
-
生物通官微
陪你抓住生命科技
跳动的脉搏
利用个体化贝叶斯推断决策树框架挖掘先天性心脏病编码变异的异质遗传信号
《Human Genomics》:IBI-DT as a complementary framework for prioritizing candidate genes, interactions, and pathways in congenital heart disease
【字体: 大 中 小 】 时间:2026年09月23日 来源:Human Genomics 4.1
编辑推荐:
摘要背景先天性心脏病(CHD)具有复杂且异质的遗传架构。传统的群体水平关联分析可以识别队列中的平均遗传效应,但可能会遗漏亚组特异性、个体化以及相关的交互信号。为了解决这一问题,我们将个体化贝叶斯推断与决策树(IBI-DT),一种贝叶斯边际似然指导的决策树框架,应用于通过 Ki
先天性心脏病(CHD)具有复杂且异质的遗传架构。传统的群体水平关联分析可以识别队列中的平均遗传效应,但可能会遗漏亚组特异性、个体化以及相关的交互信号。为了解决这一问题,我们将个体化贝叶斯推断与决策树(IBI-DT),一种贝叶斯边际似然指导的决策树框架,应用于通过 Kids First 数据门户获取的儿科心脏基因组学联盟的 CHD 基因组数据,主要关注编码变异。
质量控制后,我们将分析限制在外显子变异上以关注编码区域,得出来自 2,260 名受试者(713 例 CHD 病例和 1,547 名对照受试者)的 90,298 个变异。作为基线群体水平关联分析,Fisher 精确检验(FET)识别出 22 个邦弗伦尼显著的变异,而 IBI-DT 优先排序了 42 个超过经验复发阈值的变异。与基线分析相比,IBI-DT 在排名靠前的变异中识别出了更多的已知 CHD 基因,包括前 10 个变异中有 4 个已知 CHD 基因(对比 1 个),前 42 个变异中有 7 个(对比 3 个)。在患者特异性分析中,IBI-DT 提供了更广泛的病例覆盖,排名前 43 的变异覆盖了所有 713 例 CHD 病例,而基线 FET 排名仅覆盖了 10 例 CHD 病例。与前基线 FET 变异相比,IBI-DT 排名靠前的变异冗余性也更低(平均绝对斯皮尔曼相关系数为 0.04 对 0.29)。除了单变异优先排序外,IBI-DT 识别出 163 对超过经验复发阈值的变异对,反映了源自层次树框架的条件交互结构,并且识别出了比基线 FET 分析更多的 CHD 相关通路。
IBI-DT 为研究 CHD 的异质遗传基础提供了基线群体水平关联分析之外的互补信息。通过优先排序编码变异中的亚组特异性、个体化和交互相关信号,IBI-DT 可能有助于改进后续 CHD 研究中候选基因、交互模式和通路的识别。
先天性心脏病(CHD)具有复杂且异质的遗传架构。传统的群体水平关联分析可以识别队列中的平均遗传效应,但可能会遗漏亚组特异性、个体化以及相关的交互信号。为了解决这一问题,我们将个体化贝叶斯推断与决策树(IBI-DT),一种贝叶斯边际似然指导的决策树框架,应用于通过 Kids First 数据门户获取的儿科心脏基因组学联盟的 CHD 基因组数据,主要关注编码变异。
质量控制后,我们将分析限制在外显子变异上以关注编码区域,得出来自 2,260 名受试者(713 例 CHD 病例和 1,547 名对照受试者)的 90,298 个变异。作为基线群体水平关联分析,Fisher 精确检验(FET)识别出 22 个邦弗伦尼显著的变异,而 IBI-DT 优先排序了 42 个超过经验复发阈值的变异。与基线分析相比,IBI-DT 在排名靠前的变异中识别出了更多的已知 CHD 基因,包括前 10 个变异中有 4 个已知 CHD 基因(对比 1 个),前 42 个变异中有 7 个(对比 3 个)。在患者特异性分析中,IBI-DT 提供了更广泛的病例覆盖,排名前 43 的变异覆盖了所有 713 例 CHD 病例,而基线 FET 排名仅覆盖了 10 例 CHD 病例。与前基线 FET 变异相比,IBI-DT 排名靠前的变异冗余性也更低(平均绝对斯皮尔曼相关系数为 0.04 对 0.29)。除了单变异优先排序外,IBI-DT 识别出 163 对超过经验复发阈值的变异对,反映了源自层次树框架的条件交互结构,并且识别出了比基线 FET 分析更多的 CHD 相关通路。
IBI-DT 为研究 CHD 的异质遗传基础提供了基线群体水平关联分析之外的互补信息。通过优先排序编码变异中的亚组特异性、个体化和交互相关信号,IBI-DT 可能有助于改进后续 CHD 研究中候选基因、交互模式和通路的识别。