使用在线工具预测致病性误解变异的In-Silico方法:AURKA基因作为模型
Eric Jonathan Maciel-Cruz1,2, Luis Eduardo Figuera-Villanueva1,2, Liliana Gómez-Flores-Ramos3
1Doctorado en Genética Humana, Instituto de Genética Humana "Dr. Enrique Corona Rivera", Centro Universitario de Ciencias de la Salud (CUCS), Universidad de Guadalajara (UdG), Guadalajara, Jalisco, México.
Iranian journal of biotechnology
|September 2, 2024
概括
在分析提供了一个快速,免费的方法来识别潜在的致病性单核酸变体. 这项研究提出了一种使用AURKA基因来预测变体致病性的计算方法,有助于进一步的研究.
科学领域:
- 基因组学就是基因组学.
- 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:
- 在分析提供了一个快速,简单和无成本的方法来识别潜在的致病性单核酸变体.
- 预测变异性病原性对于理解遗传疾病至关重要.
研究的目的:
- 提出一种简单,快速和无成本的方法,用于使用in-silico (IS) 工具预测变异性病原性.
- 利用AURKA基因作为开发和验证这种预测方法的模型.
主要方法:
- 从Ensembl数据库中对209个AURKA变体进行计算分析.
- 使用各种生物信息工具预测蛋白质模型和变异性致病性.
- 预测结果与VarSome网站和美国医学遗传学学院 (ACMG) 分类的比较.
主要成果:
- 在209个分析的变体中,16个被预测为致病性,其中13个位于催化领域.
- 氨酸和甘氨酸的替代是最常见的致病变化,经常导致氨基酸大小和疏水性修改.
- 生物信息工具预测了功能影响,包括改变蛋白质表达,分子相互作用和结构变化.
结论:
- 拟议的in-silico方法可以快速且无成本地选病原潜力变异.
- 这种方法有助于识别后续关联和功能研究的变体.
- 该方法在遗传研究中优先考虑感兴趣的变异方面表现有前途.


