通过利用机器学习的表型预测和功能信息来改善与酒精问题相关的罕见变体的发现
bioRxiv : the preprint server for biology
|September 25, 2023
概括
在ADH1C基因的罕见变异与酒精使用障碍 (AUD) 有关. 机器学习增强了样本大小和功能权重,提高了这一遗传调查的统计能力.
科学领域:
- 遗传学 是一个遗传学.
- 药物基因组学 药物基因组学
- 计算生物学 计算生物学
背景情况:
- 酒精使用障碍 (AUD) 是一种具有重大社会影响的遗传性疾病.
- 全基因组关联研究 (GWAS) 已经确定了常见变异,但由于样本规模有限,罕见变异关联仍未得到充分探索.
结论:
- 提供了在AUDIT-P.中ADH1C基因罕见变异参与的证据.
- 证明了ML在增加遗传研究样本大小方面的实用性.
- 强调了整合常见变异GWAS数据的有效性,以生成罕见变异发现的功能权重.
更多相关视频
00:06In Vivo Functional Study of Disease-associated Rare Human Variants Using Drosophila
Published on: August 20, 2019
13.7K
11:35Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA
Published on: August 21, 2016
13.0K
