在COG4基因中存在双边先天性白内障的误解变异的基于深度学习的评估
Binghe Xiao1,2,3, Shaohua Zhang1,2,3, Maierdanjiang Ainiwaer1,2,3
1Eye Institute and Department of Ophthalmology, Eye & ENT Hospital, Fudan University, Shanghai, China.
BMJ open ophthalmology
|January 14, 2025
概括
像AlphaFold2这样的深度学习模型可以准确地预测COG4基因变异的蛋白质结构和病原性. 这有助于评估具有不确定的意义的变体,如p.Y714F,它显示了潜在的致病性.
科学领域:
- 基因组学和生物信息学
- 结构生物学 结构生物学
- 医学遗传学 医学遗传学
背景情况:
- 临床相关的COG4基因变异可能会对健康产生重大影响.
- 准确预测蛋白质结构和病原性对于理解变异效应至关重要.
- 深度学习工具为变量分析提供了新的方法.
研究的目的:
- 为了比较AlphaFold2 (AF2),Alpha Missense (AM) 和ThermoMPNN对COG4基因变异的蛋白质结构和病原性预测能力.
- 评估一种新的COG4变体 (p.Y714F),并将其与已知的致病变体进行比较.
主要方法:
- 使用AF2对临床相关的COG4误解变体进行蛋白质结构预测.
- 使用AM和ThermoMPNN进行致病性估计.
- 主要组件分析 (PCA) 用于汇总致病性指标并分析多个层面的变异.
主要成果:
- 鉴定了COG4变体的局部结构影响,包括形状变化和氨基酸极性变化.
- 证明了类似的蛋白质结构 (由AF2预测) 和类似的临床表型之间的相关性.
- 这种p.Y714F变体与与索尔·威尔逊综合征相关的已知致病变体 (p.G512R) 具有结构相似性,并具有共同的临床特征.
结论:
- 深度学习算法 (AF2,AM,ThermoMPNN) 对于预测不确定的意义变体 (VUS) 的结构影响和病原性非常有价值.
- 尽管COG4 p.Y714F变种被归类为VUS,但它表现出表明潜在致病性的特征,需要进一步调查.
