Predicting congenital renal tract malformation genes using machine learning.
Predicting congenital renal tract malformation genes using machine learning.
复制标题
DOI：
10.1038/s41598-023-38110-z
复制
发表时间：
2023-08-14
影响因子：
4.6
通讯作者：
Hentges, Kathryn E.
中科院分区：
文献类型：
--
作者：
Kabir, Mitra;Stuart, Helen M.;Lopes, Filipa M.;Fotiou, Elisavet;Keavney, Bernard;Doig, Andrew J.;Woolf, Adrian S.;Hentges, Kathryn E.
先天性肾道畸形（RTMs）是儿童严重肾功能衰竭的主要原因。迄今为止的研究已经确定了只有少数人类RTMs的明确遗传原因。虽然一些RTMs可能是由影响器官发生的定义不明确的环境扰动引起的，但可能还有许多致病的遗传变异尚未确定。不幸的是，发现RTM的进一步遗传原因的速度受到优先考虑含有序列变体的候选基因的挑战的限制。在这里，我们利用基于计算机的人工智能方法学的监督机器学习来识别高概率参与肾脏发育的基因。当这些基因发生突变时，它们是引起RTM的有希望的候选者。通过这种方法，机器学习分类器确定哪些属性是肾脏发育基因所共有的，并识别具有这些属性的基因。在这里，我们报告的RTM基因分类器的验证，并提供在小鼠基因组中的所有蛋白质编码基因的RTM关联状态的预测。总体而言，我们的预测虽然不是最终的，但可以在评估用于基因诊断的患者序列数据时为基因的优先级提供信息。这种对肾脏发育基因的了解将加速对出生时患有RTM的患者进行基因诊断的过程。
Congenital renal tract malformations (RTMs) are the major cause of severe kidney failure in children. Studies to date have identified defined genetic causes for only a minority of human RTMs. While some RTMs may be caused by poorly defined environmental perturbations affecting organogenesis, it is likely that numerous causative genetic variants have yet to be identified. Unfortunately, the speed of discovering further genetic causes for RTMs is limited by challenges in prioritising candidate genes harbouring sequence variants. Here, we exploited the computer-based artificial intelligence methodology of supervised machine learning to identify genes with a high probability of being involved in renal development. These genes, when mutated, are promising candidates for causing RTMs. With this methodology, the machine learning classifier determines which attributes are common to renal development genes and identifies genes possessing these attributes. Here we report the validation of an RTM gene classifier and provide predictions of the RTM association status for all protein-coding genes in the mouse genome. Overall, our predictions, whilst not definitive, can inform the prioritisation of genes when evaluating patient sequence data for genetic diagnosis. This knowledge of renal developmental genes will accelerate the processes of reaching a genetic diagnosis for patients born with RTMs.
登录
查看更多内容
DOI：
10.1007/s00432-010-0776-0
发表时间：
2010-08-01
影响因子：
3.6
作者：
Fu, Wei-Jin;Li, Jia-Chu;Zhu, Hong-Guang
通讯作者：
Zhu, Hong-Guang
比较遗传分析：利用小鼠遗传系统研究人类单基因疾病。
影响因子：
2.5
作者：
Oliver, Peter L.;Bitoun, Enunanuelle;Davies, Kay E.
通讯作者：
Davies, Kay E.
DOI：
10.1073/pnas.0911640106
发表时间：
2009-12-01
影响因子：
11.1
作者：
Chen, Chen;Jin, Jing;Pawson, Tony
通讯作者：
Pawson, Tony
通过整合网络拓扑，细胞定位和生物过程信息来预测必需基因。
影响因子：
3
作者：
Acencio ML;Lemke N
通讯作者：
Lemke N
影响因子：
7.5
作者：
CORTES, C;VAPNIK, V
通讯作者：
VAPNIK, V