机器学习优化自动化RH基因型化,使用全外因组测序数据进行全外因组测序
Ti-Cheng Chang1, Jing Yu2, Zhaoming Wang3
1Center for Applied Bioinformatics, St. Jude Children's Research Hospital, Memphis, TN.
Blood advances
|March 24, 2024
概括
使用全外体序列测序 (WES) 准确的Rh基因型预测对于预防状细胞病 (SCD) 患者的非免疫化至关重要. 通过机器学习优化RHtyper,提高了Rh基因定型的WES准确性,提高了输血安全.
科学领域:
- 遗传学 是一个遗传学.
- 免疫学 免疫学 免疫学
- 血液学 血液学 血液学
背景情况:
- 状细胞病 (SCD) 患者由于复杂的Rh基因多样性而面临免疫风险.
- 血清类型测定对于精确的Rh匹配是不够的,需要先进的基因造型方法.
- 全基因组测序 (WGS) 提供了准确的Rh基因型定型,但成本高昂;全外因组测序 (WES) 更容易获得,但在技术上具有挑战性.
研究的目的:
- 适应和优化RHtyper算法,以使用整个外体序列 (WES) 数据准确预测Rh基因型.
- 与WGS相比,提高从WES数据中Rh基因型鉴定的准确性和一致性.
- 增强Rh基因型匹配输血中精准医学的潜力,用于SCD患者.
主要方法:
- 开发了RHtyper,这是一个自动化算法,用于从测序数据中预测Rh基因型.
- 针对WES数据进行了RHtyper调整,解决了覆盖范围不均和读取错位等挑战.
- 利用机器学习模型从WES数据中优化Rh基因型预测准确度.
- 在SCD患者和癌症幸存者的WES数据上验证了优化的RHtyper算法.
主要成果:
- 优化的RHtyper在SCD患者中实现了RHD (97.2%) 和RHCE (98.2%) 的WES和WGS预测之间的高一致性.
- 在大量癌症幸存者的验证显示了高的一致率 (RHD: 96.3%,RHCE: 94.6%).
- 机器学习显著提高了使用WES数据的Rh预测的准确性.
结论:
- 优化的RHtyper准确地从WES数据中预测Rh基因型,克服WES特定的挑战.
- 这一进步为Rh基因型定型提供了更容易获得和更精确的方法.
- 实施RHtyper可以促进Rh基因型匹配输血,提高SCD和其他风险人群的患者安全.
