使用深度突变扫描对变异效应预测者的更新基准测试
Benjamin J Livesey1, Joseph A Marsh1
1MRC Human Genetics Unit, Institute of Genetics and Cancer, University of Edinburgh, Edinburgh, UK.
Molecular systems biology
|June 13, 2023
概括
深度突变扫描 (DMS) 为评估变异效应预测器 (VEP) 提供了一种不那么偏见的方法. 蛋白质语言模型和监督VEP显示有希望,DMS数据与临床变异识别相关.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 蛋白质科学 蛋白质科学
背景情况:
- 评估变异效应预测器 (VEP) 性能受到临床数据基准测试偏差的挑战.
- 之前的工作建立了深度突变扫描 (DMS) 作为VEP评估的独立数据源.
研究的目的:
- 用独立的深度突变扫描 (DMS) 数据对26种人类蛋白质进行55种变异效应预测器 (VEP) 的基准测试.
- 评估VEP和DMS数据集在病原和良性误解变异之间区分的性能.
- 评估数据循环性和偏差对VEP绩效的影响.
主要方法:
- 使用26个人类蛋白质的DMS数据对55个VEP进行基准分析,最大限度地减少数据循环性.
- 使用无监督的方法 (EVE,DeepSequence,ESM-1v) 和监督的方法 (VARITY).
- 评估VEP和DMS在分类已知的致病性与假定良性误解变异中的表现.
主要成果:
- 没有监督的VEP,特别是蛋白质语言模型ESM-1v,以及像VARITY这样的监督VEP显示出强的表现.
- 在变种分类中,DMS数据集的性能差异很大.
- 观察到VEP与DMS数据的一致性及其识别临床相关变异的能力之间存在强烈的相关性.
结论:
- 使用DMS数据的独立基准测试对于公正的VEP评估至关重要.
- 蛋白质语言模型和监督VEP正在推进,解决了数据循环性问题.
- DMS数据显示了用于验证VEP性能和识别临床显著变异的实用性.


