基于结构的网络分析预测了与遗传性视网膜疾病相关的人类蛋白质的病原变异

科学领域:

• 基因组学和生物信息学
• 结构生物学 结构生物学
• 眼科医生 眼科 眼科

背景情况:

• 基因测序可以识别变异,但缺乏确定致病性的工具.
• 遗传性视网膜疾病 (IRD) 基因疗法需要精确识别引起疾病的变体.
• 现有的误解预测工具通常依赖于特定的结果数据.

研究的目的:

• 应用基于结构的网络分析 (SBNA) 来识别IRD中容易引起疾病的误解突变的残留物.
• 用已确定的疾病蛋白和深度突变发生的数据来验证SBNA的疗效.
• 在IRD患者中发现新的致病变体,其遗传原因不明.

主要方法:

• 基于结构的网络分析 (SBNA) 基于结构的第一原则.
• 与BRCA1,HRAS,PTEN和ERK2.2的深度突变发生的数据进行相关性分析.
• 适用于47个具有晶体结构数据的IRD基因,与ClinVar.对比验证.
• 机器学习模型结合SBNA,BLOSUM62和EVE分数来预测变异性病原性.

主要成果:

• 在验证蛋白中,SBNA得分与深度突变发生的数据有很强的相关性.
• 在47个IRD基因中,SBNA可靠地确定了致病变体.
• 使用SBNA的预测模型在新型IRD变异中获得了0.851的AUC.
• 结合EVE评分可以提高模型性能,AUC为0.927.
• 在63名IRD患者中,在40名患者中确定了可能的致病变体.

结论:

• SBNA是一种强大的,公正的方法,用于识别人类蛋白质中引起疾病的变体.
• SBNA可以帮助预测导致IRD的变异,促进遗传诊断.
• 这种方法有望在遗传性视网膜疾病中推进基因治疗目标.