ClinPrior:通过基于网络的优先排序来进行诊断和新基因发现的算法
Agatha Schlüter1,2, Valentina Vélez-Santamaría1,2,3, Edgard Verdura1,2
1Neurometabolic Diseases Laboratory, Bellvitge Biomedical Research Institute (IDIBELL), Hospital Duran i Reynals, Gran Via 199, L'Hospitalet de Llobregat, Barcelona, 08908, Spain.
Genome medicine
|September 7, 2023
概括
新的算法ClinPrior通过分析患者表型的基因组数据来增强罕见疾病诊断. 它在现实病例中实现了70%的诊断产量,识别了新的疾病基因并改善了患者的治疗结果.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 罕见疾病 罕见疾病
背景情况:
- 全外体测序 (WES) 和全基因组测序 (WGS) 对于诊断罕见的孟德尔遗传疾病至关重要.
- 现有的诊断算法经常与不完整的基因表型数据扎,缺乏现实世界的验证.
- 需要更快,更灵敏的算法来提高罕见病患者的WES/WGS诊断产量.
研究的目的:
- 开发和验证ClinPrior,这是一个新的算法,用于从WES/WGS数据中优先考虑候选因果变异.
- 通过将患者表型信息与互动组网络分析相结合,提高罕见遗传疾病的诊断产量.
- 识别与疾病相关的新型基因,并增强对遗传性性 (HSP) 和小脑 (CA) 的理解.
主要方法:
- 开发了ClinPrior算法,该算法使用标准化的表型特征 (人类表型本体学术语) 排名候选变体.
- 采用基于互动组网络的方法来进行数据传播和变异优先级.
- 在合成队列上对ClinPrior进行了基准测试,并对135个患有HSP和/或CA的家庭进行了测试.
主要成果:
- 在现实世界的一组罕见病患者中,ClinPrior实现了70%的阳性诊断收益率.
- 确定了10个与罕见疾病相关的新型候选基因,其中7个功能验证.
- 为HSP/CA疾病生成了特定的交互原子,促进了未来的诊断和基因发现.
结论:
- 通过整合表型和相互作用组数据,ClinPrior有效地改善了临床基因组诊断.
- 该算法有助于识别非典型的疾病表现,并预测新的引起疾病的基因.
- ClinPrior有助于增加诊断产量,缩短诊断旅程,并促进对人类遗传疾病的理解.
