A framework for the interpretation of de novo mutation in human disease.
A framework for the interpretation of de novo mutation in human disease.
复制标题
DOI：
10.1038/ng.3050
复制
发表时间：
2014-09
期刊：
影响因子：
30.8
通讯作者：
Daly, Mark J.
中科院分区：
文献类型：
--
作者：
Samocha, Kaitlin E.;Robinson, Elise B.;Sanders, Stephan J.;Stevens, Christine;Sabo, Aniko;McGrath, Lauren M.;Kosmicki, Jack A.;Rehnstrom, Karola;Mallick, Swapan;Kirby, Andrew;Wall, Dennis P.;MacArthur, Daniel G.;Gabriel, Stacey B.;DePristo, Mark;Purcell, Shaun M.;Palotie, Aarno;Boerwinkle, Eric;Buxbaum, Joseph D.;Cook, Edwin H., Jr.;Gibbs, Richard A.;Schellenberg, Gerard D.;Sutcliffe, James S.;Devlin, Bernie;Roeder, Kathryn;Neale, Benjamin M.;Daly, Mark J.
自发产生（“新生”）的突变在医学遗传学中起着重要作用。对于具有广泛基因座异质性的疾病——例如自闭症谱系障碍（ASD）——来自新生突变（DNM）的信号分布在许多基因中，这使得很难将与疾病相关的突变与背景变异区分开来。我们通过校准一个新生突变模型，为分析每个基因和基因组的新生突变过量情况提供了一个统计框架。我们将这个框架应用于从1078个自闭症谱系障碍三联体中收集到的新生突变，并且——在确认功能丧失（LoF）突变具有重要作用的同时——发现在智商高于100的病例中没有过量的新生功能丧失突变，这表明新生突变在自闭症谱系障碍中的作用可能在于基本的神经发育过程。我们还使用我们的模型来识别大约1000个在非自闭症谱系障碍样本中明显缺乏功能性编码变异且在自闭症谱系障碍病例中鉴定出的新生功能丧失突变富集的基因。
Spontaneously arising (‘de novo’) mutations play an important role in medical genetics. For diseases with extensive locus heterogeneity – such as autism spectrum disorders (ASDs) – the signal from de novo mutations (DNMs) is distributed across many genes, making it difficult to distinguish disease-relevant mutations from background variation. We provide a statistical framework for the analysis of DNM excesses per gene and gene set by calibrating a model of de novo mutation. We applied this framework to DNMs collected from 1,078 ASD trios and – while affirming a significant role for loss-of-function (LoF) mutations – found no excess of de novo LoF mutations in cases with IQ above 100, suggesting that the role of DNMs in ASD may reside in fundamental neurodevelopmental processes. We also used our model to identify ~1,000 genes that are significantly lacking functional coding variation in non-ASD samples and are enriched for de novo LoF mutations identified in ASD cases.
登录
查看更多内容
影响因子：
16.2
作者：
Iossifov I;Ronemus M;Levy D;Wang Z;Hakker I;Rosenbaum J;Yamrom B;Lee YH;Narzisi G;Leotta A;Kendall J;Grabowska E;Ma B;Marks S;Rodgers L;Stepansky A;Troge J;Andrews P;Bekritsky M;Pradhan K;Ghiban E;Kramer M;Parla J;Demeter R;Fulton LL;Fulton RS;Magrini VJ;Ye K;Darnell JC;Darnell RB;Mardis ER;Wilson RK;Schatz MC;McCombie WR;Wigler M
通讯作者：
Wigler M
影响因子：
30.8
作者：
通讯作者：
--
使用下一代 DNA 测序数据进行变异发现和基因分型的框架。
影响因子：
30.8
作者：
通讯作者：
--
影响因子：
64.8
作者：
Sanders, Stephan J.;Murtha, Michael T.;Gupta, Abha R.;Murdoch, John D.;Raubeson, Melanie J.;Willsey, A. Jeremy;Ercan-Sencicek, A. Gulhan;DiLullo, Nicholas M.;Parikshak, Neelroop N.;Stein, Jason L.;Walker, Michael F.;Ober, Gordon T.;Teran, Nicole A.;Song, Youeun;El-Fishawy, Paul;Murtha, Ryan C.;Choi, Murim;Overton, John D.;Bjornson, Robert D.;Carriero, Nicholas J.;Meyer, Kyle A.;Bilguvar, Kaya;Mane, Shrikant M.;Sestan, Nenad;Lifton, Richard P.;Guenel, Murat;Roeder, Kathryn;Geschwind, Daniel H.;Devlin, Bernie;State, Matthew W.
通讯作者：
State, Matthew W.
影响因子：
4.5
作者：
Petrovski S;Wang Q;Heinzen EL;Allen AS;Goldstein DB
通讯作者：
Goldstein DB