在确定主导性遗传性视网膜疾病的病原体变异中使用in-silico工具的比较分析
Daniel C Brock1,2, Meng Wang1, Hafiz Muhammad Jafar Hussain1
1Department of Molecular and Human Genetics, Baylor College of Medicine, One Baylor Plaza, Houston, TX 77030, United States.
Human molecular genetics
|March 7, 2024
概括
这项研究确定了像MutScore和BayesDel这样的顶级计算工具,用于预测自身主导性遗传视网膜疾病中的致病变体. 这些工具有助于改善罕见失明疾病的遗传诊断.
科学领域:
- 遗传学 遗传学 是一个
- 眼科医生 眼科 眼科
- 生物信息学是一种生物信息学.
背景情况:
- 遗传性视网膜疾病 (IRD) 是一种罕见的遗传性疾病,导致失明.
- 自体主导性 (AD) IRDs的分类是具有挑战性的,因为遗传异质.
研究的目的:
- 确定最准确的in-silico工具来预测AD IRD变体的病原性.
- 通过使用计算分类器来确定变种致病率的值.
主要方法:
- 来自ClinVar的注释变体和对IRD基因的39个变体分类器工具进行基准测试.
- 使用曲线下面积 (AUC) 分析来评估工具性能.
- 评估了使用基因组测序对IRD不明原因患者的顶级工具.
主要成果:
- 对于AD基因,MutScore获得了最高的准确性 (AUC为0.969).
- 贝叶斯Del在AD功能增益和主导负变异中显示了最高的准确性 (AUC 0.997).
- 在五名参与者中确认了致病变体,确定了GUCA1A和RHO的两种新型变体.
结论:
- 建议使用使用先进误解变异预测工具的多分类器方法来诊断AD IRD.
- 这些发现增强了遗传视网膜疾病患者的遗传诊断能力.


