Az újszülöttkori genetikai betegségek genomikai és metabolikus adatainak többközpontú elemzése (MAOFGAMDNGD)

objektum neve: Újszülöttkori genetikai betegségek genomikai és metabolikus adatainak multicentrikus elemzése a vizsgálat célja:( 1 ) Génszekvenálási adatok ( 133 általános genetikai betegséggel kapcsolatos 138 gén ) és tandem tömegspektrometriás metabolomikai adatok ( 11 aminosav és 28 acilkarnitin ) kb. A Dél-Kínai Neonatal Genetic Screening Alliance részt vevő egységeiből 40 000 újszülöttet gyűjtöttek össze és gyűjtöttek össze, hogy befejezzék a gének és a tömegspektrometria adatbázis-építését.

( 2 ) 133 újszülöttkori genetikai betegség előfordulásának, patogén mutációinak, feltételezett patogén mutációinak és megmagyarázhatatlan mutációk hordozási arányának retrospektív elemzését 40 000 esetben végezték el, és megszámolták a nagyfrekvenciás variációs helyek eloszlását a populációban. , amely tudományos alapot nyújt a mutációs helyek kiválasztásához az újszülöttkori genetikai betegségek nagyszabású genetikai szűréséhez.

(3) A fehérjefunkció előrejelzését és az enzimkatalitikus aktivitás elemzését genetikai anyagcsere-betegségek (IEM) nagyfrekvenciás mutációs helyein végezték. A jellegzetes metabolitokat elemeztük és ellenőriztük alacsony enzimkatalitikus aktivitású mutációs helyekre. Feltárták a fehérjefunkciós mesterséges intelligencia elemző platform és a tandem tömegspektrometriás metabolitadatok felhasználásának lehetőségét a genetikai metabolikus elváltozások patogenitásának pontos előrejelzésére.

( 4 ) Fedezze fel a genom és metabolom big data és gépi tanulási algoritmusok használatát, mint például a Random forest, a Support Vector Machine, az Elastic net, a Multilayer Perceptron a gyakori genetikai betegségek előrejelzési modelljeinek felépítéséhez, és törekedjen a gyakori genetikai betegségek pontos diagnosztizálására és előrejelzésére. betegségek egyszerű tandem tömegspektrometriás metabolomadatokat használva, és kiterjeszti a tandem tömegspektrometriás technológia alkalmazási körét a betegségek kimutatására.

kutatási terv: retrospektív megfigyeléses vizsgálat Kutatási időszak: 2022 szeptemberétől 2025 decemberéig Résztvevő egységek: Dél-Kína Újszülött genetikai szűrési Szövetség (beleértve 123 kórház együttműködési egységeit) kutatási objektum: 40 000 újszülött génszűrési adatai (138 gén 133 gyakori genetikai betegséggel kapcsolatos) és tandem tömegspektrometriás adatok (11 aminosav és 28 acilkarnitin).

Bevételi kritériumok:( 1 ) Újszülöttek, akik egyidejűleg estek át genetikai szűrésen és tandem tömegspektrometrián. ( 2 ) Életkor: 0-28 nap, terhességi kor 37-42 hét.

Kizárt kritériumok: Az alábbi feltételek bármelyikének megfelelő adatokat ki kell zárni: (1) Újszülöttkori adatok nem egyértelmű klinikai alapinformációkkal; (2) A nyomon követhetőségi alapinformációk hiánya; ( 3 ) Az az adat, hogy a vizsgálati eredmények nem elemezhetők és értelmezhetők.

mintanagyság: 40 000 újszülött génszűrése és tandem tömegspektrometriás adatai.

adatgyűjtés:( 1 ) Alapvető információk: nem, életkor, minta típusa, alany nyomon követhetőségi száma / azonosítószáma stb. ( 2 ) A pozitív minták klinikai tünetei, biokémiai és képalkotó adatai. ( 3 ) Géndetektálási és tandem tömegspektrometriás eredmények. ( 4 ) A vizsgálati adatok dátuma, a készülék modellje, a reagens típusa stb.

Statisztikai feldolgozás: A teszteredmények elemzéséhez IBM-SPSS 26.0 statisztikai szoftvert használtunk. Logisztikus regressziós analízist alkalmaztunk a genotípus és a klinikai fenotípus közötti összefüggés értékelésére. A gén-gén kölcsönhatás és a genotípus-fenotípus korreláció elemzésére általánosított többtényezős dimenziócsökkentési módszert alkalmaztunk. A tandem tömegspektrometriás adatok alapján gépi tanulási algoritmusokat, például véletlen erdőt, támaszvektor gépet, rugalmas hálózatot és többrétegű perceptront használtak a genotípus előrejelzési modell felépítéséhez. A modell predikciós hatását a pontosság, az egyensúlyi pontosság, az érzékenység és a specificitás alapján értékeltük.