文献解读-Genetic Determinants of Sudden Unexpected Death in Pediatrics

简介: 研究首次系统地证实了遗传因素在SUDP中的重要作用,不仅揭示了疾病的遗传异质性,还为临床实践提供了重要指导。研究结果支持对SUDP患者进行全面的遗传学评估,这不仅有助于了解死亡原因,还可以为存活家庭成员提供医疗监测和遗传咨询,为SUDP的预防和干预策略提供了新的思路和方向。

文献解读-Genetic Disease.png

关键词:遗传病;基因检测;变异分析


文献介绍

  • 标题(英文):Genetic Determinants of Sudden Unexpected Death in Pediatrics
  • 标题(中文):小儿意外猝死的遗传决定因素
  • 发表期刊:Genetics in Medicine
  • 作者单位:波士顿儿童医院等
  • 发表年份:2022
  • 文章地址:https://doi.org/10.1016/j.gim.2021.12.004

屏幕截图 2025-02-14 113830.jpg

图1 文献介绍

儿童突发性死亡(SUDP)作为一个重要的公共卫生问题,在美国占儿童死亡率超过10%,其发生率超过癌症和心脏病导致的死亡。这些死亡事件通常发生在睡眠期间,临床上被诊断为婴儿猝死综合征(SIDS)、婴儿突发性死亡(SUID)或儿童突发性死亡(SUDC)。为深入探究SUDP的遗传学机制,本研究采用未确诊疾病的转化研究方法,对352例SUDP病例进行全外显子组测序分析,并结合详细的表型分析。


测序流程

在生物信息学分析流程阶段,研究团队使用Sentieon 进行reads比对、重排序和重校准、变异检测。

屏幕截图 2025-02-14 114155.jpg

图2 Sentieon的作用

Sentieon是基于GATK最佳实践的优化实现,实现了10-30倍的性能提升。核心优势在于优化的多线程调度和分布式计算框架,显著提高了计算资源利用率。且能实现与GATK结果的一致性。Sentieon整合了从比对到变异检测的完整流程,简化了数据处理流程。拥有良好的扩展性和兼容性。作为企业级解决方案,Sentieon提供完善的技术支持和持续的版本迭代,是大规模基因组数据分析的可靠选择。

研究队列分析显示,352例病例中包括320例SIDS和32例SUDC,其中大多数死亡(51%)发生在2-6个月龄,男性占57%。研究数据表明,42%为俯卧位死亡,40%为仰卧位死亡,提示睡眠体位可能是重要的环境因素。临床特征分析发现,14%的病例有热性惊厥史,12%家族史中有SIDS或SUDC,41%的家族中有热性惊厥史,这些数据提示神经系统异常可能在SUDP发病机制中发挥重要作用。

1.jpg

图3 SUDP队列的人口统计学特征和表型

全面的基因变异分析显示,352例患者中有37例(11%)携带致病或可能致病变异。这些变异在功能系统中的分布包括13例神经系统相关、18例心脏相关和6例系统性/综合征相关基因变异。在294个SUDP候选基因分析中,共识别出109个罕见致病变异,涉及98例患者(28%)。

2.jpg

图4 在SUDP队列中发现的变异基因及其相关表型总结

三联体分析在73例家系中发现了50个新发变异,其中34例携带单个新发变异,5例携带2个新发变异,2例携带3个新发变异。此外,还发现13个X连锁母源变异和6个纯合/复合杂合变异。

4.jpg

图5 73个三人组中的罕见致病从头变异和母源X连锁变异。 对73例SUDP三人组的分析发现,在16个已知与神经系统(蓝色)、心脏(红色)和系统性/综合征性(橙色)疾病相关的基因中(左侧),以及46个尚未确定疾病相关性的其他基因中(右侧)存在罕见致病从头变异和母源X连锁变异。SUDP基因列表分析中发现的基因用星号标注。

负担分析结果显示,SUDP病例的基因变异负担显著高于对照组(OR=2.94, 95% CI:2.20-3.92)。各功能系统的亚组分析进一步证实了这一发现:神经系统相关基因变异负担最高(OR=3.91, 95% CI:2.54-6.02),其次是系统性/综合征相关(OR=2.54, 95% CI:1.29-4.99)和心脏相关基因变异(OR=2.16, 95% CI:1.47-3.16)。

3.jpg

图6 负担分析揭示SUDP中罕见致病变异的超额。 A. 通过将我们队列(n=352)中所有罕见致病变异与对照组(n=1433)比较,我们发现在整个SUDP基因列表中存在罕见致病变异的超额(比值比[OR]2.94;95%置信区间[CI]2.20-3.91),在神经系统、心脏和系统性/综合征性疾病相关基因组中也存在类似情况。 B. 在全外显子组范围内,与对照组三人组(n=2317)相比,SUDP队列三人组(n=73)中罕见致病从头变异存在超额(OR 3.13;95% CI 1.91-5.16;Pearson卡方双尾P值=2.56×10−6)。

Sentieon 软件团队拥有丰富的软件开发及算法优化工程经验,致力于解决生物数据分析中的速度与准确度瓶颈,为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案,共同推动基因技术的发展。截至 2023 年 3 月份,Sentieon 已经在全球范围内为 1300+用户提供服务,被世界一级影响因子刊物如 NEJM、Cell、Nature 等广泛引用,引用次数超过 700 篇。此外,Sentieon 连续数年摘得了 Precision FDA、Dream Challenges 等多个权威评比的桂冠,在业内获得广泛认可。


文献讨论

屏幕截图 2025-02-14 114710.jpg

图7 文献介绍

研究通过负担分析发现11%的SUDP病例存在基因贡献,这些病例表现出更高的罕见致病变异和从头突变比例。结果显示多种机制参与SUDP的发生,包括神经系统、心脏和代谢相关通路,其中超过半数的致病变异与神经系统及系统性综合征相关。通过三联分析,研究不仅重新分类了已知变异,还发现了新的综合征基因(如BRPF1和ANKRD11)与突发死亡的关联。然而,研究也表明大多数病例仍未找到明确的基因解释,新发现的基因与SUDP的关联需要更多病例验证。


总结

研究首次系统地证实了遗传因素在SUDP中的重要作用,不仅揭示了疾病的遗传异质性,还为临床实践提供了重要指导。研究结果支持对SUDP患者进行全面的遗传学评估,这不仅有助于了解死亡原因,还可以为存活家庭成员提供医疗监测和遗传咨询,为SUDP的预防和干预策略提供了新的思路和方向。

目录
相关文章
|
7月前
|
移动开发 算法 数据挖掘
【博士每天一篇文献-算法】Extending stability through hierarchical clusters in Echo State Networks
本文研究了在回声状态网络(ESN)中引入分层聚类结构对网络稳定性的影响,发现通过调整簇内和簇间的连接性及每个簇的主干单元数量,可以扩展谱半径的稳定范围,从而提高网络的稳定性和性能。
56 2
|
3月前
|
算法 数据挖掘
文献解读-Phenotypic expression and clinical outcomes in a South Asian PRKAG2 cardiomyopathy cohort
该研究对PRKAG2队列的扩展临床随访揭示了对该罕见疾病的宝贵见解。据报道,该研究是对来自南亚地区(印度次大陆)的 PRKAG2 队列的临床谱、结果和遗传分析的首次全面分析。因此,从完全不同的人口统计学和人群角度,为理解这种罕见的心肌病增加了一个新的维度。
47 0
|
7月前
|
机器学习/深度学习
【文献学习】Exploring Deep Complex Networks for Complex Spectrogram Enhancement
介绍了一种用于语音增强的复数深度神经网络(CDNN),它通过复数值的短时傅立叶变换(STFT)映射到干净的STFT,并提出了参数整流线性单位(PReLU)的复数扩展,实验结果表明CDNN在语音增强方面相对于实值深层神经网络(DNN)具有更好的性能。
73 2
【文献学习】Exploring Deep Complex Networks for Complex Spectrogram Enhancement
|
7月前
|
机器学习/深度学习 算法 网络性能优化
【博士每天一篇文献-算法】A brain-inspired algorithm that mitigates catastrophic forgetting of
本文提出了一种受大脑启发的神经调节辅助信用分配(NACA)算法,该算法通过模拟大脑中的神经调节机制,有效减轻了人工神经网络(ANNs)和脉冲神经网络(SNNs)在学习过程中的灾难性遗忘问题,并具有较低的计算成本。
89 1
|
7月前
|
机器学习/深度学习 监控 安全
【博士每天一篇文献-综述】Threats, Attacks, and Defenses in Machine Unlearning A Survey
本文提供了对机器遗忘领域的综合性调查,提出了新的威胁、攻击和防御分类法,深入分析了机器遗忘系统中的安全问题,并探讨了如何利用攻击手段评估遗忘有效性,同时讨论了遗忘作为防御机制的角色以及面临的挑战和未来研究方向。
91 2
|
7月前
|
算法 数据挖掘
【博士每天一篇文献-算法】A pseudo-inverse decomposition-based self-organizing modular echo
本文提出了一种基于伪逆分解的自组织模块化回声状态网络(PDSM-ESN),通过增长-修剪方法和伪逆分解提高学习速度,有效解决了ESN中的不适定问题,并在多个数据集上展示了其优越的预测性能和鲁棒性。
37 1
|
7月前
|
机器学习/深度学习 编解码 人工智能
【文献学习】Deep Learning for Joint Channel Estimation and Signal Detection in OFDM Systems
该文章提出了一种基于深度学习的方法,用于OFDM系统中的联合信道估计和信号检测,通过信道估计网络(CENet)和信号检测网络(CCRNet)改善了传统方法的性能。
107 2
|
7月前
|
机器学习/深度学习
【文献学习】 ComNet: Combination of Deep Learning andExpert Knowledge in OFDM Receiver
本文提出了一种模型驱动的DL结构,称为ComNet,以取代传统的或FC-DNN的OFDM接收机。
66 1
|
7月前
|
机器学习/深度学习 存储 算法
【博士每天一篇文献-算法】Machine Unlearning via Representation Forgetting With Parameter Self-Sharing
这篇论文提出了一种名为"表示遗忘反学习与参数自共享"(RFU-SS)的新方法,通过双目标优化问题的形式,在减少模型准确性降低的同时,有效地从训练好的机器学习模型中移除特定样本的影响。
136 0
|
机器学习/深度学习 自然语言处理
【论文精读】COLING 2022 - DESED: Dialogue-based Explanation for Sentence-level Event Detection
最近许多句子级事件检测的工作都集中在丰富句子语义上,例如通过多任务或基于提示的学习。尽管效果非常好,但这些方法通常依赖于标签广泛的人工标注
159 0