整合基因组和表型组数据挖掘遗传病潜在致病变异的方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    31701152
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    C0608.生物数据资源与分析方法
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

The detection and annotation of variants are key to the diagnosis and research of genetic disorders, while CNV and SNV analysis are combined with phenotype. However, the combinational analysis of CNV and SNV may not be easy, because the detection of CNV are isolated from SNV since the beginning of experiment procedure as well as data analysis process. We propose a research to study the practical pipeline which could detect both CNV and SNV from the same NGS data and annotate variants of both types integrated with clinical phenotype. The new method would provide a combinational detection and analysis of both CNV and SNV for genetic disease research and study. When established, the pipeline will be tested with a clinical cohort to see whether it would help label potential causal variants and make clinical diagnosis.
对于遗传疾病而言,如何检测变异并评估其致病性是研究和诊断的重点。在针对潜在致病变异研究的过程中,拷贝数变异和单碱基变异的结合分析是遗传分析的关键。但是,由于两种变异的实验检测方法相互隔离,数据的获取和整合分析存在困难。本项目提出,研究从常规的二代测序数据中同时检测拷贝数变异和单碱基变异,并结合样本表型组数据筛选潜在致病变异的新方法。本项目为常规的遗传病研究提供整合性的拷贝数变异和单碱基变异的检测分析,为优化实验和分析流程带来新的方法。新方法建立后,拟在已诊断临床案例中试用,以验证其对遗传疾病诊断率的提升效果。

结项摘要

遗传罕见病的研究和治疗受限于明确的分子诊断,即如何准确检测出致病变异并将变异的基因型关联到具体临床表型。检测的难点在于变异尺度上的复杂性,而针对不同的类型需要用到不同的检测方法以逐步排查。具体到现阶段的遗传罕见病研究上,目前常用方法包括以杂交芯片检测(aCGH,Array Comparative Genomic Hybridization)为代表的拷贝数变异(CNV,Copy Number Variant)检测方法和以高通量短序列测序技术(NGS, Next Generation Sequencing)为代表的单碱基变异(SNV,Single Nucleotide Variant)检测方法。由于两方面的数据结论分别来自不同的检测方法和数据分析流程,因此在数据整合分析上多有不便。考虑到NGS技术已经显现出检测CNV的潜力,建立将CNV和SNV的数据分析统一在同一套高通量测序实验、变异检测分析和表型关联分析之中,实现用一套检测技术和分析流程同时分析CNV和SNV变异,以改善遗传罕见病的研究方法和诊断效率。.本研究目标是建立基于NGS数据结合表型综合分析CNV、SNV的数据处理方法和分析平台。包括:1、完善NGS检测CNV的分析流程;2、结合CNV和SNV进行综合致病性分析应用;3、搭建实用性分析平台和综合数据库。.在项目执行期间,1、项目组以CANOES算法为基础,聚焦了高质量检测区间,改进了X染色体检测方案。在113例aCGH验证数据中,对于大片段致病性CNV的检测阳性预测值为82.6%(95%CI:73%~89%),阴性预测值为56.8%(95%CI:40%~72%)。2、通过将新的CNV检测算法与项目组前期建立的分析流程进行整合,形成了一套完整的从单一实验数据来源,结合患者表型的对CNV和SNV进行整合致病性分析的流程。该流程应用于1090例发育障碍患儿的遗传诊断,获得了41.38%的整体诊断率。3、对于常规CNV分析的难点脊肌萎缩症,开发了使用一般NGS数据检测SMN1、SMN2拷贝数的算法。在104例验证样本中对于SMN1纯合缺失的检测,ROC曲线面积达99.2%,并通过3734例回顾性数据分析,检测到8例SMN1纯合缺失病例、66例杂合缺失携带病例。.本项目新建立的整合性致病变异分析方法,对于遗传罕见病研究中的变异挖掘、提升临床诊断效率展现出重要应用潜力。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(1)
A Novel, Recurrent, 3.6-kb Deletion in the PYGL Gene Contributes to Glycogen Storage Disease Type VI
PYGL 基因中新型、反复发生的 3.6-kb 缺失导致 VI 型糖原累积病。
  • DOI:
    10.1016/j.jmoldx.2020.08.006
  • 发表时间:
    2020-12-01
  • 期刊:
    JOURNAL OF MOLECULAR DIAGNOSTICS
  • 影响因子:
    4.1
  • 作者:
    Liu, Bo;Wu, Bingbing;Lu, Yulan
  • 通讯作者:
    Lu, Yulan
医学信息学在罕见病诊疗中的研究进展及应用
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    协和医学杂志
  • 影响因子:
    --
  • 作者:
    姜召芸;卢宇蓝;余乐;弓孟春;史文钊;张抒扬;周文浩
  • 通讯作者:
    周文浩
Survival Motor Neuron Gene Copy Number Analysis by Exome Sequencing Assisting Spinal Muscular Atrophy Diagnosis and Carrier Screening
通过外显子组测序进行运动神经元生存基因拷贝数分析:协助脊髓性肌萎缩症诊断和携带者筛查。
  • DOI:
    10.1016/j.jmoldx.2020.01.015
  • 发表时间:
    2020-05-01
  • 期刊:
    JOURNAL OF MOLECULAR DIAGNOSTICS
  • 影响因子:
    4.1
  • 作者:
    Liu, Bo;Lu, Yulan;Zhou, Wenhao
  • 通讯作者:
    Zhou, Wenhao
Clinical exome sequencing as the first-tier test for diagnosing developmental disorders covering both CNV and SNV: a Chinese cohort
临床外显子组测序作为诊断涵盖 CNV 和 SNV 的发育障碍的一级测试:中国队列。
  • DOI:
    10.1136/jmedgenet-2019-106377
  • 发表时间:
    2020-08-01
  • 期刊:
    JOURNAL OF MEDICAL GENETICS
  • 影响因子:
    4
  • 作者:
    Dong, Xinran;Liu, Bo;Lu, Yulan
  • 通讯作者:
    Lu, Yulan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

智力发育迟缓新候选基因POSTN对脑损伤神经元体外保护作用研究
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    中国循证儿科杂志
  • 影响因子:
    --
  • 作者:
    林伊凤;杨琳;马思敏;卢宇蓝;王慧君;陈龙霞;周文浩
  • 通讯作者:
    周文浩

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码