文献解读-群体基因组第二期|《中国人群中PAX2新生突变的检测及表型分析:一项单中心研究》

关键词:应用遗传流行病学;群体测序;群体基因组;基因组变异检测;


文献简介

  • 标题(英文):Detection of De Novo PAX2 Variants and Phenotypes in Chinese Population: A Single-Center Study
  • 标题(中文):中国人群中PAX2新生突变的检测及表型分析:一项单中心研究
  • 发表期刊:Genes
  • 作者单位:重庆医科大学附属儿童医院、重庆市儿科重点实验室等
  • 发表年份:2022
  • 文章地址https://doi.org/10.3389/fgene.2022.799562

图1 文献介绍

图1 文献介绍

PAX2is a member of the PAX family of transcription factors, which localizes to human chromosome band 10q24, spans 84.2 kb, and contains 12 coding exons (Rossanti et al., 2020). It is usually expressed in the urogenital system, eye, ear, and central nervous system. Animal model findings show thatPAX2plays a vital role in cellular regeneration and organ development (Bower et al., 2012;Naiman et al., 2017;Zhang et al., 2018).PAX2variants are inherited in an autosomal dominant fashion, and these variants were initially characterized through the presence of kidney dysplasia and optic nerve abnormalities.

本文通过一项单中心回顾性分析研究了中国人群中PAX2新生突变与表型的关系。该研究报告了一些具有独特表现和合并症的患者,并报告了三种以前从未报道过的变异。通过对中国人群PAX2新生突变与表型的分析,研究者建议对有明显肾发育不良和眼部异常证据的患者进行基因检测并尽早开始保护性治疗。


测序流程

图2

图2

FIGURE 2. (A) PAX2 domain structure and localization of seven variants in this article. The variants marked with red in the figure refer to the novel variants reported for the first time. PAX2 is characterized by an N-terminal paired domain consisting of the N terminus (red) and C terminus (yellow). The relative locations of the other domains are also indicated, including the octapeptide motif (green), the homeodomain(blue), and a transactivation domain (violet). (B) Pedigrees of 10 families. The genetic variants of patient 10 originated from the mother, and his mother had clinical manifestations. The variant of patient 4 originated from her father, whose manifestations were not obvious.

图2.(A)PAX2 结构域结构和本文中七个变体的定位。图中标有红色的变异株是指首次报道的新变异株。PAX2 的特征在于由 N 末端(红色)和 C 末端(黄色)组成的 N 末端配对结构域。还指出了其他结构域的相对位置,包括八肽基序(绿色)、同源结构域(蓝色)和反式激活结构域(紫色)。(B)10个家庭的系谱。患者10的基因变异来源于母亲,其母亲有临床表现。患者4的变异源自她的父亲,其表现并不明显。

图2对10个患者上检测到的PAX2基因新生突变位置分布进行了表征并展示了10个患者家系的系谱关系,分析了致病性突变的来源。

图3 文献引用软件

图3 文献引用软件

本文通过单中心10个患者及其父母血液样本进行靶向富集测序,使用Sentieon或GATK分析流程用于变异检测。根据ACMG指南对有害突变进行判定,并使用Sanger测序对二代测序结果中鉴定的致病性新生突变进行验证。

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。


文献结论

图4 文献结论

图4 文献结论

Results:The mean age for developing the first symptom in 10 unrelated children was 7.2 years old. Proteinuria and bilateral kidney dysplasia were found in every patient. Two children underwent kidney histological examination; one child showed high-intensity C1q deposition in the kidney, and the other child showed focal segmental glomerular sclerosis (FSGS). Three children hadPAX2-related ocular abnormalities, including nystagmus, retinal exudation, amblyopia, microphthalmia, microcornea, and total blindness. In addition, one patient had the comorbidity of oculocutaneous albinism (OCA). Eight differentPAX2variants were found in ten patients, three of which were reported for the first time.

该研究深入探讨了10名携带8种不同PAX2基因变体的患者案例,其中3种变异为首次发现。所有患者均表现出先天性肾发育不全、肾功能减退(eGFR下降)和蛋白尿等症状。此外,研究还揭示了PAX2变异所导致的一些新症状,如胆囊结石和睾丸发育不良,并首次报告了C1q肾病和OCA合并症的病例。

经过对患者的细致观察,研究证实了PAX2变异与肾发育不全和眼部病变之间的密切联系,但强调即使携带相同变异的个体也可能展现出不同的临床表现。研究进一步发现,PAX2变异型患者主要在青春期而非早期阶段出现肾功能衰竭,且其临床表现具有显著的多样性。此外,部分患者可能需要长期依赖肾脏替代治疗或进行移植手术。

然而,研究也指出了其局限性,包括样本量相对较小、部分患者未接受全面的眼科和听力检查,以及缺乏完整的家族病史信息。尽管如此,该研究为理解PAX2基因变异在肾脏及其他器官发育中的功能提供了新的视角,并强调了对于存在肾发育不全和眼部异常症状的患者进行基因检测的重要性。对于PAX2变异型患者,建议进行长期跟踪观察和专业的医疗管理,以预防肾功能衰竭和其他相关并发症的发生。


总结

该研究报告了一些具有独特表现和合并症的患者,并报告了三种以前从未报道过的变异。具有PAX2变异的患者主要发生在青春期,且临床表现具有高度异质性。通过对中国人群PAX2新生突变与表型的分析,研究者建议对有明显肾发育不良和眼部异常证据的患者进行基因检测,若含有PAX2基因突变,则应检查PAX2相关器官损伤并密切随访肾脏功能。

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法的新型异构分布式系统任务调度算法,并提供了Matlab代码实现。文章重点围绕异构环境中任务调度的优化问题,利用遗传算法进行求解,旨在提高资源利用率、降低任务完成时间并优化系统整体性能。文中详细阐述了算法的设计思路、编码方式、适应度函数构建、遗传操作流程及参数设置,并通过仿真实验验证了该算法相较于传统方法在调度效率和收敛性方面的优越性。此外,文档还列举了大量相关领域的研究案例和技术应用,涵盖电力系统、路径规划、车间调度、号处理等多个方向,体现出较强的技术综合性与实践价值。; 适合人群:具备一定编程基础和优化算法知识的研究、科研人员及从事智能优化、分布式系统调度、电力系统、自动化等相关领域的工程技术人员。; 使用场景及目标:①解决异构分布式系统中的任务调度优化问题;②学习遗传算法在实际工程问题中的建模与实现方法;③为科研项目提供算法参考与代码复现支持;④拓展多领域交叉应用的研究思路。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注适应度函数设计与遗传操作流程,并尝试在不同场景下调整参数以观察性能变化。同时可参考文中列出的相关研究方向进行延伸探索,提升综合应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值