Genome Med：中科院北京生科院赵方庆团队发表识别非编码区致病性变异的新成果
2018-07-12 佚名 中国生物技术网
如何解读与复杂疾病有关的遗传变异，尤其是非编码区变异，是疾病遗传学领域的一个巨大挑战。现有方法在评估非编码区致病性变异方面存在着假阳性率过高、敏感度不够等问题。该研究首次提出一种全新的基于人群等位基因频率谱的监督集成算法（PAFA），实现对复杂疾病和性状相关的遗传变异进行打分识别及功能性评估。
2018年7月11日，国际学术期刊Genome Medicine发表了中国科学院北京生命科学研究院赵方庆团队题为“Prioritization and functional assessment of noncoding variantsassociated with complex diseases”的最新研究成果。如何解读与复杂疾病有关的遗传变异，尤其是非编码区变异，是疾病遗传学领域的一个巨大挑战。现有方法在评估非编码区致病性变异方面存在着假阳性率过高、敏感度不够等问题。该研究首次提出一种全新的基于人群等位基因频率谱的监督集成算法（PAFA），实现对复杂疾病和性状相关的遗传变异进行打分识别及功能性评估。
为了解决现有方法在识别非编码区功能性变异方面面临的灵敏度低、可靠性差的问题，PAFA算法引入了丰富的知识库，包括基因组注释、进化保守度指标和人口水平特征。特别是新引入的人群等位基因频率特征值，使得PAFA可以通过计算固定指数和离散度得分，对群体内部及群体间的差异性和多样性进行评估，从而能够在大量的背景变异中有效识别出与复杂疾病有关的功能性变异。此外，PAFA更加合理有效地对训练集进行了数据清洗。它从ClinVar、***基因组计划和GWASdb等多个权威数据库中获取训练数据，并针对不同来源的变异采取了多重过滤策略。
通过一系列综合测评分析，PAFA无论对于编码区还是非编码区的变异，都表现出更为出色的功能评估效果。尤其是对于非编码区致病变异的识别方面，比现有方法拥有更高的敏感度和特异度。通过对不同训练特征进行留一法交叉验证，发现群体等位基因频率特征的引入，可以显着提高对非编码区致病变异的识别效率。此外，合理地整合和清洗多种训练集，将会在区分癌症相关的频发变异（recurrent variant）和非频发变异方面取得更好的效果。
该工作由赵方庆课题组的研究生周琳完成，得到了国家自然科学基金委和中国科学院的经费支持。
PAFA的方法流程
原始出处：Lin Zhou, Fangqing Zhao. Prioritization and functional assessment of noncoding variants associated with complex diseases. Genome Medicine.2018
作者：佚名
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#致病性#
37
#新成果#
53
#中科院#
41
#非编码#
39
#变异#
44