신생아 유전 질환의 게놈 및 대사 데이터에 대한 다기관 분석 (MAOFGAMDNGD)

개체명:신생아 유전 질환의 게놈 및 대사 데이터에 대한 다기관 분석 연구 목표:( 1) 유전자 서열 분석 데이터(133개의 일반적인 유전 질환과 관련된 138개의 유전자) 및 직렬 질량 분석 대사체 데이터(11개의 아미노산 및 28개의 아실카르니틴) 남중국 신생아 유전자 선별 연합 참여 단위에서 40,000명의 신생아를 수집하고 대조하여 유전자 및 질량 분석법의 데이터베이스 구축을 완료했습니다.

(2) 40,000건의 사례에서 133개 흔한 신생아 유전질환의 발생률, 병원성 돌연변이, 의심되는 병원성 돌연변이 및 설명되지 않는 돌연변이의 보유율에 대한 후향적 분석을 실시하고 모집단 내 고주파 변이 부위의 분포를 계산했습니다. , 신생아 유전 질환의 대규모 유전자 검사를 위한 돌연변이 부위 선택을 위한 과학적 근거를 제공합니다.

(3) 유전대사질환(IEM)의 고주파 돌연변이 부위에 대해 단백질 기능 예측 및 효소 촉매 활성 분석을 수행하였다. 효소 촉매 활성이 낮은 돌연변이 부위에 대해 특징적인 대사 산물을 분석하고 검증했습니다. 유전자 대사 병변의 병원성을 정확하게 예측하기 위해 단백질 기능 인공지능 분석 플랫폼과 직렬 질량분석기 대사산물 데이터를 사용하는 타당성을 탐구했습니다.

(4) Random Forest, Support Vector Machine, Elastic net, Multilayer Perceptron 등의 게놈 및 대사체 빅데이터와 기계 학습 알고리즘을 활용하여 일반적인 유전 질환에 대한 예측 모델을 구축하고, 공통 유전 질환에 대한 정확한 진단 및 예측을 위해 노력합니다. 단순 탠덤 질량분석기 대사체 데이터를 활용하여 질병을 진단하고, 질병 검출을 위한 탠덤 질량분석기 기술의 적용 범위를 확대합니다.

연구 설계: 후향적 관찰 연구 연구 기간: 2022년 9월 ~ 2025년 12월 참여 단위: 중국 남부 신생아 유전자 검사 연합(123개 병원 협력 단위 포함) 연구 대상: 신생아 40,000명의 유전자 검사 데이터(133개 일반적인 유전 질환과 관련된 138개 유전자) 및 직렬 질량 분석 데이터(11개 아미노산 및 28개 아실카르니틴).

포함 기준:(1) 유전자 선별검사와 직렬 질량분석법을 동시에 받은 신생아. (2) 연령 : 0~28일, 임신기간 37~42주.

제외 기준: 다음 조건 중 하나라도 충족하는 데이터는 제거되어야 합니다. (1) 임상 기본 정보가 불분명한 신생아 데이터; (2) 추적성 핵심 정보 데이터가 부족합니다. (3) 테스트 결과를 분석하고 해석할 수 없는 데이터.

표본 크기: 신생아 40,000명의 유전자 스크리닝 및 직렬 질량 분석 데이터.

데이터 수집:( 1 ) 기본 정보 : 성별, 연령, 샘플 유형, 피험자 추적 번호/ID 번호 등 ( 2 ) 양성 샘플의 임상 증상, 생화학적 및 영상 데이터. (3) 유전자 검출 결과 및 직렬질량분석 결과. (4) 시험 데이터의 날짜, 기기 모델, 시약 종류 등

통계 처리: IBM-SPSS 26.0 통계 소프트웨어를 사용하여 테스트 결과를 분석했습니다. 유전자형과 임상 표현형 간의 상관 관계를 평가하기 위해 로지스틱 회귀 분석을 사용했습니다. 유전자-유전자 상호작용 및 유전자형-표현형 상관관계를 분석하기 위해 일반화된 다인자 차원 축소 방법을 사용했습니다. Tandem Mass Spectrometry 데이터를 기반으로 Random Forest, Support Vector Machine, Elastic Network, Multi-layer Perceptron 등의 기계학습 알고리즘을 사용하여 유전자형 예측 모델을 구축했습니다. 모델의 예측효과는 정확도, 균형정확도, 민감도, 특이성으로 평가하였다.