Analisi multicentrica dei dati genomici e metabolici delle malattie genetiche neonatali (MAOFGAMDNGD)

nome oggetto: Analisi multicentrica di dati genomici e metabolici di malattie genetiche neonatali obiettivo dello studio: ( 1 ) Dati di sequenziamento genetico ( 138 geni correlati a 133 malattie genetiche comuni ) e dati di metabolomica mediante spettrometria di massa tandem ( 11 aminoacidi e 28 acilcarnitine ) di circa Sono stati raccolti e confrontati 40.000 neonati delle unità partecipanti alla South China Neonatal Genetic Screening Alliance per completare la costruzione del database dei geni e della spettrometria di massa.

(2) È stata condotta un'analisi retrospettiva dell'incidenza, delle mutazioni patogene, delle mutazioni patogene sospette e del tasso di presenza di mutazioni inspiegabili di 133 malattie genetiche neonatali comuni in 40.000 casi ed è stata contata la distribuzione dei siti di variazione ad alta frequenza nella popolazione , fornendo una base scientifica per la selezione dei siti di mutazione per lo screening genetico su larga scala delle malattie genetiche neonatali.

( 3 ) La previsione della funzione proteica e l'analisi dell'attività catalitica degli enzimi sono state eseguite sui siti di mutazione ad alta frequenza delle malattie metaboliche genetiche ( IEM ). I metaboliti caratteristici sono stati analizzati e verificati per i siti di mutazione con bassa attività catalitica enzimatica. È stata esplorata la fattibilità dell’utilizzo della piattaforma di analisi dell’intelligenza artificiale della funzione proteica e dei dati sui metaboliti della spettrometria di massa tandem per prevedere con precisione la patogenicità delle lesioni metaboliche genetiche.

(4) Esplorare l'uso di big data sul genoma e sul metaboloma e algoritmi di apprendimento automatico come Random forest, Support Vector Machine, Elastic net, Multilayer Perceptron per costruire modelli di previsione per le malattie genetiche comuni e sforzarsi di ottenere diagnosi e previsioni accurate di malattie genetiche comuni malattie utilizzando semplici dati sul metaboloma della spettrometria di massa tandem ed espandere il campo di applicazione della tecnologia della spettrometria di massa tandem per il rilevamento delle malattie.

disegno di ricerca: studio osservazionale retrospettivo Periodo di ricerca: da settembre 2022 a dicembre 2025 Unità partecipanti: Screening genetico neonatale della Cina meridionale Alliance (comprese le unità di cooperazione di 123 ospedali) Oggetto della ricerca: dati di screening genetico di 40.000 neonati (138 geni correlati a 133 malattie genetiche comuni) e dati di spettrometria di massa tandem (11 aminoacidi e 28 acilcarnitine).

Criteri di inclusione: (1) Neonati sottoposti contemporaneamente a screening genetico e spettrometria di massa tandem. (2) Età: 0-28 giorni, età gestazionale 37-42 settimane.

Criteri esclusi: i dati che soddisfano una delle seguenti condizioni devono essere eliminati: (1) dati neonatali con informazioni cliniche di base poco chiare; (2) Mancanza di dati informativi fondamentali sulla tracciabilità; (3) I dati relativi ai risultati del test non possono essere analizzati e interpretati.

dimensione del campione: screening genetico e dati di spettrometria di massa tandem di 40.000 neonati.

raccolta dati: ( 1 ) Informazioni di base: sesso, età, tipo di campione, numero di tracciabilità del soggetto/numero ID, ecc. ( 2 ) Sintomi clinici, dati biochimici e di imaging dei campioni positivi. ( 3 ) Risultati del rilevamento dei geni e risultati della spettrometria di massa tandem. (4) Data dei dati del test, modello dello strumento, tipo di reagente, ecc.

Elaborazione statistica: per analizzare i risultati del test è stato utilizzato il software statistico IBM-SPSS 26.0. L'analisi di regressione logistica è stata utilizzata per valutare la correlazione tra genotipo e fenotipo clinico. Il metodo di riduzione della dimensionalità multifattoriale generalizzata è stato utilizzato per analizzare l'interazione gene-gene e la correlazione genotipo-fenotipo. Sulla base dei dati della spettrometria di massa tandem, sono stati utilizzati algoritmi di apprendimento automatico come foresta casuale, macchina vettoriale di supporto, rete elastica e percettrone multistrato per costruire un modello di previsione del genotipo. L'effetto di previsione del modello è stato valutato in base all'accuratezza, all'accuratezza del bilanciamento, alla sensibilità e alla specificità.