基于图表的推算方法及其对单个捐赠者和家庭的应用

科学领域:

• 免疫遗传学 免疫遗传学
• 计算生物学 计算生物学
• 移植科学 移植科学

背景情况:

• 造血干细胞 (HSCT) 和器官移植的成功在很大程度上依赖于人类白细胞抗原 (HLA) 和捐赠者和接受者之间的等位基因匹配.
• 低分辨率的HLA类型和缺失/模两可的等位基因需要准确的归算方法来确定高分辨率的哈普洛型.
• 现有的归算算法需要预定义的单元型频率,因此需要对归算和频率生成进行强大的分阶段步骤.

研究的目的:

• 开发用于准确的HLA单元型和基因型归因的新算法.
• 通过利用图形结构和纳入多种族和家庭信息来改进HLA分阶段和归算.
• 通过跨种族信息共享来增强HLA单元型频率估计.

主要方法:

• 开发了一种基于图形的方法来解释候选HLA阶段,并使用部分和一致的单元类型来解决模糊性.
• 引入GRIMM (图表推算和匹配) 用于HLA推算,扩展到MR-GRIMM (多种族GRIMM) 用于组合多种族数据.
• 拟议的GRAMM (GRaph-bAsed faMily iMputation) 用于家族谱系数据和MR-GRIMME (MR-GRIMM EM) 集成一个预期最大化算法来估计单元型频率.

主要成果:

• 开发的算法 (MR-GRIMM,GRAMM,MR-GRIMME) 与现有方法相比显示出明显提高的准确性.
• 在匹配预测方面,MR-GRIMM取得了很高的准确性,而GRAMM在以最小的分阶段错误归因家庭成员方面表现出色.
• 与当前的算法相比,MR-GRIMME提供了较高的概率来估计类型频率,有效地跨种族共享信息.

结论:

• 基于图形的新型算法在HLA归算准确性和哈普洛型频率估计方面提供了实质性的改进.
• 多种族和家族数据的整合提高了归算性能,这对于多元化捐助池和基于家庭的研究至关重要.
• 这些工具 (MR-GRIMM,MR-GRIMME,GRAMM) 可作为可访问的服务器和独立版本提供,以促进在移植和遗传研究中的更广泛应用.