ข้อมูล

ในช่วงไม่กี่ปีที่ผ่านมา การจัดลำดับจีโนมมีราคาถูกลงและมีความก้าวหน้ามากขึ้น ในแง่หนึ่ง สิ่งนี้ช่วยให้แพทย์สามารถใช้การจัดลำดับเพื่อวัตถุประสงค์ในการวินิจฉัยได้มากขึ้น ในขณะเดียวกันก็ช่วยให้นักวิทยาศาสตร์สามารถสำรวจสมมติฐานการวิจัยเพิ่มเติมได้ ในทางกลับกัน การกลายพันธุ์ที่ตรวจพบจำนวนมากไม่มีการแปลผลทางคลินิกที่ชัดเจน ความไม่แน่นอนว่าการกลายพันธุ์ทำให้เกิดโรคหรือไม่ อาจสร้างความเครียดให้กับผู้ป่วย และนำไปสู่ภาระทางจิตใจ การเจ็บป่วย และค่ารักษาพยาบาลที่เกี่ยวข้องกับการวินิจฉัยน้อยหรือเกิน แม้ว่าเครื่องมือที่มีอยู่จะถูกใช้เพื่อทำนายผลการทำงานของตัวแปรเหล่านี้อยู่แล้ว ประสิทธิภาพของพวกมันมีความเอนเอียงเนื่องจาก ข้อมูล ทางคลินิกที่จำกัดซึ่งทำให้การจำแนกความแตกต่างระหว่างสายพันธุ์ที่ทำให้เกิดโรค (ก่อให้เกิดโรค) และสายพันธุ์ที่ไม่เป็นพิษเป็นภัย (เป็นกลาง) ภายในยีนที่กำหนดทำได้ยาก และมักนำไปสู่การจำแนกการกลายพันธุ์ที่ไม่ก่อให้เกิดโรคว่าก่อโรคผิดประเภท การแก้ไขปัญหาเหล่านี้มีความสำคัญอย่างยิ่งต่อการพัฒนาตัวทำนายที่เชื่อถือได้สำหรับการใช้งานทางคลินิก กลุ่มวิจัยของ Agnes Toth-Petroczy ที่ MPI-CBG และ CSBD ร่วมกับ Christopher Cassa ผู้ช่วยศาสตราจารย์ด้านการแพทย์ที่ Brigham and Women's Hospital Division of Genetics ที่ Harvard Medical School และ Ivan Adzhubei ผู้ร่วมวิจัยที่แผนก ของ Biomedical Informatics ที่ Harvard Medical School เพื่อพัฒนาแบบจำลองทางสถิติและเว็บเซิร์ฟเวอร์ DeMAG ที่มีความแม่นยำสูงในการตีความการกลายพันธุ์ของยีนในยีนของโรค ในการทำเช่นนี้ นักวิจัยได้คัดเลือกการกลายพันธุ์ที่ก่อให้เกิดโรคและการกลายพันธุ์ที่เป็นพิษเป็นภัยที่รู้จักอย่างระมัดระวังสำหรับการฝึกแบบจำลอง "เราใช้ฐานข้อมูลทางคลินิกและประชากรที่หลากหลาย เราเลือกเฉพาะการกลายพันธุ์ที่มีการตีความทางคลินิกที่ได้รับการยอมรับจากผู้ส่งผลงานหลายราย เช่น แพทย์และห้องปฏิบัติการทางพันธุศาสตร์ ที่ระบุกลุ่มของกรดอะมิโนในโปรตีนที่มีผลทางคลินิกเหมือนกัน ด้วยคะแนนของคู่ค้า DeMAG ใช้ประโยชน์จากความสัมพันธ์ของกรดอะมิโนตามข้อมูลวิวัฒนาการจากจีโนมของสิ่งมีชีวิตหลายชนิด และการปฏิวัติ AI (ปัญญาประดิษฐ์) ล่าสุดในการทำนายรูปร่าง 3 มิติของโปรตีนโดยใช้อัลกอริทึม AlphaFold ที่พัฒนาโดย Google DeepMind ที่ระบุกลุ่มของกรดอะมิโนในโปรตีนที่มีผลทางคลินิกเหมือนกัน ด้วยคะแนนของคู่ค้า DeMAG ใช้ประโยชน์จากความสัมพันธ์ของกรดอะมิโนตามข้อมูลวิวัฒนาการจากจีโนมของสิ่งมีชีวิตหลายชนิด และการปฏิวัติ AI (ปัญญาประดิษฐ์) ล่าสุดในการทำนายรูปร่าง 3 มิติของโปรตีนโดยใช้อัลกอริทึม AlphaFold ที่พัฒนาโดย Google DeepMind Agnes Toth-Petroczy ผู้ดูแลการศึกษาสรุปว่า "เรามีกรอบพื้นฐานสำหรับการรวมข้อมูลทางคลินิกและข้อมูลโปรตีนเพื่อช่วยในการประเมินผลกระทบของการกลายพันธุ์ เราหวังว่าเครื่องมือและเว็บเซิร์ฟเวอร์ของเราจะช่วยให้การประเมินผลกระทบของตัวแปรและการตัดสินใจทางคลินิกง่ายขึ้น นอกจากนี้ คุณสมบัติที่พัฒนาขึ้นใหม่นี้สามารถนำไปใช้กับยีนและสิ่งมีชีวิตอื่นนอกเหนือจากมนุษย์"