通过深度学习驱动的基因组分析剖析肌痛性脑筋炎/慢性疲劳综合征的遗传复杂性
Sai Zhang1,2,3, Fereshteh Jahanbani1, Varuna Chander1
1Department of Genetics, Center for Genomics and Personalized Medicine, Stanford University School of Medicine, Stanford, CA, USA.
概括
研究人员开发了HEAL2,这是一种用于肌痛性脑膜炎/慢性疲劳综合征 (ME/CFS) 遗传分析的深度学习工具. 该框架预测了ME/CFS风险,并确定了关键基因,为这种复杂的疾病提供了潜在的诊断和治疗见解.
科学领域:
- 遗传学 是一个遗传学.
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 肌痛性脑筋炎/慢性疲劳综合征 (ME/CFS) 是一种复杂的系统性疾病,其机制未知,没有有效的治疗方法.
- 关键症状包括持续的疲劳,炼后不适 (PEM),认知障碍和睡眠障碍.
研究的目的:
- 介绍一个新的深度学习框架HEAL2,用于多站点ME/CFS全基因组分析.
- 识别ME/CFS风险基因并了解它们的功能相关性.
- 探索ME/CFS和其他复杂疾病之间的遗传相关性.
主要方法:
- 利用一种新的深度学习框架 (HEAL2) 来对ME/CFS患者进行全基因组分析.
- 进行模型解释,以确定不耐受功能丧失 (LoF) 突变的ME/CFS风险基因.
- 在患者衍生多组数据上进行了转录组,网络和泛表型分析.
主要成果:
- 根据罕见变异和与特定症状相关的遗传风险,HEAL2证明了ME/CFS的预测价值.
- 确定了115个ME/CFS风险基因,在ME/CFS患者的各种组织中观察到减少表达,包括中枢神经系统和免疫细胞.
- 揭示了ME/CFS与抑郁症和长期COVID-19等疾病之间的遗传相关性.
结论:
- HEAL2作为一种潜在的ME/CFS遗传诊断工具.
- 这些发现提高了对ME/CFS遗传,分子和细胞基础的理解,提出了新的治疗点.
- 在其他复杂疾病中,HEAL2框架广泛适用于罕见变异分析.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.1K
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
3.9K
