14 czerwca Choroba wieńcowa: rzadkie warianty genetyczne wykorzystujące model uczenia maszynowego

MedicalResearch.com Wywiad z:

Bena Petrazziniego

Ben Omega Petrazzini, licencjat
Współpracownik Bioinformatyk
Laboratorium Rona Do

Doktor Ron Do

Doktor Ron Do.
Profesor zwyczajny, Katedra Genetyki i Nauk Genomicznych
Dyrektor, Centrum Analityki Danych Genomowych
Zastępca dyrektora ds. akademickich Instytutu Medycyny Personalizowanej im. Charlesa Bronfmana
Charles Bronfman profesor medycyny spersonalizowanej
Icahn School of Medicine na górze Synaj

MedicalResearch.com: Jakie jest tło tego badania?

Odpowiedź: Rzadkie warianty kodujące bezpośrednio wpływają na funkcję białek i mogą informować o roli genu w chorobie.

Odkrycie rzadkich powiązań wariantów kodujących chorobę wieńcową (CAD) jak dotąd przyniosło jedynie ograniczony sukces. W badaniach genetycznych zazwyczaj wykorzystuje się standardowe podejście do fenotypowania w celu klasyfikacji przypadków w porównaniu z grupą kontrolną CAD. Jednak to podejście polegające na fenotypowaniu nie pozwala na uchwycenie postępu choroby ani nasilenia choroby u poszczególnych osób.

Niedawno wprowadziliśmy skalę in-silico dla CAD (ISCAD), która śledzi progresję CAD, nasilenie, niezdiagnozowanie i śmiertelność (Forrest i wsp. Nazwa naukowego czasopisma medycznego, 2023, PMID 36563696). ISCAD zbudowano przy użyciu modelu uczenia maszynowego trenowanego na danych klinicznych z elektronicznych kart zdrowia (EHR). Co ważne, ISCAD to wynik ilościowy, który mierzy CAD w widmie. Ilościowy charakter wyniku daje możliwość odkrycia dodatkowych rzadkich powiązań wariantów kodowania, które mogły nie zostać wykryte przy użyciu standardowego podejścia do fenotypowania kontroli przypadków.

W tym badaniu przeprowadziliśmy na dużą skalę badanie asocjacji rzadkich wariantów w sekwencjach egzomów 604 915 osób dla ISCAD, wyniku opartego na uczeniu maszynowym dla CAD.

MedicalResearch.com: Czy jest to model, który można włączyć do istniejących profili genetycznych lub dokumentacji medycznej?

Odpowiedź: ISCAD wykorzystuje kody diagnostyczne, recepty na leki, wyniki badań laboratoryjnych i pomiary parametrów życiowych z EHR do przewidywania diagnozy CAD.

W związku z tym ISCAD można obliczyć w dowolnym biobanku z danymi EHR. Po obliczeniu ISCAD można przeprowadzić analizę asocjacji genetycznych za pomocą ISCAD.

MedicalResearch.com: Co czytelnicy powinni wynieść z Twojego raportu?

Odpowiedź: W badaniu zidentyfikowano rzadkie i bardzo rzadkie warianty kodujące w 17 genach powiązanych z ISCAD. Znanych jest kilka z tych genów i stwierdzono, że są one powiązane z cechami lipidów i lipoprotein. Jednak inne geny były nowe. Dalsze badania tych genów dostarczą biologicznego i mechanistycznego wglądu w ich rolę w chorobie.

MedicalResearch.com: Jakie masz zalecenia dotyczące przyszłych badań wynikających z tego badania?

Odpowiedź: Badanie to sugeruje, że wyniki oparte na uczeniu maszynowym stanowią uzupełniające podejście do fenotypowania w badaniach asocjacji genetycznych. Przyszłe badania obejmują bardziej funkcjonalną charakterystykę nowych genów odkrytych w tym badaniu i przeprowadzenie rzadkich testów asocjacji wariantów za pomocą ISCAD w dodatkowych biobankach różnych przodków powiązanych z EHR.

Żadnych ujawnień

Cytat:

Petrazzini, BO, Forrest, IS, Rocheleau, G. i in. Analiza sekwencji egzomu pozwala zidentyfikować rzadkie warianty kodowania powiązane z opartym na uczeniu maszynowym markerem choroby wieńcowej. Nat Genet (2024).

Informacje na stronie MedicalResearch.com służą wyłącznie celom edukacyjnym i w żaden sposób nie mają na celu diagnozowania, leczenia ani leczenia jakichkolwiek schorzeń lub innych schorzeń.

Niektóre linki mogą być sponsorowane. Produkty nie są zatwierdzone.

Zawsze zasięgnij porady swojego lekarza lub innej wykwalifikowanej osoby i zadawaj mu wszelkie pytania dotyczące stanu zdrowia. Oprócz wszystkich innych ograniczeń i zastrzeżeń wynikających z niniejszej umowy, usługodawca i jego dostawcy zewnętrzni zrzekają się wszelkiej odpowiedzialności lub strat związanych z treściami udostępnianymi na tej stronie.

Ostatnia aktualizacja: 14 czerwca 2024 r. przez Marie Benz MD FAAD

73