Предсказательные алгоритмы патогенности

Для оценки возможного влияния аминокислотных замен на функцию белка часто используют компьютерный анализ патогенности, основанный на применении ряда алгоритмов. Эти подходы различаются по применяемым методам, в связи с чем показатели чуствительности и специфичности значительно варьируют. Список рекомендованных к использованию модулей приведен в таблице ниже.

Модуль анализаЧувствительностьСпецифичностьКритерий патогенностиОсобенности
SIFT79%82%<0.049Основан на анализе выравниваний, сильно зависит от нуклеотидного
окружения варианта
PolyPhen283%79%>0.447Оценка патогенности аминокислотных замен
MutationTaster85%74%>0.5Оценка патогенности аминокислотных замен
FATHMM73%78%<-1.51Обучение алгоритма проводилось на выборке мутаций HGMD
CADD85%82%>19Объединенная оценка 63 метрик (включая оценки консервативности и т.д.)
DANN79%72%≥0.993Аналогичен CADD с измененным алгоритмом классификации
REVEL89%91%>0.5Объединенная оценка 13 алгоритмов (MutPred, FATHMM v2.3, VEST 3.0, Polyphen-2 (HVAR and HDIV), SIFT, PROVEAN, MutationAssessor,
MutationTaster, LRT, GERP++, SiPhy, phyloP и phastCons)
M-CAP83%82%≥0.025Оценка только вариантов с MAF<1%, базируется на SIFT, PolyPhen-2,
CADD, MutationTaster, MutationAssessor, FATHMM, LRT, MetaLR, MetaSVM, RVIS,  PhyloP,  PhastCons, PAM250, BLOSUM62, SIPHY, GERP
MetaLR85%86%>0.5Комбинация восьми алгоритмов (PolyPhen-2, GERP++, MutationTaster,
MutationAssessor, FATHMM, LRT, SiPhy и PhyloP)
ClinPred94%94%-Комбинация двух ML-алгоритмов на базе вариантов в ClinVar и gnomAD
BayesDelAUC 0.944Комбинация девяти алгоритмов (PolyPhen-2, SIFT, MutationTaster,
MutationAssessor, FATHMM, LRT, SiPhy, GERP++ и PhyloP)
LIST-S2AUC 0.922Оценка патогенности аминокислотных замен, основан на метриках консервативности

Лучшие комбинации (достигается максимальная конкордантность с ClinVar) согласно https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5704597/:

  • M-CAP, MutationTaster 95.8%
  • MutationTaster, CADD, M-CAP 93.6%