6288彩票

網站地圖 | 聯系我們 | English | 中國科學院
首 頁 概 況 機構設置 研究隊伍 研究中心 國際交流 院地合作 研究生培養 創新文化 相關研究所
 

 
現在位置:首頁>新聞動態>圖片新聞
北京生命科學研究院發表識別非編碼區致病性變異的新成果
發表日期: 2018-07-12 來源: 科研教育處
打印本頁 字號: 關閉

  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。现有的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。为了解决这一难题,中國科學院北京生命科学研究院赵方庆团队提出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),以實現對複雜疾病和性狀相關的遺傳變異進行打分識別及功能性評估。2018711日,該團隊的最新研究成果以“Prioritization and functional assessment of noncoding variants associated with complex diseases”爲題發表在國際學術期刊Genome Medicine上。 

  PAFA算法引入了豐富的知識庫,包括基因組注釋、進化保守度指標和人口水平特征。特別是新引入的人群等位基因頻率特征值,使得PAFA可以通過計算固定指數和離散度得分,對群體內部及群體間的差異性和多樣性進行評估,從而能夠在大量的背景變異中有效識別出與複雜疾病有關的功能性變異。此外,PAFA更加合理有效地對訓練集進行了數據清洗。它從ClinVar、千人基因組計劃和GWASdb等多個權威數據庫中獲取訓練數據,並針對不同來源的變異采取了多重過濾策略。此外,該團隊構建了一個友好的在線集成平台,訪問地址:http://159.226.67.237:8080/pafa。此平台不僅允許用戶利用PAFA對變異進行評估,而且通過整合豐富的功能組學數據,爲遺傳變異提供全面的功能性注釋。 

  通過一系列綜合測評分析,PAFA無論對于編碼區還是非編碼區的變異,都表現出更爲出色的功能評估效果。尤其是對于非編碼區致病變異的識別方面,比現有方法擁有更高的敏感度和特異度。通過對不同訓練特征進行留一法交叉驗證,發現群體等位基因頻率特征的引入,可以顯著提高對非編碼區致病變異的識別效率。此外,合理地整合和清洗多種訓練集,將會在區分癌症相關的頻發變異(recurrent variant)和非頻發變異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國科學院的经费支持。 

  論文鏈接

 

论文首頁

 

PAFA的方法流程

版权所有:中國科學院北京生命科学研究院
地址:中国.北京市朝阳区北辰西路1号院5号 邮编:100101
电话:(+86)10-64874346 传真:(+86)10-84504120
文保網安備案:1101050061