Genetics of single-cell protein abundance variation in large yeast populations
许多DNA序列变异通过改变基因表达来影响表型。我们对这些变异的理解受到当前研究的样本量和mRNA而不是蛋白质丰度测量的限制。我们开发了一个强大的方法来确定遗传位点,影响蛋白质表达的非常大的群体的酿酒酵母。该方法通过使用绿色荧光蛋白标签来测量单细胞蛋白质丰度。我们将这种方法应用于160个基因,每个基因检测到的位点比以前的研究多得多。我们还观察到影响蛋白质丰度的基因座和影响给定基因mRNA丰度的基因座之间更密切的对应关系。大多数基因座聚集在影响多种蛋白质的热点位置-在某些情况下,超过一半的研究。构成这些热点的变异体对基因调控网络有着深远的影响,并提供了对酵母菌株之间细胞生理学遗传变异的深入了解。
2013-07-25 q-bio.GN
Some mathematical refinements concerning error minimization in the genetic code
与随机选择的代码相比,遗传密码已经显示出非常的错误鲁棒性,但是与通过启发式算法找到的特定代码相比,错误鲁棒性明显较低。我们制定这个优化问题作为一个二次分配问题,从而验证了代码的启发式找到的是全局最优的。我们还认为,这是强烈的误导比较的遗传密码只与代码从固定块模型采样,因为真正的代码空间是数量级更大。因此,我们将随机码的采样空间从大约2.433 × 10^18个码扩大到大约5.908 × 10^45个码。我们通过离开固定的块模型,并使用摆动规则来制定遗传密码可接受的特征。通过放宽更多限制,还建造了三个更大的空间。使用修改后的误差函数,发现遗传密码是更错误的鲁棒性相比,随机生成的代码的背景下,随着空间大小的增加。我们指出,这些结果并不一定意味着代码在进化过程中优化错误最小化,但其他机制可以解释这种错误鲁棒性。
2010-07-26 q-bio.GN q-bio.QM
Integrating Large Language Models for Genetic Variant Classification
Oncodesign Precision Medicine(昂科赛格精准医学公司)
本研究整合GPN-MSA、ESM1b和AlphaMissense等大型语言模型,利用DNA和蛋白质序列及结构数据,在ProteinGym和ClinVar数据集上提升遗传变异致病性分类的准确性和可靠性,尤其改善了对意义不确定变异的处理。
2024-11-07 cs.AI cs.LG q-bio.GN
A frequentist test of proportional colocalization after selecting relevant genetic variants
本研究提出了一种频率学派的比例共定位条件检验方法prop-coloc-cond,通过考虑变异选择的不确定性来恢复准确的I型错误控制,仅需遗传关联汇总数据即可实现,可作为贝叶斯共定位检验的有力补充。
2024-02-19 q-bio.GN stat.ME
A genetic variant near olfactory receptor genes influences cilantro preference
香菜植物的叶子,被称为香菜或香菜,被广泛用于世界各地的许多美食。然而,香菜远非一种良性的烹饪药草,它可以两极分化-许多人喜欢它,而另一些人则声称它的味道或气味很臭,通常像肥皂或污垢。这种辛辣或刺激性的香气主要归因于香菜中存在的几种醛。胡荽偏好被怀疑有遗传成分,但迄今为止还不知道具体的机制。在这里,我们展示了一项全基因组关联研究的结果,研究对象是14,604名欧洲血统的参与者,他们报告了香菜是否尝起来像肥皂,并在一组11,851名参与者中进行了复制,这些参与者声称他们是否喜欢香菜。我们发现一个单核苷酸多态性(SNP)显着相关的肥皂味检测,证实了香菜偏好组。该SNP rs72921001(p=6.4e-9,每个A等位基因的比值比为0.81)位于11号染色体上的嗅觉受体基因簇内。在这些嗅觉受体基因中,OR 6A 2对几种醛具有高度的结合特异性,这些醛赋予香菜特有的气味。我们还估计了我们的队列中香菜肥皂味检测的遗传率,表明由常见SNP标记的遗传率较低,约为0.087。这些结果证实了香菜味觉感知存在遗传成分,并表明香菜的厌恶可能源于嗅觉受体的遗传变异。我们建议,OR 6A 2可能是嗅觉受体,有助于检测从欧洲人群中的香菜的soprene气味。
2012-09-10 q-bio.GN
Fungal Genetic Variants in Oceanic Environments
本研究分析了不同海洋采样站点的海洋真菌宏转录组数据,评估三个核心基因,发现其遗传变异与海水中铁、盐和磷酸盐环境条件存在潜在关联。
2025-03-03 q-bio.GN q-bio.PE
DeepBD: A Grounded Agentic Workflow for Variant Prioritization and Diagnosis of Genetic Birth Defects
College of Computer Science and Technology, Zhejiang University, Hangzhou, China(浙江大学计算机科学与技术学院,杭州,中国)
提出DeepBD,一种结合LLM、预训练证据引擎和专家模块的智能体工作流,用于遗传性出生缺陷的变异优先级排序和诊断,在内部基准上优于现有方法。
2026-06-24 cs.AI q-bio.GN
An Efficient Sufficient Dimension Reduction Method for Identifying Genetic Variants of Clinical Significance
The University of Texas School of Public Health(德克萨斯大学公共卫生学院)
快速和更便宜的下一代测序技术将产生前所未有的大规模和高维度的基因组和表观基因组变异数据。在不久的将来,医疗记录的常规部分将包括测序的基因组。一个基本的问题是如何有效地提取临床实用的基因组和表观基因组变体,这将为最佳健康和干扰策略提供信息。用于识别临床有效性的变体的传统范例是测试变体的关联。然而,显著相关的遗传变异可能对疾病的诊断和预后有用,也可能没用。寻找预测效用的遗传变异的关联研究的替代方法是系统地搜索包含足够的表型预测信息的变异。为了实现这一目标,我们引入了足够的降维和坐标假设的概念,将原始的高维数据投影到非常低维的空间,同时保留所有关于响应表型的信息。然后,我们制定了临床上显着的遗传变异发现问题稀疏SDR问题,并开发算法,可以选择显着的遗传变异,从高达甚至千万的预测与SDR的帮助下,为整个基因组划分成一些subSDR问题定义的基因组区域。稀疏SDR反过来被公式化为稀疏最优评分问题,但具有可以从基矩阵中移除行向量的惩罚。为了加快计算速度,我们提出了一种改进的交替方向乘子法来求解稀疏最优评分问题,该方法易于并行实现。为了说明其应用,将所提出的方法应用于模拟数据和NHLBI的外显子组测序项目数据集
2013-01-15 cs.LG q-bio.GN stat.ML
Ask2Me VarHarmonizer: A Python-Based Tool to Harmonize Variants from Cancer Genetic Testing Reports and Map them to the ClinVar Database
生殖系基因组检测的普及导致了大量变异水平数据的积累。不同实验室的变体名称并不总是一致的,并且不容易映射到公共变体数据库(如ClinVar)。需要一种可以自动化变异协调和映射过程的工具,以帮助临床医生确保他们的变异解释是准确的。方法:我们提出了一个基于Python的工具,Ask2Me VarHarmonizer,它结合了数据清理,名称协调和四次尝试映射到ClinVar程序。我们应用这个工具来映射从11个临床实践中收集的试点数据集的变体。在有和没有转录本信息的情况下评估定位结果。研究结果:使用Ask2Me VarHarmonizer,6027个变体条目中的4728个(78%)成功映射到ClinVar,对应于3699个可映射的独特变体。加上1099个独特的不可映射的变异,最终确定了总共4798个独特的变异。其中427人(9%)有多个名字,其中343人(7%)在实践中有多个名字。在有和没有转录本信息的情况下观察到99%的映射一致性。结论:Ask2Me VarHarmonizer聚合和构建变体数据,协调名称,并将变体映射到ClinVar。执行协调消除了来自不同来源的变体的歧义和冗余。
2019-11-19 q-bio.GN q-bio.QM
Population Fitness and Genetic Load of Single Nucleotide Polymorphisms Affecting mRNA splicing
有害的遗传变异可以使用基于信息论的识别位点序列分析作为数量性状进行评估。为了评估这些变体的影响,改变结合位点亲和力的SNP的适合度和遗传负荷来自个体信息和等位基因频率的变化。改变mRNA剪接的人类SNP根据其遗传负荷进行划分。具有高遗传负荷(> 0.5)的SNP在基因组中是常见的,并且在许多情况下,预测的效应得到基因表达研究的支持。
2011-07-04 q-bio.GN q-bio.PE
Wavelet-based genetic association analysis of functional phenotypes arising from high-throughput sequencing assays
了解遗传变异如何影响细胞水平的过程是了解它们如何影响重要的生物体水平特征或“表型”(包括人类疾病易感性)的重要一步。为此,科学家们正在进行大规模的遗传关联研究,旨在确定与分子和细胞表型相关的遗传变异,如基因表达,转录因子结合或染色质可及性。这些研究使用高通量测序分析(例如RNA-seq,ChIP-seq,DNase-seq)来获得关于每个样品中性状如何沿基因组变化的高分辨率数据。然而,典型的关联分析无法利用这些高分辨率的测量,而是以较粗的分辨率聚合数据,例如基因或固定长度的窗口。在这里,我们开发和应用统计方法,更好地利用高分辨率数据。其关键思想是将序列数据视为测量沿基因组变化的潜在“功能”,然后基于小波的功能数据分析方法,测试遗传变异与潜在功能之间的关联。应用这些方法来识别与染色质可及性(dsQTL)相关的遗传变异,我们发现,它们识别出的关联比简单的基于窗口的分析要多得多,总共我们识别出772个未被原始分析识别出的新dsQTL。
2013-07-27 q-bio.GN stat.ME
Integrated analysis of variants and pathways in genome-wide association studies using polygenic models of disease
许多常见疾病是高度多基因的,由大量遗传因素调节,对疾病易感性的影响很小。这些小的影响很难在遗传关联研究中可靠地映射。为了解决这个问题,研究人员已经开发出一种方法,可以聚合相关基因集(如生物学途径)的信息,以识别富含与疾病相关的遗传变异的基因集。然而,这些方法未能回答一个关键问题:哪些基因和遗传变异与疾病风险相关?我们开发了一种基于稀疏多元回归的方法,该方法同时识别丰富的途径,并优先考虑这些途径中的变体,以定位与疾病易感性相关的其他变体。我们的方法的一个核心特征是对富集强度的估计,这产生了一种连贯的方式来优先考虑富集途径中的变体。我们在克罗恩病的全基因组关联研究中说明了我们方法的益处,该研究对约4700名研究受试者进行了约440,000种遗传变异的基因分型。我们获得了对IL-12、IL-23和其他细胞因子信号通路富集的强有力支持。此外,优先考虑这些丰富的途径中的变异产生了对其他疾病相关变异的支持,所有这些变异都已在克罗恩病的其他病例对照研究中独立报道。
2012-08-21 q-bio.GN q-bio.QM stat.AP
Proteome-wide prediction of mode of inheritance and molecular mechanism underlying genetic diseases using structural interactomics
本研究提出一种整合图神经网络、结构相互作用组学与拓扑网络特征的图中图方法,利用蛋白互作网络和高分辨率蛋白结构,实现蛋白质组水平的常染色体遗传病遗传模式预测与显性相关蛋白功能分类,为解析遗传病机制提供可扩展方案。
2025-03-14 q-bio.GN q-bio.QM
Predicting the genetic component of gene expression using gene regulatory networks
本研究提出一种结合基因调控网络(GRN)的基因表达遗传成分预测新方法,通过两步贝叶斯网络建模整合局部与远端遗传变异影响,在多组数据上优于传统局部变异方法,为TWAS相关研究提供新见解。
2024-08-16 q-bio.GN q-bio.MN q-bio.QM
Learning from Data-Rich Problems: A Case Study on Genetic Variant Calling
New York University(纽约大学);Google(谷歌)
下一代测序可以对整个基因组(WGS)或编码蛋白质的1-2%的基因组进行采样,称为全外显子组(WES)。用于变异检测的机器学习方法在WGS数据中实现了高准确度,但是训练示例的数量减少导致仅用WES数据进行训练实现了较低的准确度。我们提出并比较了三种不同的数据增强策略来提高WES数据的性能:1)使用WES和WGS数据进行联合训练,2)从WGS模型温启动WES模型,3)使用指定的排序类型进行联合训练。所有这三种方法都显示出比仅使用WES数据训练的模型更高的准确性,这表明模型能够从更大的WGS数据中概括见解,同时保留专门的WES问题的性能。这些数据增强方法可能适用于基因组学中的其他问题领域,其中几个专门的模型只能看到基因组的一个子集。
2019-11-15 cs.LG q-bio.GN
Bayesian Neural Networks for Genetic Association Studies of Complex Disease
从大型遗传关联研究中发现因果遗传变异带来了许多困难的挑战。评估哪些遗传标记参与决定性状状态是一项计算要求很高的任务,特别是在存在基因-基因相互作用的情况下。本文提出了一种贝叶斯神经网络形式的非参数贝叶斯方法,用于分析遗传关联研究。对合成和真实数据的演示表明,他们能够有效和准确地确定哪些变异参与确定病例对照状态。使用图形处理单元(GPU),构建这些模型所需的时间减少了几个数量级。与检测遗传相互作用的常用方法相比,贝叶斯神经网络在广泛的可能遗传关系中表现非常好,同时具有处理大型数据集所需的计算效率。
2014-04-16 q-bio.GN stat.AP stat.ML
Fast permutation tests and related methods, for association between rare variants and binary outcomes
在大规模遗传关联研究中,主要目的是测试遗传变异与疾病结果之间的关联。感兴趣的变体通常是罕见的,并且在受试者中以低频率出现。在这种情况下,基于标准渐近结果的统计检验不能充分控制第一类错误率,尤其是在病例:控制比不平衡的情况下。在本文中,我们提出了使用置换和近似无条件测试测试与罕见的变体。我们使用新的分析计算,以有效地近似真实的第一类错误率下常见的研究设计,并在数值研究表明,所提出的类的测试显着提高标准的测试方法。我们还说明了我们的方法,在数据从最近的病例对照研究,遗传原因的严重副作用的一种常见的药物治疗。
2017-12-18 q-bio.GN stat.ME
GV-Rep: A Large-Scale Dataset for Genetic Variant Representation Learning
Imperial College London(帝国理工学院);Vector Institute(向量研究院);University Health Network(大学健康网络);Hospital for Sick Children(病童医院);University of Toronto(多伦多大学)
本文提出大规模遗传变异数据集 GV-Rep,含700万条记录及多类临床与实验注释,并通过预训练 GFM 实验揭示其在准确 GV 表征上的显著能力差距。
2024-12-05 cs.LG q-bio.GN
Correspondence on ACMG STATEMENT: ACMG SF v3.0 list for reporting of secondary findings in clinical exome and genome sequencing: a policy statement of the American College of Medical Genetics and Genomics (ACMG) by Miller et al
我们有兴趣阅读最近更新的关于临床测序中报告次要结果的建议1,以及随附的应寻求次要结果的基因更新列表(ACMG SF v3.0)2。虽然作者相当详细地讨论了不完全突变的挑战,但我们担心这些建议并没有完全传达与遗传性心肌病相关的基因变异的不确定性程度,这些基因占该列表的近四分之一。由于突变是不完全的,并且与年龄有关,发现携带变异的个体通常需要监测,而不是一次性的明确诊断评估。目前缺乏证据证明机会性筛查的益处、危害和医疗成本。
2022-03-09 q-bio.GN
Reliable reconstruction of HIV-1 whole genome haplotypes reveals clonal interference and genetic hitchhiking among immune escape variants
在传播之后,HIV-1会演变成一个多样化的群体,下一代测序使我们能够检测到低频率发生的变异。迄今为止,在全基因组水平上研究病毒进化是不可能的,因为下一代测序提供相对较短的读数。我们在这里提供了一个原理证明,即整个HIV-1基因组可以从短读段可靠地重建,并使用它来研究在全基因组单倍型水平上选择免疫逃逸突变。使用逼真的模拟HIV-1人群,我们证明了重建完整的基因组单倍型是可行的高保真。我们并不重建所有遗传上不同的基因组,但每个重建的单倍型代表了HIV-1人群中的一个或多个准种。然后,我们从单个HIV-1感染患者纵向采样的已发表的短序列读取中重建了30个全基因组单倍型。我们通过验证我们预测的单倍型基因与单基因组扩增序列,并通过比较单倍型频率与观察到的表位逃逸频率,确认重建的可靠性。系统发育分析表明,HIV-1群体经历了选择驱动的进化,病毒群体被新的优势毒株连续取代。我们证明了免疫逃逸突变体以依赖的方式进化,各种突变与其他突变一起搭车。由于这种克隆干扰,选择系数必须估计完整的单倍型,而不是个人的免疫逃逸。
2013-09-26 q-bio.GN q-bio.PE
Effect of Genetic Variation in a Drosophila Model of Diabetes-Associated Misfolded Human Proinsulin
基因-基因相互作用的鉴定和验证是人类研究中的一个主要挑战。在这里,我们探讨了一种方法,研究上位性在人类使用果蝇模型的新生儿糖尿病。突变的前胰岛素原hINSC 96 Y在眼内椎间盘中的表达模拟了人类疾病激活保守的细胞应激反应途径,导致细胞死亡和眼面积减少。来自果蝇遗传学参考小组的野生衍生近交系中的显性作用变体产生了眼变性表型的连续的、高度可遗传的分布。在154个测序品系中进行的全基因组关联研究(GWAS)在16个位点中鉴定出29个候选SNP,P < 10-5,包括在无硫酸盐(sfl)基因的内含子中的一个SNP,其超过了P = 0.05水平的保守全基因组显著性阈值(-log 10 P > 7.62)。RNAi敲低sfl以muplas-hINS依赖性方式增强眼变性表型。SFL编码糖胺聚糖硫酸化所需的蛋白质,硫酸乙酰肝素。硫酸乙酰肝素(HS)生物合成途径中的另外两个基因(tout velu,tttv和tout velu的兄弟,botv)也改变了眼睛表型,表明HS修饰的蛋白质与细胞对错误折叠蛋白质的反应之间存在联系。最后,标记QTL的内含子变体与sfl表达降低相关,这一结果与RNAi研究预测的结果一致。在果蝇中创建人类遗传疾病模型的能力,通过GWAS将QTL定位到特定基因(和非编码变体),用可用的遗传资源验证其对疾病的贡献,并通过实验将变体与分子机制联系起来,证明果蝇在确定人类疾病的遗传基础…
2013-05-27 q-bio.GN q-bio.PE
A Quadratically Regularized Functional Canonical Correlation Analysis for Identifying the Global Structure of Pleiotropy with NGS Data
研究遗传变异的多效性可以增加统计功效,为深入了解疾病的复杂遗传结构提供重要信息,并为设计具有更少副作用的有效治疗方法提供强大工具。然而,目前的多表型关联分析范式缺乏广度(同时联合分析的表型和遗传变异的数量)和深度(表型和基因型的层次结构)。高维多效性分析的一个关键问题是有效地从高维基因型和表型数据中提取信息的内部表示和特征。为了探索遗传变异的多层次表征,了解疾病发展中涉及的内部模式,并克服推进遗传多效性分析的新统计方法和计算算法发展的关键障碍,我们提出了一种称为二次正则化功能CCA(QRFCCA)的关联分析新框架,它结合了三种方法:(1)二次正则化矩阵分解,(2)函数数据分析和(3)典型相关分析(CCA)。大规模的模拟表明,QRFCCA有一个更高的权力比9个竞争的统计,同时保留适当的类型1错误。为了进一步评估性能,将QRFCCA和其他九个统计量应用于TwinsUK研究的全基因组测序数据集。我们使用QRFCCA鉴定了与46个性状显著相关的79个具有罕见变异的基因和67个具有常见变异的基因。结果表明,QRFCCA大大优于其他九个统计。
2016-09-16 q-bio.GN stat.ME
DYNA: Disease-Specific Language Model for Variant Pathogenicity
Cedars-Sinai Medical Center(西达斯-西奈医学中心)
针对基因组基础模型缺乏疾病特异性导致临床应用受限的问题,提出DYNA框架,通过Siamese神经网络对预训练模型进行疾病特异性微调,在心血管疾病和RNA剪接等任务上提升了罕见变异的预测准确性并具备良好泛化能力。
2024-05-31 cs.AI q-bio.GN
A New Statistical Framework for Genetic Pleiotropic Analysis of High Dimensional Phenotype Data
广泛使用的多表型遗传多效性分析通常被设计用于检查常见变体与少数表型之间的关系。它们不适合高维表型和高维基因型(下一代测序)数据。为了克服这些局限性,我们开发了稀疏结构方程模型(SEM)作为一个通用的框架,一个新的范式的遗传分析的多表型。为了将常见和罕见的变体纳入分析,我们将传统的多元SEM扩展到稀疏功能SEM。为了处理高维表型和基因型数据,我们采用函数数据分析和交替方向乘法(ADMM)技术来降低数据维数,提高计算效率。使用大规模的模拟,我们表明,所提出的方法有更高的权力,以检测真正的因果遗传多效性结构比其他现有的方法。仿真结果还表明,基于基因的多效性分析具有更高的权力比基于单一变量的多效性分析。所提出的方法适用于外显子组序列数据从NHLBI外显子组测序计划(ESP)与11个表型,它确定了一个网络与137个基因连接到11个表型和341个边缘。其中,114个基因显示出多效性遗传效应,45个基因被报道与分析中的表型或文献中的其他心血管疾病(CVD)相关表型相关。
2015-12-03 q-bio.GN stat.ME stat.ML
A U-Statistic-based random forest approach for genetic interaction study
Michigan State University(密歇根州立大学)
本文提出基于U统计量的随机森林方法Forest U-Test,用于数量性状的遗传交互作用研究,模拟实验表明其优于现有方法,并在大麻依赖研究中检测到显著联合关联且获得独立数据集重复验证。
2025-08-19 cs.AI cs.LG q-bio.GN
The standing pool of genomic structural variation in a natural population of Mimulus guttatus
进化遗传学中尚未解决的主要问题包括确定不同突变来源对物种遗传变异总库的贡献,以及了解这些不同形式的遗传变异如何与自然选择相互作用。最近的研究表明,结构变异(插入、缺失、倒位和转位)是遗传变异的主要来源,就受影响的总碱基而言,其数量往往超过单核苷酸变异。尽管结构变异几乎无处不在,但关于它们与自然选择相互作用的主要问题仍然存在。例如,当与单核苷酸变体相比时,结构变体的等位基因频率谱有何不同?结构变异影响基因的频率有多高,其后果是什么?为了开始解决这些问题,我们已经系统地确定和表征了一个大的集亚显微插入和缺失(indel)的变种(1 kb至200 kb的长度)之间的10个人从一个单一的自然种群的植物物种Mimulus guttatus。经过广泛的计算过滤,我们专注于一组4,142个高置信度indel,实验验证率为73%。除了一个之外,所有这些插入缺失都< 200 kb。虽然最大的插入缺失通常在群体中处于较低频率,但令人惊讶的是,大量的大插入缺失处于中间频率。虽然与基因重叠的indel比偶然预期的要罕见得多,但近600个基因受到indel的影响。NBS-LRR防御反应基因在受影响的基因家族中最丰富。大多数与基因相关的插入缺失是罕见的,似乎是在纯化选择,但我们确实发现了四个高频衍生的插入等位基因,显示最近的正选择的签名。
2013-08-19 q-bio.GN q-bio.PE
Integrating omics and MRI data with kernel-based tests and CNNs to identify rare genetic markers for Alzheimer's disease
Hasso Plattner Institute(哈索·普拉特纳研究所);Universität Potsdam(波茨坦大学);Max Delbrück Center for Molecular Medicine(马克斯·德尔布吕克分子医学中心)
对于精准医疗和个性化治疗,我们需要识别疾病的预测标志物。我们专注于阿尔茨海默病(AD),磁共振成像扫描提供有关疾病状态的信息。通过将成像与基因组测序相结合,我们的目标是识别与卷积神经网络(CNN)预测的数量性状相关的罕见遗传标记,这些标记传统上由专家手动得出。基于核的测试是关联遗传变异集的强大工具,但如何对罕见的遗传变异进行最佳建模仍然是一个开放的研究问题。我们提出了一套广义的内核,将先验信息从各种注释和多组学数据。在对阿尔茨海默病神经影像学倡议(ADNI)数据的分析中,我们评估了(i)CNN是否产生精确和可靠的大脑特征,以及(ii)基于核的新型测试是否有助于识别与AD相关的基因座。结果表明,CNN提供了一种快速,可扩展和精确的工具来获得定量AD性状,并且集成领域知识的新内核可以在非常罕见的变体的关联测试中产生更高的功效。
2019-03-05 cs.LG q-bio.GN stat.ML
Deep interpretability for GWAS
McGill University(麦吉尔大学);MILA - Quebec AI Institute(MILA - 魁北克人工智能研究所);Université Laval(拉瓦尔大学);Université de Montréal(蒙特利尔大学);Montreal Heart Institute(蒙特利尔心脏研究所);Facebook AI Research(Facebook人工智能研究院)
全基因组关联研究通常使用线性模型进行,以发现与常见疾病相关的遗传变异。在这些研究中,关联检验是在逐个变量的基础上进行的,可能会遗漏变量之间的非线性相互作用效应。深度网络可用于对这些相互作用进行建模,但它们很难在大型遗传数据集上进行训练和解释。我们提出了一种方法,该方法使用基于梯度的深度可解释性技术DeepLIFT来证明已知的糖尿病遗传风险因素可以使用深度模型以及可能的新关联来识别。
2020-07-03 cs.LG q-bio.GN stat.AP
A Semantic Model of Genetic Evidence: A Step Toward Bridging the Basic-Science-Clinic Gap
Harvard University(哈佛大学);IDEXX Laboratories(IDEXX实验室);Forome Association(Forome协会);Deggendorf Institute of Technology(德根多夫理工学院)
该研究提出适配基础与临床前研究的遗传证据语义模型,经6篇遗传学论文人机试点验证,为构建AI友好的可信变异解读基础设施提供了关键参考。
2026-09-07 cs.AI cs.DB q-bio.GN
BRCA Gene Mutations in dbSNP: A Visual Exploration of Genetic Variants
本研究通过计算分析 dbSNP 中 BRCA1/BRCA2 的 41,177 和 44,205 个突变,发现多数突变临床意义未知,且各外显子每碱基突变率相似,致病性内含子突变多位于剪接区附近。
2023-09-01 cs.DB q-bio.GN
Protein language model rescue mutations highlight variant effects and structure in clinically relevant genes
Stripe(Stripe公司)
尽管是自我监督的,但蛋白质语言模型在基本生物任务中表现出了卓越的性能,例如预测遗传变异对蛋白质结构和功能的影响。这些模型在不同任务集上的有效性表明,它们学习了对下游临床应用有用的适应度景观的有意义的表示。在这里,我们询问使用这些语言模型在表征已知的致病突变策划,医学上可操作的基因,通过一个详尽的搜索推定的补偿突变对每个变体的遗传背景。对这些补偿突变的预测效应的系统分析揭示了蛋白质的未被重视的结构特征,这些特征被其他结构预测因子如AlphaFold所错过。虽然深度突变扫描实验提供了突变景观的无偏估计,但我们鼓励社区生成和策划救援突变实验,以设计更复杂的共掩蔽策略,并更有效地利用大语言模型进行下游临床预测任务。
2022-11-18 cs.LG q-bio.GN
A brain-wide association study of DISC1 genetic variants reveals a relationship with the structure and functional connectivity of the precuneus in schizophrenia
精神分裂症基因1(DISC 1)在神经信号传导和发育中起作用,并与精神分裂症有关,尽管它与这种疾病中改变的大脑结构和功能的联系尚未完全建立。在这里,我们已经使用结构和功能磁共振成像研究与六个DISC 1单核苷酸多态性(SNP)的联系。我们采用全脑关联分析(BWAS)与Jacknife内部验证方法在46例精神分裂症患者和24名匹配的健康对照组。结构MRI的结果显示,所有6个DISC 1变异体与楔前叶、中央后回和扣带回中部的灰质体积之间存在显著相关性。在左侧楔前叶和右侧中央后回发现rs 2738880与特定SNP的关联,在右侧楔前叶和扣带回中部发现rs 1535530与特定SNP的关联。使用显示结构关联的区域作为种子,静息态功能连接分析显示所有6个SNPS之间的显着关联和右楔前叶和额下回之间的连接。右侧楔前叶和额下回之间的连接也与rs 821617特异性相关。重要的是,精神分裂症患者显示出与左侧楔前叶和右侧中央后回灰质体积相关的六个DISC-1 SNP与阴性症状严重程度之间正相关。我们的研究结果提供了第一个证据,表明DISC 1多态性和楔前叶之间的结构和功能连接关联在精神分裂症中的关键作用。
2014-06-08 q-bio.GN q-bio.NC q-bio.QM
ProPath: Disease-Specific Protein Language Model for Variant Pathogenicity
Cedars-Sinai Medical Center(西达赛奈医疗中心)
针对现有通用变异效应预测模型缺乏疾病特异性、临床适配性不足的问题,本研究提出疾病特异性蛋白质语言模型ProPath,通过孪生网络捕捉罕见错义变异的伪对数似然比,在心肌病和心律失常数据集上的AUC较ESM1b提升超5%,为疾病特异性变异效应预测提供了有效工具。
2023-11-08 cs.AI cs.LG q-bio.GN
Statistical Methods for cis-Mendelian Randomization with Two-sample Summary-level Data
孟德尔随机化是使用遗传变异来评估风险因素和关注结果之间因果关系的存在。在这里,我们专注于两个样本的摘要数据孟德尔随机化分析与许多相关的变异,从一个单一的基因区域,特别是顺式孟德尔随机化研究,使用蛋白质表达作为一个风险因素。此类研究必须依赖于来自研究区域的一小部分精心策划的变异体;使用该区域的所有变异体需要反演病态遗传相关矩阵,并导致数值上不稳定的因果效应估计。我们回顾了顺式孟德尔随机化中的变量选择和估计方法,包括逐步修剪和条件分析,主成分分析,因子分析和贝叶斯变量选择。在模拟研究中,我们表明,各种方法具有相当的性能,在分析大样本量和强大的遗传工具。然而,当弱仪器偏差被怀疑,因子分析和贝叶斯变量选择产生更可靠的推理比简单的修剪方法,这是经常在实践中使用。最后,我们检查两个案例研究,分别使用HMGCR和SHBG基因区域的变体评估LDL-胆固醇和血清睾酮对冠心病风险的影响。
2022-09-15 q-bio.GN q-bio.QM stat.AP
White paper: The Helix Pathogenicity Prediction Platform
Bio-Prodict;Radboud University Medical Center(拉德堡德大学医学中心)
在这篇白皮书中,我们介绍了Hestival,一种基于AI的错义致病性预测解决方案。随着人类基因组测序的最新进展,大量的遗传数据已经变得可用。这将遗传诊断和研究的劳动负担从收集数据转移到了解释数据。HSP70为预测人类错义变体的致病性提供了一个最先进的平台。除了提供同类最佳的预测性能外,Hessels还提供了一个平台,允许研究人员深入分析和解释可以在helixlabs.ai上访问的变体。
2021-05-03 cs.LG q-bio.GN
A Critical Review of the Impact of Candidate Copy Number Variants on Autism Spectrum Disorders
自闭症谱系障碍(ASD)是一种异质性神经发育障碍(NDD),由遗传、表观遗传和环境因素引起。基因组分析的最新进展已经发现了许多具有增加ASD易感性的常见和/或罕见突变的候选基因。此外,越来越多的证据表明,拷贝数变异(CNVs),单核苷酸多态性(SNP)和不寻常的从头变异以各种方式对神经发育途径产生负面影响。在自闭症患者中发现的拷贝数变异的总体比率为10%-20%,其中3%-7%可以通过细胞遗传学检测到。虽然最近已经研究了亚显微CNVs在ASD中的作用,但它们与基因组位点和基因的关联尚未得到适当的研究。本文就47个ASD相关CNV区域及其相关基因进行综述。在这里,我们确定了1,632个蛋白质编码基因和这些区域内的长非编码RNA(lncRNA)。其中,552个在脑中显著表达。使用SFARI的ASD相关基因列表,我们检测到17个包含至少一个已知ASD相关蛋白编码基因的区域。在剩余的30个区域中,我们鉴定了24个区域,其含有至少一个在小鼠突变体中具有脑富集表达和神经系统表型的蛋白质编码基因,以及一个在iPSC向神经元分化中具有脑富集表达和上调的lncRNA。我们的分析突出了CNV区域遗传病变的多样性,有助于ASD,并提供了新的遗传证据,lncRNA基因可能有助于ASD的病因。此外,发现的CNVs将是诊断设施,治疗策略和变异优先级研究的宝贵资源。
2023-03-06 q-bio.GN q-bio.NC
Preparing to Integrate Generative Pretrained Transformer Series 4 models into Genetic Variant Assessment Workflows: Assessing Performance, Drift, and Nondeterminism Characteristics Relative to Classifying Functional Evidence in Literature
Mass General Brigham Personalized Medicine(麻省总医院布里格姆个性化医学);Brigham and Women’s Hospital(布莱根妇女医院);Microsoft Corporation(微软公司)
本研究评估了GPT-4模型在遗传变异文献功能证据分类中的性能、不确定性和漂移,发现其表现适合辅助文章优先级排序,但引入临床流程需严格监控不确定性与漂移,不适用于自动化决策。
2024-02-16 cs.AI q-bio.GN
How Effectively Can Large Language Models Connect SNP Variants and ECG Phenotypes for Cardiovascular Risk Prediction?
University of New South Wales(新南威尔士大学);University of Surrey(萨里大学);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
本研究探索微调大型语言模型,利用高通量基因组遗传标记预测心脏疾病及CVD相关SNP,通过构建思维链推理任务生成疾病标签和临床推断,展现了LLMs在心血管疾病早期检测与个性化医疗中的潜力。
2025-08-10 cs.LG q-bio.GN
A powerful and efficient set test for genetic markers that handles confounders
用于测试变体集合(例如基因或途径内的一组罕见或常见变体)与复杂性状的关联的方法是重要的。特别是,集合测试允许集合内弱信号的聚合,可以捕获变体之间的相互作用,并减少多个假设测试的负担。到目前为止,这些方法并没有解决家庭相关性和人口结构的混淆问题,随着更大的数据集被用来增加权力,这个问题变得越来越重要。结果:我们介绍了一种新的方法来处理混杂因素的集合测试。我们的模型是基于线性混合模型,并使用两个随机效应-一个捕获的设置关联信号和一个捕获混淆。我们还介绍了两个随机效应模型的计算加速,使得这种方法即使对于非常大的队列也是可行的。使用该模型进行似然比检验和评分检验,我们发现前者在控制I型错误的同时产生更大的功效。将我们的方法应用于结构丰富的GAW 14数据表明,我们的方法成功地纠正了人口结构和家族相关性,而将我们的方法应用于15,000例克罗恩病病例对照队列表明,它还恢复了单变量分析无法恢复的基因。可用性:可以在http://mscompbio.codeplex.com上获得实现我们方法的基于Python的库
2013-04-08 q-bio.GN stat.AP stat.ML