一种整合性评分方法来优先考虑罕见的自闭症谱系障碍候选变异从整个外体序列数据的候选变异
Apurba Shil1,2,3, Noa Arava2, Noam Levi1,2,3
1Department of Epidemiology, Biostatistics and Community Health Sciences, Faculty of Health Sciences, Ben-Gurion University of the Negev, Beer Sheva, Israel.
Scientific reports
|April 15, 2025
概括
AutScore.r是一个新的算法,有效地从整个外因组测序数据中优先考虑自闭症谱系障碍 (ASD) 候选变体,改善诊断产量和识别新型ASD基因.
科学领域:
- 遗传学 是一个遗传学.
- 生物信息学是一种生物信息学.
- 神经发育障碍 神经发育障碍
背景情况:
- 整体外体测序 (WES) 产生复杂的数据,用于识别自闭症谱系障碍 (ASD) 候选变体.
- 目前用于变体优先级的方法是耗时和劳动密集的.
- 准确识别临床相关变异对于ASD诊断至关重要.
研究的目的:
- 开发和评估AutScore,这是一个集成算法,用于从WES数据中优先考虑ASD候选变体.
- 将AutScore的性能与临床专家评级和另一个优先级算法 (AutoCaSc) 进行比较.
- 评估AutScore.r在ASD临床遗传学管道中的潜力.
主要方法:
- 开发了AutScore和AutScore.r算法来对ASD候选变体进行排名.
- 专注于与ASD或神经发育障碍 (NDD) 相关的基因中的罕见变异 (频率<1%).
- 根据致病性,临床相关性,基因与疾病的关联以及遗传模式,分配的变异得分.
- 在441名ASD试验者中评估了1161种罕见变异,使用了来自581名ASD试验者及其父母的WES数据.
主要成果:
- AutScore.r,截止值≥0.335,在检测临床相关的ASD变异方面表现优于AutoCaSc和AutScore.
- 实现了85%的检测准确率和10.3%的整体诊断收益率.
- 确定了五个新的ASD候选基因,其中包含具有AutScore.r分数≥0.335.r的变体.
结论:
- AutScore.r是一个有效的自动排名系统,用于ASD候选变体.
- 该算法可以在临床遗传学管道中实现,以帮助ASD诊断.
- AutScore.r提高了ASD研究的WES数据中变异优先级的效率和准确性.


