跳到正文
原文
监管与产业动态· Medical Xpress - Genetics·· 18 小时前精选评分56

Northwestern 团队开发 EpiPred 工具辅助识别 STXBP1 癫痫致病变异

AI tool helps identify harmful epilepsy genetic variants

导读

Medical Xpress 报道,Northwestern 医学院 Gemma Carvill 团队在 Journal of Clinical Investigation 发表研究,利用监督学习训练出针对 STXBP1 基因的变体效应预测器 EpiPred,用于判断错义变异是否致病。

深度解读

自2008年研究者发现STXBP1(MUNC18-1)的新生错义突变可导致大田原综合征等早发性婴儿癫痫性脑病,并提出单倍剂量不足的致病机制以来[3],该基因一直是发育性癫痫性脑病的核心位点之一。基因面板与全外显子测序的普及提高了早发癫痫的诊断率,也为精准医疗创造了条件[1],但检出并不等于确诊:单中心癫痫遗传门诊的遗传病因检出率约28%[4],儿童难治性癫痫队列中致病或可能致病变异仅占23.3%[5],而疾病相关基因中超过98%的变异后果仍属未知[2]。大量被检出的变异因此被归为“意义未明变异”(VUS),诊断悬而未决,患者也难以凭此入组靶向该基因的精准疗法。

10月15日,西北大学医学院Gemma Carvill团队联合密歇根大学、威尔康奈尔医学院与圣裘德儿童研究医院在Journal of Clinical Investigation发表论文(这一NIH资助的合作曾于2025年8月以预印本先行发布[6]),推出基于监督学习的基因特异性模型EpiPred,用于预测STXBP1错义变异是否致病。研究团队以蛋白丰度、稳定性、可溶性及与其他细胞组分互作这四类实验对约二十余个变异进行验证,模型预测与实验结果高度一致,准确性、敏感性和特异性均优于现有的跨基因通用预测工具;进而预测了STXBP1所有可能的错义变异,估计目前归为VUS的变异中约四分之一可能致病,并发现若干既往诊断为STXBP1相关疾病的病例疑为误诊。工具已通过交互式网页向临床医生、科研人员和家庭开放。

在跨基因的通用预测器(如不依赖致病标签、利用进化数据建模的EVE[2])之外,2024年已有团队开发出针对STXBP1错义变异致病性的机器学习预测器PRESR[7],EpiPred则进一步把模型预测与多平台实验验证结合起来,形成可复制的“单基因模型+实验验证”路径。随着基因靶向疗法走向临床试验,诊断是否准确直接决定入组资格,重新分类的临床价值随之放大。团队正在开发更高通量的检测体系,可在这一单个基因中同时制备3000余个变异并评估其对蛋白功能的影响,并希望把该框架推广至其他罕见遗传病。

需要留意的是,原研究的实验验证仅覆盖约二十余个变异,“四分之一VUS致病”是模型估计而非临床结论,误诊判断也有待独立证实;EpiPred目前仅针对STXBP1错义变异,其重新分类能否真正转化为诊断明确与治疗可及性的改善,还需在前瞻性验证和未来的基因靶向疗法试验中接受检验。

推荐理由

原文给出一个针对 STXBP1 错义变异的基因特异性机器学习模型,并在蛋白丰度等实验上做了验证,可作为其他单基因病 VUS 解读的迁移框架。

来源:监管与产业动态 · medicalxpress.com

CBACBA Frontier Insights (CFI)美国华人生物医药科技协会(CBA)www.cba-usa.org