创新的机器学习工具预测遗传变异的功能后果
在一项新颖的研究中，西奈山伊坎医学院的研究人员介绍了LoGoFunc，一种先进的计算工具，可预测整个基因组的致病性功能获得和丧失变异。
与主要关注功能丧失的当前方法不同，LoGoFunc 区分不同类型的有害突变，为不同疾病结果提供潜在有价值的见解。
遗传变异可以改变蛋白质功能，一些突变会增强活性或引入新功能(功能获得)，而另一些突变则会减弱或消除功能(功能丧失)。这些变化可能对人类健康和疾病治疗产生重大影响。
“目前可用的工具无法区分功能的获得和丧失，这促使我们开发 LoGoFunc。这很重要，因为这些变异对蛋白质活性的影响不同，从而影响疾病的结果。我们创建了一种创新工具，解决了该领域的关键空白，提供了一种实用的方法来在更大范围内理解遗传变异的功能后果，”共同高级通讯作者 Yuval Itan 说，博士，遗传学与基因组科学副教授，伊坎查尔斯·布朗夫曼个性化医疗研究所核心成员西奈山。
LoGoFunc 使用机器学习，该机器学习是在文献中确定的已知致病性功能获得性和功能性丧失突变的数据库上进行训练的。它考虑了 474 种广泛的生物学特征，包括 AlphaFold2 预测的蛋白质结构数据以及反映人类蛋白质相互作用的网络特征。研究人员表示，在人类基因突变数据库和 ClinVar 的数据集上进行测试后，LoGoFunc 在预测功能获得、功能丧失和中性变异方面表现出很高的准确性。
“除了个性化医疗之外，LoGoFunc 对药物发现、遗传咨询和加速基因研究也具有重要意义。它的可访问性促进了协作，并提供了整个人类基因组变异影响的全面视图，”共同高级通讯作者 Avner Schlessinger 博士、< /span>。 “因此，我们相信 LoGoFunc 有望实现精准医疗，使基于个人基因构成的更量身定制的治疗成为可能。”西奈山治疗发现中心副主任和药理学科学
研究人员警告说，虽然这些发现是向前迈出的重要一步，但将其转化为临床应用需要进一步验证并与其他医学信息整合。 LoGoFunc 的预测基于训练数据和固有假设。持续的验证工作对于获得可靠的结果至关重要。随着遗传数据的不断增长，完善 LoGoFunc 的功能并扩展其范围是未来研究的重点。
“通过弥合差距，该工具增强了我们对导致疾病的遗传变异的理解，为个性化治疗策略和药物发现铺平了道路，”该研究的第一作者、伊坎西奈山的博士生大卫·斯坦说。 “我们相信 LoGoFunc 将成为破译遗传变异功能后果的强大工具。虽然它的潜在应用非常广泛，但持续的验证工作将确保其对现实世界的影响。”
这篇论文的标题是“通过不同特征集的集成学习对致病性获得和丧失功能变异进行全基因组预测”。
除另有说明外，其余作者均为 Icahn Mount Sinai，他们是 Meltem Ece Kars 博士;吴一鸣，博士(伊坎西奈山和西华师范大学); Çiğdem Sevim Bayrak 博士;彼得·D·斯滕森，理学学士(卡迪夫大学);和 David N. Cooper 博士 (卡迪夫大学)。
版权声明：本文由用户上传，如有侵权请联系删除！