特定于BRCA1的机器学习模型能够高准确度地预测变体的致病性
Mohannad Khandakji1,2, Hind Hassan Ahmed Habish3, Nawal Bakheet Salem Abdulla3
1Division of Genomics and Translational Biomedicine, College of Health and Life Sciences, Hamad Bin Khalifa University, Doha, Qatar.
Physiological genomics
|June 19, 2023
概括
一个新的机器学习模型准确地预测了BRCA1变异的致病性,有助于评估乳腺癌风险. 该工具在卡塔尔患者中识别了潜在有害的BRCA2变异,以便进一步研究.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 新型BRCA1变异的临床注释落后于识别,需要先进的计算工具来准确评估风险.
- 乳腺癌风险受到BRCA1和BRCA2基因的生殖基因突变的影响.
- 不确定意义的变异 (VUS) 在临床遗传测试和患者管理中带来了挑战.
研究的目的:
- 开发一种专门的机器学习模型,用于预测所有BRCA1变异的致病性.
- 应用开发的BRCA1模型和以前的BRCA2模型来评估卡塔尔乳腺癌患者的VUS.
- 提高BRCA变异的临床解释,改善乳腺癌风险分层.
主要方法:
- 一个XGBoost机器学习模型是使用变量特征 (位置,频率,后果) 和in silico预测分数开发的.
- 该模型经过训练和验证,使用由生殖系突变等位基解释证据网络 (ENIGMA) 联盟分类的BRCA1变体.
- 性能进一步评估在一个独立的错误的VUS组与实验确定的功能分数.
主要成果:
- 该BRCA1模型在预测ENIGMA分类变异的致病性方面取得了高准确性 (99.9%).
- 该模型在预测独立错误VUS.US组的功能后果方面表现强 (93.4%准确率).
- 这些模型从BRCA Exchange数据库中确定了2,115种潜在的致病性BRCA1变异,以及卡塔尔患者中的四种潜在的致病性BRCA2变异.
结论:
- 开发的BRCA1机器学习模型对于预测变体致病性非常有效,解决了临床注释中的关键差距.
- 将BRCA特异型模型应用于卡塔尔乳腺癌患者时,没有发现致病性BRCA1变体,但突出显示了潜在的致病性BRCA2变体进行验证.
- 这些计算工具为改善遗传风险评估和指导乳腺癌患者的临床管理提供了重大潜力.
