A combined functional annotation score for non-synonymous variants.
A combined functional annotation score for non-synonymous variants.
复制标题
DOI：
10.1159/000334984
复制
发表时间：
2012
期刊：
影响因子：
1.8
通讯作者：
Zeggini E
中科院分区：
文献类型：
--
作者：
Lopes MC;Joyce C;Ritchie GR;John SL;Cunningham F;Asimit J;Zeggini E
下一代测序技术为大规模基于序列的疾病关联研究提供了可能。解释全外显子组数据的一个主要挑战是预测哪些发现的变异是有害的或中性的。为了解决这个问题，我们开发了一种称为组合注释评分工具（CAROL）的评分，它结合了2种生物信息学工具的信息：PolyPhen-2和SIFT，以提高对非同义编码变体影响的预测。我们使用了加权Z方法，该方法结合了PolyPhen-2和SIFT的概率得分。我们定义了2个数据集对，使用db-SNP：'HGMD-PUBLIC'和1000 Genomes Project数据库的信息来训练和测试CAROL。训练对包括总共980个阳性对照（致病）和4，845个阴性对照（非致病）变体。供试品对由1，959个阳性对照品和9，691个阴性对照品组成。CAROL对非同义变体的影响具有比每个单独的注释工具（PolyPhen-2和SIFT）更高的预测能力和准确性，并且受益于更高的覆盖率。注释工具的组合可以帮助改进全基因组/外显子组非同义变体功能后果的自动化预测。
Next-generation sequencing has opened the possibility of large-scale sequence-based disease association studies. A major challenge in interpreting whole-exome data is predicting which of the discovered variants are deleterious or neutral. To address this question in silico, we have developed a score called Combined Annotation scoRing toOL (CAROL), which combines information from 2 bioinformatics tools: PolyPhen-2 and SIFT, in order to improve the prediction of the effect of non-synonymous coding variants. We used a weighted Z method that combines the probabilistic scores of PolyPhen-2 and SIFT. We defined 2 dataset pairs to train and test CAROL using information from the db-SNP: ‘HGMD-PUBLIC’ and 1000 Genomes Project databases. The training pair comprises a total of 980 positive control (disease-causing) and 4,845 negative control (non-disease-causing) variants. The test pair consists of 1,959 positive and 9,691 negative controls. CAROL has higher predictive power and accuracy for the effect of non-synonymous variants than each individual annotation tool (PolyPhen-2 and SIFT) and benefits from higher coverage. The combination of annotation tools can help improve automated prediction of whole-genome/exome non-synonymous variant functional consequences.
登录
查看更多内容
影响因子：
14.9
作者：
Ramensky, V;Bork, P;Sunyaev, S
通讯作者：
Sunyaev, S
影响因子：
14.9
作者：
Bromberg Y;Rost B
通讯作者：
Rost B
影响因子：
7
作者：
Ng, PC;Henikoff, S
通讯作者：
Henikoff, S
影响因子：
3
作者：
Kulkarni V;Errami M;Barber R;Garner HR
通讯作者：
Garner HR
影响因子：
2.9
作者：
Ferrer-Costa, C;Orozco, M;de la Cruz, X
通讯作者：
de la Cruz, X