nucleicos . 47 (D1): D1005– D1012. doi : 10.1093/nar/gky1120 . ISSN 1362-4962 . PMC 6323933 . PMID 30445434 .   
  38. Carlson, Christopher S.; Eberle, Michael A.; Rieder, Mark J.; Yi, Qian; Kruglyak, Leonid; Nickerson, Deborah A. (enero de 2004). "Selección de un conjunto de polimorfismos de un solo nucleótido máximamente informativos para análisis de asociación mediante desequilibrio de ligamiento" . American Journal of Human Genetics . 74 (1): 106–120 . doi : 10.1086/381000 . ISSN 0002-9297 . PMC 1181897. PMID 14681826 .   
  39. Sebastiani, Paola; Lazarus, Ross; Weiss, Scott T.; Kunkel, Louis M.; Kohane, Isaac S.; Ramoni, Marco F. (2003-08-19). "Etiquetado mínimo de haplotipos" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 100 (17): 9900– 9905. Bibcode : 2003PNAS..100.9900S . doi : 10.1073 / pnas.1633613100 . ISSN 0027-8424 . PMC 187880. PMID 12900503 .   
  40. Gabriel, Stacey B.; Schaffner, Stephen F.; Nguyen, Huy; Moore, Jamie M.; Roy, Jessica; Blumenstiel, Brendan; Higgins, John; DeFelice, Matthew; Lochner, Amy; Faggart, Maura; Liu-Cordero, Shau Neen; Rotimi, Charles; Adeyemo, Adebowale; Cooper, Richard; Ward, Ryk (2002-06-21). "La estructura de los bloques de haplotipos en el genoma humano". Science . 296 (5576): 2225– 2229. Bibcode : 2002Sci...296.2225G . doi : 10.1126/science.1069424 . ISSN 1095-9203 . PMID 12029063 .  
  41. Altshuler, David; Donnelly, Peter; The International HapMap Consortium (octubre de 2005). "Un mapa de haplotipos del genoma humano" . Nature . 437 ( 7063): 1299–1320 . Bibcode : 2005Natur.437.1299T . doi : 10.1038/nature04226 . ISSN 1476-4687 . PMC 1880871. PMID 16255080 .   
  42. Slatkin, Montgomery (junio de 2008). "Desequilibrio de ligamiento: comprender el pasado evolutivo y trazar el futuro médico" . Nature Reviews. Genetics . 9 ( 6): 477– 485. doi : 10.1038/nrg2361 . ISSN 1471-0064 . PMC 5124487. PMID 18427557 .   
  43. Wall, Jeffrey D.; Pritchard, Jonathan K. (septiembre de 2003). "Evaluación del rendimiento del modelo de bloques de haplotipos de desequilibrio de ligamiento" . American Journal of Human Genetics . 73 (3): 502– 515. doi : 10.1086/378099 . ISSN 0002-9297 . PMC 1180676. PMID 12916017 .   
  44. Walker, Timothy M.; Ip, Camilla LC; Harrell, Ruth H.; Evans, Jason T.; Kapatai, Georgia; Dedicoat, Martin J.; Eyre, David W.; Wilson, Daniel J.; Hawkey, Peter M.; Crook, Derrick W.; Parkhill, Julian; Harris, David; Walker, A. Sarah; Bowden, Rory; Monk, Philip (febrero de 2013). "Secuenciación del genoma completo para delimitar brotes de Mycobacterium tuberculosis: un estudio observacional retrospectivo" . The Lancet. Enfermedades infecciosas . 13 ( 2 ): 137– 146. doi : 10.1016/S1473-3099(12)70277-3 . ISSN 1474-4457 . PMC 3556524. PMID 23158499 .   
  45. Price, Alkes L.; Patterson, Nick J.; Plenge, Robert M.; Weinblatt, Michael E.; Shadick, Nancy A.; Reich, David (agosto de 2006). "El análisis de componentes principales corrige la estratificación en los estudios de asociación de todo el genoma" . Nature Genetics . 38 (8): 904–909 . doi : 10.1038/ng1847 . ISSN 1546-1718 . PMID 16862161 .  
  46. Carlson, Bruce (15 de junio de 2008). "SNPs: un atajo hacia la medicina personalizada" . Genetic Engineering & Biotechnology News . 28 (12). Mary Ann Liebert, Inc. Archivado del original el 26 de diciembre de 2010. Recuperado el 6 de julio de 2008. (subtítulo) Se espera que el crecimiento del mercado se produzca en las aplicaciones médicas .
  47. 1 2 Visscher, Peter M.; Wray, Naomi R.; Zhang, Qian; Sklar, Pamela; McCarthy, Mark I.; Brown, Matthew A.; Yang, Jian (julio de 2017). "10 años de descubrimientos de GWAS: biología, función y traducción" . The American Journal of Human Genetics . 101 (1): 5– 22. doi : 10.1016/j.ajhg.2017.06.005 . ISSN 0002-9297 . PMC 5501872. PMID 28686856 .   
  48. Dong, Linda M.; Potter, John D.; White, Emily; Ulrich, Cornelia M.; Cardon, Lon R.; Peters, Ulrike (2008-05-28). " Susceptibilidad genética al cáncer" . JAMA . 299 (20): 2423– 2436. doi : 10.1001/jama.299.20.2423 . ISSN 0098-7484 . PMC 2772197. PMID 18505952 .   
  49. Alkuraya, Fowzan S. (abril de 2010). "Mapeo de homocigosidad: una herramienta más en la caja de herramientas del genetista clínico" . Genetics in Medicine . 12 (4): 236– 239. doi : 10.1097/gim.0b013e3181ceb95d . ISSN 1098-3600 . PMID 20134328. S2CID 10789932 .   
  50. Vohra, Manik; Sharma, Anu Radha; Prabhu B, Navya; Rai, Padmalatha S. (2020). "SNPs en sitios de metilación del ADN, unión de factores de transcripción y objetivos de miRNA que conducen a la expresión génica específica de alelos y contribuyen al riesgo de enfermedades complejas: una revisión sistemática" . Public Health Genomics . 23 ( 5–6 ): 155–170 . doi : 10.1159/000510253 . ISSN 1662-4246 . PMID 32966991. S2CID 221886624 .   
  51. Wang, Jing; Ma, Xiaoqin; Zhang, Qi; Chen, Yinghui; Wu, Dan; Zhao, Pengjun; Yu, Yu (2021). "El análisis de interacción de variantes SNP y metilación del ADN identifica nuevos genes patogénicos metilados en cardiopatías congénitas" . Frontiers in Cell and Developmental Biology . 9 665514. doi : 10.3389/fcell.2021.665514 . ISSN 2296-634X . PMC 8143053. PMID 34041244 .   
  52. 1 2 Hawe, Johann S.; Wilson, Rory; Schmid, Katharina T.; Zhou, Li; Lakshmanan, Lakshmi Narayanan; Lehne, Benjamin C.; Kühnel, Brigitte; Scott, William R.; Wielscher, Matthias; Yew, Yik Weng; Baumbach, Clemens; Lee, Dominic P.; Marouli, Eirini; Bernard, Manon; Pfeiffer, Liliane (enero de 2022). "La variación genética que influye en la metilación del ADN proporciona información sobre los mecanismos moleculares que regulan la función genómica" . Nature Genetics . 54 (1): 18– 29. doi : 10.1038/s41588-021-00969-x . ISSN 1546-1718 . PMC 7617265. PMID 34980917 . S2CID 256821844 .    
  53. Perzel Mandell, Kira A.; Eagles, Nicholas J.; Wilton, Richard; Price, Amanda J.; Semick, Stephen A.; Collado-Torres, Leonardo; Ulrich, William S.; Tao, Ran; Han, Shizhong; Szalay, Alexander S.; Hyde, Thomas M.; Kleinman, Joel E.; Weinberger, Daniel R.; Jaffe, Andrew E. (2021-09-02). "Identificación basada en secuenciación de todo el genoma de loci de rasgos cuantitativos de metilación y su papel en el riesgo de esquizofrenia" . Nature Communications . 12 (1): 5251. Bibcode : 2021NatCo..12.5251P . doi : 10.1038/s41467-021-25517-3 . ISSN 2041-1723 . PMC 8413445 . PMID 34475392 .   
  54. Hoffmann, Anke; Ziller, Michael; Spengler, Dietmar (diciembre de 2016). "El futuro es el pasado: QTL de metilación en la esquizofrenia" . Genes . 7 ( 12): 104. doi : 10.3390/genes7120104 . ISSN 2073-4425 . PMC 5192480. PMID 27886132 .   
  55. Daly, Ann K (11 de octubre de 2017). "Farmacogenética: una revisión general sobre los avances hasta la fecha" . British Medical Bulletin . 124 (1): 65–79 . doi : 10.1093/bmb/ldx035 . ISSN 0007-1420 . PMID 29040422 .  
  56. Musci, Rashelle J.; Augustinavicius, Jura L.; Volk, Heather (2019-08-13). "Interacciones gen-ambiente en psiquiatría: evidencia reciente e implicaciones clínicas" . Current Psychiatry Reports . 21 (9): 81. doi : 10.1007/s11920-019-1065-5 . ISSN 1523-3812 . PMC 7340157. PMID 31410638 .   
  57. Giegling I, Hartmann AM, Möller HJ, Rujescu D (noviembre de 2006). "Los rasgos relacionados con la ira y la agresión están asociados con polimorfismos en el gen 5-HT-2A". Journal of Affective Disorders . 96 ( 1–2 ): 75–81 . doi : 10.1016/j.jad.2006.05.016 . PMID 16814396 . 
  58. ^ Ezzeddini R, Somi MH, Taghikhani M, Moaddab SY, Masnadi Shirazi K, Shirmohammadi M, Eftekharsadat AT, Sadighi Moghaddam B, Salek Farrokhi A (febrero de 2021). "Asociación del polimorfismo Foxp3 rs3761548 con la concentración de citocinas en pacientes con adenocarcinoma gástrico". Citocina . 138 155351. doi : 10.1016/j.cyto.2020.155351 . ISSN 1043-4666 . PMID 33127257 . S2CID 226218796 .   
  59. Kujovich JL (enero de 2011). "Trombofilia por factor V Leiden" . Genetics in Medicine . 13 (1): 1– 16. doi : 10.1097/GIM.0b013e3181faa0f2 . PMID 21116184 . 
  60. Morita A, Nakayama T, Doba N, Hinohara S, Mizutani T, Soma M (junio de 2007). "Genotipado de SNP trialélicos mediante PCR TaqMan". Molecular and Cellular Probes . 21 (3): 171– 6. doi : 10.1016/j.mcp.2006.10.005 . PMID 17161935 . 
  61. Prodi DA, Drayna D, Forabosco P, Palmas MA, Maestrale GB, Piras D, Pirastu M, Angius A (octubre de 2004). "Estudio del sabor amargo en un aislado genético sardo respalda la asociación de la sensibilidad a la feniltiocarbamida con el gen del receptor amargo TAS2R38" . Chemical Senses . 29 (8): 697–702 . doi : 10.1093/chemse/bjh074 . PMID 15466815 . 
  62. ^ Ammitzbøll CG, Kjær TR, Steffensen R, Stengaard-Pedersen K, Nielsen HJ, Thiel S, Bøgsted M, Jensenius JC (28 de noviembre de 2012). "Los polimorfismos no sinónimos en el gen FCN1 determinan la capacidad de unión al ligando y los niveles séricos de M-ficolina" . MÁS UNO . 7 (11) e50585. Código Bib : 2012PLoSO...750585A . doi : 10.1371/journal.pone.0050585 . PMC 3509001 . PMID 23209787 .  
  63. Guenther, Catherine A.; Tasic, Bosiljka; Luo, Liqun; Bedell, Mary A.; Kingsley, David M. (julio de 2014). "Una base molecular para el color de cabello rubio clásico en europeos" . Nature Genetics . 46 (7): 748– 752. doi : 10.1038/ng.2991 . ISSN 1546-1718 . PMC 4704868. PMID 24880339 .   
  64. Ji G, Long Y, Zhou Y, Huang C, Gu A, Wang X (mayo de 2012). "Variantes comunes en genes de reparación de errores de emparejamiento asociadas con un mayor riesgo de daño del ADN espermático e infertilidad masculina" . BMC Medicine . 10 49. doi : 10.1186/1741-7015-10-49 . PMC 3378460. PMID 22594646 .  
  65. Centro Nacional de Información Biotecnológica, Biblioteca Nacional de Medicina de los Estados Unidos. 2014. NCBI dbSNP compilación 142 para humanos. " [ DBSNP-announce ] DBSNP Humano compilación 142 (GRCh38 y GRCh37.p13)" . Archivado del original el 10-09-2017 . Recuperado el 11-09-2017 .
  66. Centro Nacional de Información Biotecnológica, Biblioteca Nacional de Medicina de los Estados Unidos. 2015. NCBI dbSNP versión 144 para humanos. Página de resumen. "Resumen de DBSNP" . Archivado del original el 10 de septiembre de 2017. Consultado el 11 de septiembre de 2017 .
  67. Glusman G, Caballero J, Mauldin DE, Hood L, Roach JC (noviembre de 2011). "Kaviar: un sistema accesible para probar la novedad de SNV" . Bioinformatics . 27 ( 22): 3216–7 . doi : 10.1093/bioinformatics/btr540 . PMC 3208392. PMID 21965822 .  
  68. Cao R, Shi Y, Chen S, Ma Y, Chen J, Yang J, Chen G, Shi T (enero de 2017). "dbSAP: base de datos de polimorfismos de aminoácidos individuales para la detección de variaciones de proteínas" . Nucleic Acids Research . 45 (D1): D827– D832. doi : 10.1093 / nar/gkw1096 . PMC 5210569. PMID 27903894 .  
  69. Sachidanandam R, Weissman D, Schmidt SC, Kakol JM, Stein LD , Marth G, Sherry S, Mullikin JC, Mortimore BJ, Willey DL, Hunt SE, Cole CG, Coggill PC, Rice CM, Ning Z, Rogers J, Bentley DR, Kwok PY, Mardis ER, Yeh RT, Schultz B, Cook L, Davenport R, Dante M, Fulton L, Hillier L, Waterston RH, McPherson JD, Gilman B, Schaffner S, Van Etten WJ, Reich D, Higgins J, Daly MJ, Blumenstiel B, Baldwin J, Stange-Thomann N, Zody MC, Linton L, Lander ES, Altshuler D (febrero de 2001). "Un mapa de la variación de la secuencia del genoma humano que contiene 1,42 millones de polimorfismos de un solo nucleótido" . Nature . 409 (6822): 928– 33. Bibcode : 2001Natur.409..928S . doi : 10.1038/35057149 . PMID 11237013 . 
  70. "SNPs de referencia agrupados (rs) y otros datos calculados internamente" . Archivo de preguntas frecuentes sobre SNP . Bethesda (MD): Centro Nacional de Información Biotecnológica de EE. UU. 2005.
  71. JT Den Dunnen (2008-02-20). "Recomendaciones para la descripción de variantes de secuencia" . Sociedad de Variación del Genoma Humano . Archivado del original el 14 de septiembre de 2008. Consultado el 5 de septiembre de 2008 .
  72. den Dunnen JT, Antonarakis SE (2000). "Extensiones de la nomenclatura de mutaciones y sugerencias para describir mutaciones complejas: una discusión" . Human Mutation . 15 (1): 7– 12. doi : 10.1002/(SICI)1098-1004(200001)15:1 < 7::AID-HUMU4 > 3.0.CO ; 2-N . PMID 10612815 . 
  73. Ogino S, Gulley ML, den Dunnen JT, Wilson RB (febrero de 2007). "Nomenclatura estándar de mutaciones en diagnósticos moleculares: desafíos prácticos y educativos" . The Journal of Molecular Diagnostics . 9 (1): 1– 6. doi : 10.2353/jmoldx.2007.060081 . PMC 1867422. PMID 17251329 .  
  74. "Nomenclatura de variantes de secuencia" . varnomen.hgvs.org . Consultado el 2 de diciembre de 2019 .
  75. Johnson, Andrew D. (octubre de 2009). " Bioinformática de SNP: una revisión exhaustiva de los recursos" . Circulation: Cardiovascular Genetics . 2 (5): 530– 536. doi : 10.1161/CIRCGENETICS.109.872010 . ISSN 1942-325X . PMC 2789466. PMID 20031630 .   
  76. Malhis N, Jones SJ, Gsponer J (abril de 2019). "Medidas mejoradas para la conservación evolutiva que explotan las distancias taxonómicas" . Nature Communications . 10 (1) 1556. Bibcode : 2019NatCo..10.1556M . doi : 10.1038/s41467-019-09583-2 . PMC 6450959. PMID 30952844 .  
  77. Nawar Malhis; Matthew Jacobson; Steven JM Jones; Jörg Gsponer (2020). "LIST-S2: Clasificación taxonómica de mutaciones de sentido erróneo perjudiciales en diferentes especies" . Nucleic Acids Research . 48 (W1): W154– W161. doi : 10.1093/nar/gkaa288 . PMC 7319545. PMID 32352516 .  
  78. "Vista de SNPViz - Visualización de SNP en proteínas" . genomicscomputbiol.org . doi : 10.18547/gcb.2018.vol4.iss1.e100048 . Archivado del original el 7 de agosto de 2020. Consultado el 20 de octubre de 2018 .
  79. Ofoegbu TC, David A, Kelley LA, Mezulis S, Islam SA, Mersmann SF, et al. (junio de 2019). "PhyreRisk: una aplicación web dinámica para conectar datos genómicos, proteómicos y estructurales 3D para guiar la interpretación de variantes genéticas humanas" . Journal of Molecular Biology . 431 (13): 2460– 2466. doi : 10.1016/j.jmb.2019.04.043 . PMC 6597944. PMID 31075275 .   
  80. Ittisoponpisan S, Islam SA, Khanna T, Alhuzimi E, David A, Sternberg MJ (mayo de 2019). "¿Pueden las estructuras 3D de proteínas predichas proporcionar información fiable sobre si las variantes de sentido erróneo están asociadas a enfermedades?" . Journal of Molecular Biology . 431 (11): 2197– 2212. doi : 10.1016/j.jmb.2019.04.009 . PMC 6544567 . PMID 30995449 .  

Lecturas adicionales

  • "Glosario" . Reseñas de la naturaleza .
  • Información del Proyecto Genoma Humano – Hoja informativa sobre SNP
  • Recursos del NCBI Archivados el 2 de septiembre de 2013 en Wayback Machine : Introducción a los SNP del NCBI
  • El Consorcio SNP LTD – Búsqueda de SNP
  • Base de datos dbSNP del NCBI : "un repositorio central para sustituciones de nucleótidos de una sola base y polimorfismos cortos de deleción e inserción".
  • HGMD – la base de datos de mutaciones genéticas humanas – incluye mutaciones raras y SNP funcionales.
  • GWAS Central : una base de datos central de resultados de asociación genética a nivel de resumen.
  • Proyecto 1000 Genomas : Un catálogo exhaustivo de la variación genética humana
  • WatCut archivado el 18/06/2007 en Wayback Machine : una herramienta en línea para el diseño de ensayos SNP-RFLP.
  • SNPStats archivado el 13/10/2008 en Wayback Machine : SNPStats, una herramienta web para el análisis de estudios de asociación genética.
  • Página principal de restricción : un conjunto de herramientas para la restricción de ADN y la detección de SNP, incluido el diseño de cebadores mutagénicos.
  • Hoja informativa sobre los SNP de la Asociación Estadounidense para la Investigación del Cáncer
  • PharmGKB – La base de datos de conocimientos sobre farmacogenética y farmacogenómica, un recurso para los SNP asociados con la respuesta a los fármacos y los resultados de las enfermedades.
  • GEN-SNiP archivado el 19/01/2010 en Wayback Machine : herramienta en línea que identifica polimorfismos en secuencias de ADN de prueba.
  • Reglas para la nomenclatura de genes, marcadores genéticos, alelos y mutaciones en ratones y ratas.
  • Directrices de HGNC para la nomenclatura de genes humanos
  • Predictor de efectos de SNP con integración de galaxias
  • Open SNP : un portal para compartir los resultados de tus pruebas SNP.
  • dbSAP archivado el 20/12/2016 en Wayback Machine : base de datos de SNP para la detección de variaciones de proteínas.