MSeqDR Quick-Mitome (QM):结合表型导向变体解释和机器学习分类器,以帮助进行初级线粒体疾病遗传诊断

科学领域:

• 遗传学和基因组学 遗传学和基因组学
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 初级线粒体疾病 (PMD) 由于其复杂的遗传基础,涉及核和线粒体DNA,因此存在诊断挑战.
• 现有的诊断工具往往缺乏对PMD双基因组性质的全面分析.
• 自动化变体解释对于罕见疾病的有效遗传诊断至关重要.

研究的目的:

• 引入线粒体疾病序列数据资源联盟 (MSeqDR) 快速线粒体 (QM) 平台,用于自动化,表型驱动,双基因组变体解释.
• 通过整合核和线粒体DNA分析来增强原发性线粒体疾病 (PMD) 的遗传诊断.
• 介绍开发的线粒体疾病变体 (MDV) 分类器的性能,以预测变体的病原性.

主要方法:

• 开发了Quick-Mitome (QM),这是一个基于Web的平台,集成了全外因组测序 (WES) 数据,人类现象型本体学 (HPO) 术语和血统信息.
• 实施了Exomiser用于核变异分析,并增加了mtDNA特异性分析,包括哈普洛组预测和异质体计算.
• 开发和训练了线粒体疾病变体 (MDV) 分类器,使用XGBoost对120多个特征进行变体致病性预测.

主要成果:

• 质量管理提供快速分析 (每10万个变体2-20分钟),并根据多个标准对变体进行排名,包括等位基因频率,表型-基因关联和功能影响.
• MDV分类器在分类核基因变异方面达到>98%的准确性,在预测导致PMD的变异方面达到94%的准确性.
• QM生成全面的报告,包括标准的Exomiser结果和集成mtDNA分析,促进双基因组诊断方法.

结论:

• MSeqDR QM 平台为双基因组分析提供了一个开放式访问的,以表型为驱动的解决方案,大大有助于初级线粒体疾病的遗传诊断.
• 该MDV分类器表现出高准确度和精度,提高了PMD变异病原性预测的可靠性.
• 质量管理是全球线粒体疾病社区的宝贵资源,支持研究和提高诊断能力.