沃尔夫拉姆综合征神经表现的表型相关性:西班牙队列中的预测建模
Gema Esteban-Bueno1,2, Luisa-María Botella3, Juan Luis Fernández-Martínez4
1UGC La Cañada (Primary Care Management Unit), Almería Periphery-Almería Health District, Andalusian Health Service (SAS), 04009 Almería, Spain.
Diagnostics (Basel, Switzerland)
|December 30, 2025
概括
沃尔夫拉姆综合征 (WS) 的神经症状是由WFS1基因变异预测的. 机器学习将蛋白质功能障碍和等位基相互作用确定为早期和严重疾病的关键驱动因素.
科学领域:
- 遗传学 是一个遗传学.
- 神经学 神经学
- 罕见疾病 罕见疾病
背景情况:
- 沃尔夫拉姆综合征 (WS) 是一种罕见的神经内分泌疾病.
- 由WFS1基因变异引起,导致神经,自主和认知障碍.
- 现型变异性使预测神经学轨迹变得复杂.
研究的目的:
- 用遗传数据预测WS中的神经症状.
- 为了确定症状严重程度的遗传决定因素.
- 开发一个准确诊断和风险分层的框架.
主要方法:
- 评估了45名遗传确认的WS患者.
- 分类WFS1变种根据外体,体,功能影响和狼胺产量.
- 应用随机森林机器学习模型与基因-基因相互作用术语.
主要成果:
- 93%的患者患有神经系统问题,最常见的是吐反射缺失,步态不稳定,消化不良和腹.
- 截断变种的同卵性和完整的狼胺损失预测了早期的严重神经问题.
- 机器学习模型准确地预测了,步态不稳定和反射缺失 (AUC 0.63-0.86).
结论:
- 整合遗传分类和机器学习可以准确预测WS的神经结果.
- 蛋白质水平功能障碍和等位基相互作用是神经脆弱性的主要驱动因素.
- 该框架支持个性化监测和治疗试验设计.


