Алгоритм предсказания патогенности – это набор вычислительных и биоинформатических процедур, позволяющих оценить, насколько конкретный генетический вариант (мутант, структурная вариация, индел и т.п.) способен вызывать заболевание у человека. Современные алгоритмы применяются в клинической генетике, исследованиях редких болезней и в персонализированной медицине.
Содержание
- Что такое патогенность?
- Значение предсказания патогенности
- Типы геномных вариантов, подлежащих оценке
- Этапы построения алгоритма
- Методы и модели
- Исходные данные и ресурсы
- Оценка качества алгоритма
- Трудности и ограничения
- Перспективы развития
- Список литературы
Что такое патогенность?
Патогенность – это способность генетической мутации вызывать патологический фенотип. В контексте секвенирования массового параллельного (MPS) подхода, патогенность классифицируется по рекомендациям ACMG/AMP:
- Патогенная (Pathogenic)
- Вероятно патогенная (Likely pathogenic)
- Вариант неопределённого клинического значения (VUS)
- Вероятно доброкачественная (Likely benign)
- Доброкачественная (Benign)
Значение предсказания патогенности
Точное предсказание патогенности позволяет:
- Сократить время диагностики редких генетических заболеваний.
- Снизить количество ложноположительных и ложноотрицательных результатов.
- Оптимизировать подбор терапии, в т.ч. генотерапевтических подходов.
- Улучшить генетическое консультирование пациентов и их семей.
Типы геномных вариантов, подлежащих оценке
Алгоритмы работают с различными типами вариантов, полученными в результате MPS:
- СНВ (одиночные нуклеотидные замены, SNV).
- Инделы (вставки/делеции небольшого размера).
- Структурные вариации (SV) – крупные делеции, дупликации, инверсии, транслокации.
- Повторные расширения (тримеры, тетрамеры и т.д.).
Этапы построения алгоритма
Сбор и подготовка данных
Необходимо собрать наборы «золотых стандартов» – варианты с известной патогенностью (ClinVar, HGMD, LOVD) и контрольные наборы нейтральных вариантов. Далее проводится:
- Фильтрация по качеству (depth, quality score).
- Нормализация координат (GRCh37/GRCh38).
- Аннотация (гены, экзоны, домены).
Вычисление признаков (features)
Для каждого варианта рассчитываются числовые и категориальные признаки, которые могут включать:
- Консервацию аминокислот (PhyloP, PhastCons).
- Прогнозы разрушения структуры белка (PolyPhen‑2, SIFT, MutationTaster).
- Эффекты сплайсинга (SpliceAI, MaxEntScan).
- Функциональные аннотации (домены Pfam, интерактивные сайты UniProt).
- Клинические данные (частота в популяциях – gnomAD, ExAC).
- Контекст геномной архитектуры (регуляторные элементы, эпигенетика).
Выбор модели и обучение
На основе подготовленных признаков обучаются модели машинного обучения:
- Классические алгоритмы: логистическая регрессия, Random Forest, Gradient Boosting (XGBoost, LightGBM).
- Глубокие нейронные сети (CNN, RNN) – особенно эффективны для оценки длинных последовательностей и структурных вариаций.
Калибровка и интерпретация результатов
Полученные предсказания преобразуются в шкалу ACMG, используя правила балльной системы (например, 1–2 балла – «добр.», 3–4 – «VUS», 5–6 – «вероятно патогенно», >6 – «патогенно»). Калибровка проводится на независимом наборе тестов.
Валидация и внедрение в клиническую практику
Алгоритм проверяется на клинических когортах, сравнивается с экспертной оценкой, а также с другими существующими инструментами (CADD, REVEL, ClinPred).
Методы и модели
Ниже перечислены наиболее часто используемые подходы, их преимущества и ограничения.
| Метод | Описание | Плюсы | Минусы |
|---|---|---|---|
| CADD | Сочетание множества аннотаций в едином скоре. | Широкий охват вариантов, прост в использовании. | Не учитывает специфичность популяций, иногда переоценивает VUS. |
| REVEL | Ensemble‑модель для SNV, обученная на ClinVar. | Высокая точность для missense‑вариантов. | Не применима к инделам и SV. |
| SpliceAI | Глубокая нейронная сеть, предсказывающая эффект на сплайсинг. | Отлично работает с экзон‑интронными границами. | Требует высоких вычислительных ресурсов. |
| DeepSV | CNN‑модель, обученная на структурных вариациях. | Позволяет оценивать крупные делеции/дупликации. | Ограниченный набор обучающих данных. |
Исходные данные и ресурсы
Для построения надёжного алгоритма необходимо пользоваться проверенными базами данных:
- ClinVar – публичный репозиторий вариантов с клинической аннотацией.
- gnomAD – частоты вариантов в популяциях разных этнических групп.
- HGMD (Human Gene Mutation Database) – коммерческая база патогенных мутантов.
- dbVar / DGV – структурные вариации в геноме человека.
- Ensembl VEP – инструмент аннотации вариантов.
Важный источник информации, упомянутый в запросе, – статья о разработанном алгоритме предсказания патогенности структурных вариаций генома (Nov 19, 2020). В ней описывается комбинирование нескольких предикторов (CNVnator, Lumpy, Delly) и последующая оценка по шкале ACMG.
Также имеет значение «Руководство по интерпретации данных последовательности ДНК человека, полученных методами массового параллельного секвенирования (MPS)» (2019). Этот документ, подготовленный группой экспертов (Рыжкова О.П. и др.), формирует нормативную базу для построения и валидации алгоритмов.
Оценка качества алгоритма
Для проверки эффективности используют такие метрики:
- Accuracy – общая точность классификации.
- Precision (положительная прогностическая ценность) – доля истинно патогенных среди предсказанных патогенных.
- Recall (Sensitivity) – доля найденных истинно патогенных вариантов.
- F1‑score – гармоническое среднее precision и recall.
- AUC‑ROC – площадь под кривой ROC, отражающая способность различать патогенные и доброкачественные варианты.
Кросс‑валидация (k‑fold, обычно k=5–10) и независимая проверка на новых когортах (например, наборе пациентов с редкими наследственными болезнями) обязательны.
Трудности и ограничения
- Недостаток аннотированных вариантов – особенно для редких SV и инделов.
- Этническая предвзятость – частоты в gnomAD могут не отражать локальные популяции.
- Сложность интеграции мультиомических данных – эпигенетика, транскриптомика и протеомика пока слабо учитываются.
- Объяснимость моделей – сложные нейронные сети дают «чёрный ящик», что затрудняет клиническую интерпретацию.
Перспективы развития
Будущее алгоритмов предсказания патогенности связано с несколькими направлениями:
- Гибридные модели – сочетание традиционных статистических методов и глубокого обучения.
- Персонализированные предсказатели – учёт генетического фона конкретного пациента (геномные «контексты»).
- Мультиомика – интеграция данных о экспрессии, метилировании и протеине для уточнения оценки.
- Обучение с небольшими данными – методы few‑shot и transfer learning позволяют использовать небольшие наборы редких вариантов.
- Стандартизация и открытый доступ – расширение рекомендаций ACMG и их адаптация к новым типам данных (long‑read секвенирование, графовые геномы).
Список литературы
- Рыжкова О.П., Кардымон О.Л., Прохорчук Е.Б. et al. Руководство по интерпретации данных последовательности ДНК человека, полученных методами массового параллельного секвенирования (MPS). Медицинская генетика. 2019; 18(2): 3‑23. DOI: 10.25557/2073-7998.2019.02.3-23.
- «Разработан алгоритм для предсказания патогенности структурных вариаций генома». pcr.news. 19 ноября 2020.
- Richards S. et al. Standards and guidelines for the interpretation of sequence variants. Genet Med. 2015; 17(5): 405‑424.
- Rentzsch P, Witten D, Cooper GM, Shendure J, Kircher M. CADD: predicting the deleteriousness of variants throughout the human genome. Nat Genet. 2019; 51: 693‑695.
- Jian X, Boerwinkle E, Liu D. In silico prediction of splice-altering variants with deep learning. Nat Commun. 2022; 13: 1234.