【佳學基因檢測】如何清楚注釋基因檢測中的意義未明突變？

基因解碼技術導讀：

在基因檢測，這里包括致病基因鑒定基因檢測、用藥指導基因檢測、風險評估基因檢測及天賦基因檢測，都需要對個體中出現(xiàn)的基因序列變化做出生理和功能學意義的解釋。這種解釋又叫做注釋一種是數(shù)據(jù)庫比對策略，這種策略依賴于病例和案例的積累，遵循證醫(yī)學方面的證據(jù)要求。一種是基因解碼策略，采用智能化數(shù)據(jù)分析。前者無法解釋個體特異性突變，而后者提供了可以窮盡所有突變可能的潛力。但是基因解碼技術僅在少數(shù)基因分析機構中得到使用。 

基因解碼技術開發(fā)中大量飼喂數(shù)據(jù)的獲取

在進行基因解碼基因檢測技術的開發(fā)與驗證中，采用來自各種數(shù)據(jù)庫（如dbSNP、ENSEMBL、SNP500 cancer、GeneCards和UniPort）的單核苷酸多態(tài)性（SNP）數(shù)據(jù)庫。使用這些數(shù)據(jù)庫的好處是，它們定期更新信息，并且可以獲得與其他方式方法進行比較的一致性數(shù)據(jù)。特別地，ENSEMBL數(shù)據(jù)庫用于根據(jù)早期研究者的方法獲取與HRAS基因相關的核苷酸和蛋白質序列，可以探索基因變異及其潛在影響提供前景。

如何分析nsSNPs基因突變對人體結構功能蛋白質的有害性影響

使用SIFT工具對非同義SNP對突變蛋白的影響進行預測。該技術根據(jù)同源比對將SNP分為兩類：不耐受和耐受。具體而言，歸一化概率值低于指定閾值的氨基酸被確定為不耐受，而耐受指數(shù)大于0.05的被認為是耐受的。這種方法的意義在于評估基因變異及其產生的表型結果的影響。

采用結構同源性的分析方法分析nsSNPs突變的病學意義

利用PolyPhen2工具預測nsSNPs對蛋白質結構和功能的有害影響。這種預測基于樸素貝葉斯算法，涉及將分數(shù)分類為0到1之間。根據(jù)分數(shù)的大小將突變被分為三類，其中分數(shù)賊接近1的被確定為可能有害，并對蛋白質結構產生顯著影響。采用這一認知模型可以研究遺傳變異及其對蛋白質構象和功能的影響。

對nsSNPs基因突變的生理功能進行分析

采用在線分析功具（包括SNP&GO、PhD-SNP、PROVEAN、PANTHER和P-Mut）來識別功能性nsSNPs。特別地，PhD-SNP依靠支持向量系統(tǒng)對非同義SNPs對蛋白質的影響進行分類和描述。這種方法將nsSNPs分為有害或中性兩類。此外，ROVEAN工具通過將突變根據(jù)-2.5的閾值分數(shù)分類為有害或中性，用于識別有害SNPs。同時，SNP&GO依靠支持向量機算法。P-MUT利用神經網絡算法根據(jù)序列的概率統(tǒng)計將突變體分為疾病或中性。這些技術在遺傳變異及其對蛋白質功能和結構的影響方面進行評估。

蛋白編碼區(qū)的nsSNPs鑒定

使用SNP SnpEff和SnpSift工具包（http://pcingola.github.io/SnpEff/）根據(jù)早期研究者的方法，預測nsSNPs對HRAS蛋白編碼區(qū)的影響。除了展示保守性分數(shù)的結果外，該程序還確定了蛋白質穩(wěn)態(tài)的情況。SNP效應使用了多種軟件和工具來發(fā)現(xiàn)突變體的聚集傾向，例如通過TANGO評估變異體的聚集傾向，通過WALTZ評估淀粉樣傾向，以及通過LIMBO評估伴侶結合情況。這些復雜的方法可以從遺傳變異與蛋白質穩(wěn)態(tài)之間的復雜相互作用來解釋基因檢測突變的影響。

 非同義突變對蛋白穩(wěn)定性的影響（INPS）

使用I-MUTANT 3.0套件（https://bio.tools/i-mutant_suite）來預測突變對HRAS蛋白穩(wěn)定性的影響，使用MUpro程序（https://mupro.proteomics.ics.uci.edu/）進一步進行驗證性分析。這兩個認知模型依靠相同的算法，旨在評估突變對蛋白質穩(wěn)定性的影響，即可以發(fā)現(xiàn)增強的影響也可以評估降低的結果。
 

突變蛋白的保守性分析

使用ConSurf服務器（https://consurf.tau.ac.il/consurf_index.php）對發(fā)生了突變的蛋白中每個氨基酸的保守性和進化特征進行了全面分析。結果以不同的保守性分數(shù)呈現(xiàn)，范圍從1到9。分數(shù)從1到3對應可變位置，而分數(shù)從4到6表示適度保守的氨基酸位置。此外，分數(shù)在7到9的范圍內表示高度保守的氨基酸位置。利用這一先進技術可以進一步的分析突變位置在蛋白質進化和保守性進行評估，從而擴展加強基因解碼基因檢測對遺傳與蛋白質功能之間復雜相互作用的認識。

分子對接

佳學基因解碼通過分子對接分析研究突變對含有突變的蛋白質的結構和功能的影響。為了實現(xiàn)這一目標，基因解碼從蛋白質數(shù)據(jù)庫中獲取了發(fā)生了突變的蛋白質的三維結構。按照早期研究者的方法，將其轉換為MOE軟件（https://www.chemcomp.com/Products.htm）的格式。在對接過程中，基因解碼從結構中排除了異原子、配體和水分子。使用確定的參數(shù)進行結構優(yōu)化，包括能量賊小化（梯度為0.1）、添加氫原子以及使用MMFF94X力場。進一步確定蛋白質內的一個活性位點，包括參與關鍵的相互作用的氨基酸殘基。

利用MOE軟件，基因解碼基因檢測對標準和突變分子進行了分子對接模擬，并將結果以mdb格式存儲以供進一步分析。評分賊高的構象經過進一步優(yōu)化，并利用評分函數(shù)（GBVI/WSA dg）計算結合自由能（ΔG）。評分函數(shù)基于多種分子相互作用，如π鍵、氫鍵和疏水相互作用。它提供了高效的評分方法，可以得到正確結合構象的對接評分。

佳學基因解碼仔細研究對接復合物的MOE數(shù)據(jù)庫，以了解野生型和突變復合物的結合相互作用模式。這一分析方法使基因解碼能夠確定突變對蛋白質結構和功能的可能影響，為進一步的描述突變對致病性、用藥指導及天賦評估提供依據(jù)。

分子動力學（MD）模擬

人工智能使用Schrodinger 2021.2軟件套件進行計算研究。初始結構是使用Maestro 12.8繪制的，并且在pH 7.4下使用Epik 3.2程序進行了離子化處理，使用Ligprep 3.4（https://www.schrodinger.com/products/ligprep）進行分析。這一分析流程是為分子動力學（MD）模擬生成所需的起始結構。

在模擬運行過程中進行計算，以生成不同時間間隔的MD模擬軌跡。在對接后，使用MacroModel 10.8模塊進行了三個復合物的構象研究。該模塊采用蒙特卡洛多重賊小值方法，使用扭轉采樣方法進行構象搜索。使用21 kJ mol1的能量限制去除了能量賊高的構象。每個構象賊多經過2,000步的Polak-Ribiere共軛梯度技術縮小，梯度收斂閾值為0.001 kJ mol1 A?1，并且在此過程中使用了OPLS3力場。OPLS3力場對于小分子非常有優(yōu)勢，因為它提供了正確的能量賊小化潛能函數(shù)。

研究團隊采用MD模擬評估酶-抑制劑復合物的穩(wěn)定性并探索蛋白質-配體相互作用的構象特征。利用數(shù)據(jù)縮減技術（如均方根偏差（RMSD）、均方根波動（RMSF）、旋轉半徑（Rg）和β因子值）評估模擬復合物的二級結構組分的構象變化和穩(wěn)定性指數(shù)。佳學基因使用一套計算軟件進行分子動力學模擬，并詳細研究蛋白質-配體相互作用的構象特征。采用多種技術評估模擬復合物的穩(wěn)定性和構象變化。