基于基因的高通量功能测试对临床变异分类的基因校准
Daniel Zeiberg1, Malvika Tejura2, Abbye E McEwen2,3,4
1Khoury College of Computer Sciences, Northeastern University, Boston, MA 02115, USA.
bioRxiv : the preprint server for biology
|July 14, 2025
概括
这项研究引入了高通量功能性试验数据的新校准方法,改善了对不确定意义的遗传变异的分类,以便更好地进行临床诊断.
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.
- 临床诊断 临床诊断 临床诊断
背景情况:
- 高通量功能测试对于分类具有不确定的意义的遗传变异至关重要.
- 目前的临床指南依赖于功能性检测得分的固定值,缺乏严格的校准.
- 这限制了在变种分类中对功能数据的准确解释.
研究的目的:
- 开发和评估一种用于校准连续高通量功能测试数据的新方法.
- 建立一种更严格的方法,在临床变异分类中使用功能数据作为证据.
- 提高孟德尔疾病遗传诊断的准确性.
主要方法:
- 采用了使用多样本偏正常混合分布的统计模型.
- 该模型共同分析了同名,gnomAD,致病性和良性变体的试验分数分布.
- 一个受约束的预期最大化算法被用于模型学习,确保单调的病原性后期.
主要成果:
- 开发的方法准确地捕捉了来自14个基因的24个数据集的测试分数分布.
- 计算了变体特定的证据强度,与当前的统一值相比,提供了更好的分类.
- 该方法显示了重新分类具有不确定的意义的变异的潜力.
结论:
- 拟议的校准方法提供了一种更严格的方式来解释临床变异分类中的功能性试验数据.
- 这一进步可以导致更准确的遗传诊断和更好的患者管理孟德尔乱.
- 该方法为提高功能基因组学在精准医学中的实用性提供了一条途径.
