acmgscaler:一个R包和Colab用于在ACMG/AMP框架内的标准化基因水平变异效应得分校准
Mihaly Badonyi1, Joseph A Marsh1
1MRC Human Genetics Unit, Institute of Genetics and Cancer, University of Edinburgh, Edinburgh EH4 2XU, United Kingdom.
这项研究引入了一个新的算法和R包,acmgscaler,将从变异效应测试和预测器的功能分数转换为用于临床变异分类的标准化证据强度. 这提高了临床环境中基因变异解释的准确性.
科学领域:
- 基因组医学是基因组医学.
- 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:
- 最近一项全基因组的变异效应校准方法与美国医学遗传学与基因组学学院 (ACMG) 和分子病理学协会 (AMP) 的指导方针一致.
- 虽然全基因组方法是有用的,但需要基因和特定环境的校准,以提高变体分类的准确性.
- 现有的方法需要改进,以有效地将各种功能数据集成到临床变异解释框架中.
研究的目的:
- 开发一种算法,将变异效应多重测试 (MAVEs) 和计算变异效应预测器 (VEPs) 的功能评分转换为标准化的ACMG/AMP证据强度.
- 创建一个强大的方法,确保在各种基因和得分分布之间保持一致的性能,避免过度匹配.
- 为研究人员和临床医生提供可访问的工具,以校准定制数据集,以改进变种分类.
主要方法:
- 开发了一种新的算法,将MAVE和VEP功能分数转化为ACMG/AMP证据优势.
- 确保从输入数据对所有变量进行自适应性确定,以进行无偏的校准.
- 创建了一个轻量级的R包和一个Google Colab笔记本 (acmgscaler) 以便于用户友好的实现.
主要成果:
- 该acmgscaler算法在不同的基因和分数分布中提供一致的性能.
- 所有变量都是从输入数据中自适应性地确定的,防止过拟合,并确保对证据强度的经验支持.
- R包和Google Colab笔记本有助于对定制数据集进行校准,将MAVE/VEP与临床分类相结合.
结论:
- 开发的算法框架和acmgscaler工具有效地弥合了功能变体效应数据和临床可行的变体分类之间的差距.
- 这种方法提高了临床实践中遗传变异解释的准确性和可靠性.
- R包和Google Colab笔记本的可用性促进了标准化变体效应校准的更广泛采用和应用.
更多相关视频
08:27Large-Scale Multi-Omics Genome-Wide Association Studies Mo-GWAS: Guidelines for Sample Preparation and Normalization
Published on: July 27, 2021
04:58Author Spotlight: Investigating the Role of Repetitive DNA Misregulation in Cancer Initiation and Immunotherapy Resistance
Published on: December 13, 2024
相关概念视频
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Comparing Copy Number Variations and SNPs
Copy number variations or CNVs are the structural variations that cover more than 1kb of DNA sequence. The single nucleotide polymorphism (SNP), on the other hand, is a single nucleotide change or a point mutation that is found in more than 1%...
Improving Translational Accuracy
Improving Translational Accuracy
Calibration Curves: Correlation Coefficient
Genomics
