Фенотип человека: Фенотипы европеоидной расы Европы | Русский след

Фенотипы европеоидной расы Европы | Русский след

Фенотип — совокупность характеристик, присущих индивиду на определённой стадии развития. Фенотип человека  формируется на основе генотипа, и может изменяться в течении всей его жизни.

Компьютер обработал тысячи фотографий и «нарисовал» усредненные портреты людей, которые проживают на определенной территории Европы. Затем с помощью специального алгоритма учёные составили фенотипы людей, представителей европеоидной (белой) расы, с указанием наибольшей концентрации этого антропологического типа по территориям современных стран и регионов.

Для начала представим сводные коллажи с лицами гипотетической средней женщины каждого европейского фенотипа, а ниже пойдет подробное описание с «фотороботами» мужчин и женщин как типичных представителей группы данных европеоидов.

Кандидат биологических наук Станислав Дробышевский считает, что «европеоидная раса» чаще всего так называется, хотя в отечественной антропологии принят термин «евразийская раса».

 Можно было бы назвать «евразийско-африканская раса», но такого термина нет. Европеоидная раса расселена далеко не только в Европе, её ареал намного шире, даже не считая того, что в настоящее время европеоиды расселились где угодно: в Австралии, в Америке, в Африке.

Исследование генетиков 2008 года показало, что генетическая мутация преведшая к появлению голубых глаз началась примерно 10 000 лет назад. Считается, что самые ранние примеры голубых глаз возникли на территориях вокруг Чёрного моря. Генетическое исследование европейцев, проведеёное в 2014 году, показало, что сегодня все голубоглазые люди связаны с предками

, пришедшими из той семейно-родственной группы, мутация которой впервые была обнаружена в Причерноморье. Результаты генетического исследования в 2014 году означают, что люди с геном голубых глаз появились вблизи Черного моря и мигрировали в западную Европу в те времена, когда сельское хозяйство обрело преимущество перед охотой и собирательством, занятие сельским хозяйством пришло в Европу с востока на запад.

Фенотип людей Европеоидной (белой) расы.

НОРДИД (Nordid)

Синонимы: Скандонордид, Хальшдадт Нордид, Тевтоно-нордид, Гота.

Synonyms: Skandonordid, Hallstatt Nordid, Teutonordid, Gota

Лицо овально, немного ромбовидно, с узким, несколько скошенным лбом со слабой пигментацией  кожи, розовато-белого цвета, кожа тонкая, хорошо просматривается текстура. Кости маленькие по сравнению с Кроманидом. Волосы почти исключительно светлые, хотя есть более темные типы, морфологически схожие с Атлантидами. Представляет конечную точку распределения и редок в его чистой форме, но часто находимый в смесях с различными из типов. Рост: высокий. Телосложение: эктоморфное.

Наибольшая концентрация: в Швеции и на Севере Европы.

Родственный типы: Нордокроманид, Кельтский Нордид, Субнордид, Восточный Нордид, Северный Атлантид, Норид.

НОРДОКРОМАНИД. (Nordocromagnid)

Синонимы: Трендёр, Англо Сакс, Оркдел, Хардангер, Friterpian, Reihengraber

Synonyms: Tronder, Anglo Saxon, Orkdal, Hardanger, Friterpian, Reihengraber

Предположительно смесь между Нордидом и Далофалидом. Чаще встречается, чем два чистых типа. С высокой головой, нос типично прямой, или выпуклый, челюстные дуги менее видные, чем у Нордида. Имеет несколько подтипов, как Трёндер в Норвегии, Англосакс в Великобритании, Friterpian в Нидерландах и Reihengräber в Германии. Рост: высокий. Телосложение: эктоморфное, приближающееся к мезоморфному.

Наибольшая концентрация: Германия и Северная Европа.

Родственные типы: Нордид, Восточный Нордид, Брюнн, Борреби, Субнордид, Далофалид.

КЕЛЬТСКИЙ НОРДИК.  (Keltic Nordic). Cиноним: Кельт. Synonyms: Keltic

Названный по имени его предполагаемой ассоциации с ранними кельтскими народами. Полученный от предримских захватчиков Великобритании (Железный век). Характеризуется смесью Нордического, Динарского, и в небольшом числе других не Нордических типов. Часто встречаются рыжеволосые представители типа. Рост: Высокий. Телосложение: от эктоморфного до мезоморфного.

Наибольшая концентрация: Британские острова. Также основной элемент во Фландрии, Юго-западной Германии и Альпах.

Родственные типы: Брюнн, Нордид, Северный Атлантид, Норид, Баскид.

СУБНОРДИД. (Subnordid). Синоним: Галат. Synonyms: Galatian

Нордид с Альпийской примесью, наибольшая концентрация в Центральной Европе. В отличии от Нордида и Альпинида — менее устоявшийся и более изменчивый. Занимает промежуточную морфологическую позицию между Нордидом и Альпинидом. Рост от среднего до высокого. Телосложение от эктоморфного до эндоморфного.

Наибольшая концентрация: в Западной Германии, Швейцарии и Австрии. В ряде регионов Центральной Европы.

Родственные типы: Нордокроманид, Нордид, Атлантид, Альпинид.

ВОСТОЧНЫЙ НОРДИД. (East Nordid)

Синоним: Кордид Нордид, Фенно Нордид.Synonyms: Corded Nordid, Fenno Nordid

Похож на Нордида и существует небольшое фенотипическое различие между ними, основные различия в строение свода лба и носового скелета, меньше развит волосяной покров на теле.

Распространён среди русских и прибалтов, реже финнов. Рост: Высокий. Телосложение: от эктомофного до мезоморфного.

Наибольшая концентрация: Западная Россия, Восточная Европа, Дальний Восток России, Финляндия.

Родственные типы: Нордид, Восточный Балтид, Нордокроманид, Восточный Европид, Норид, Северный Понтид.

ВОСТОЧНЫЙ ЕВРОПИД (East Evropid)

Собирательный термин для нескольких схожих типов населения Восточной Европы. Изначально были сгруппированны вместе с Балтидами, однако отличаются от них: тоньше и длиннее нос и в целом более славянские черты.Тип с разным цветом волос и пигментации, хотя более светные вариации приобладают. Рост: средний, телосложение: от мезоморфного до эндоморфного.

Наибольшая концентрация:  Западная Россия, Украина, Белоруссия.

Родственные типы: Балтид, Восточный Балтид, Западный Балтид, Восточный Нордид, Горид, Кавказид.

СЕВЕРНЫЙ ПОНТИД (North Pontid)

Гладкие черты лица, высокий череп, узкий лоб, несколько узких отверстий глаза. Северный Понтид Напомним Атлантид Западной Европы, хотя они и не являются тесно связанными. Рост: от среднего до высокого, телосложение от экзоморфного до мезоморфного.

Наибольшая концентрация: Юг России, Украина, Северный Кавказ.

Родственные типы: Северный Атлантид, Восточный Нордид, Понтид, Иранский Нордид.

ПОНТИД. (Pontid)

Подтип Mediterranid с наибольшей концентрацией в Юго-Восточной Европе. Переходные в Северной Pontid и Baltoid (Gorid) фенотипов на севере и Dinaro Mediterranid и Восточной Mediterranid на юге. Тип довольно худой, с гладкими чертами лица, и характеризуется высоким черепом, узким лбом, несколько узкие глазници, менее пегментированные чем средний Mediterranid. Рост от среднего до высокого, телосложение эктоморфное.

Наибольшая концентрация: Болгария, Украина, Греция, Турция.

Родственные типы: Горид, Северный Понтид, Атлантомедотерранид, Грацильный Медотерранид, Динарид, Восточный Медотерранид.

АТЛАНТИД (Atlantis)

Синонимы: Северный метатерранойд. (Synonyms: North metaterranoyd)

Морфологически сход с Нордидом, но имеет более тёмную пегментацию. Распространён вдоль западного побережья Франции, среди французов. Рост: средний, телосложений эктоморфное.

Наибольшая концентрация: Франция, Западная Германия.

Родственные типы: Палео-атлантид, Северный Атлантид, Атланто-медотерранид, Субнордид.

БЕРИД (Berid).

Медотерранид-кроманид прошедший через альпинизацию, но все еще содержит много cromagnid элементов, относящихся к таким кроманидским типам, как Палео Атландид и Берберид. Рост: от низкого до среднего, телосложение от эндоморфного до мезоморфного.

Наибольшая концентрация: в горные районы Южного Иберийского полуострова, Южная Италия (Сардиния) и в Северная Африка, в Северной Фенноскандии, особенно в Лапландии.

Родственные типы: Палео-атлантид, Альпенид, Грацильный Медотерранид,

БЕРБЕРИД (Berbirid)

Cromagnid Северо Африконского типа, связанный с Berids и других кроманидами Европы. Пигментация варьируется от черных волос и темных глаз до светлых волос и голубых глаз. Berberid является наименее пигментированным фенотипом из исконных на африканском континенте. Они имеют высокое и узкое лицо, угловатыми чертами лица, прямой нос, широкой невысокой головы. Berberid особенно часто встречается в популяциях Берберов, хотя берберы часто может иметь и другие Северной Африки фенотипы. Рост: от высокого до среднего, телосложение от эндоморфного до мезоморвного.

Наибольшая концентрация: горные районы Атласа, особенно в Марокко и Алжире.

Родственные типы: Палеоатлантид, Берид, Египтид, Сахарид, Южный Сахарид.

ПАЛЕО-АТЛАНТИД (Paleo Atlantis)

Cromagnid с темной пигментацией. Прочные, коротконогие и длиннорукие, и долихоцефальные. Рост: высокий, телосложение мезоморфное.

Наибольшая концентрация: в Норвегии, Уэльсе, Шотландии и Ирландии.

Родственные типы: Брюн, Стардид, Атлантид, Далофаелид, Берид, Берберид.

АТЛАНТО-МЕДОТЕРРАНИД (Atlanto-Mediterranid)

Сильно долихоцефальны Mediterranid, с прямым носом. Промежуточный тип между Atlantid и грацильными Mediterranid. Рост: от среднего до высокого, телосложение эктоморфное.

Наибольшая концентрация: Северная Европа.

Родственный типы: Атлантид, Понтид, Баскид, Динарометоттеранид, Стройный Медоттеранид.

ДИНАРО-МЕДОТЕРРАНИД. (DinaroMediterranid)

Смесь между Dinarid и Mediterranid. Она вбирает в себя несколько Dinarid смесей с различными типами Mediterranid Западной и Европы. Рост: средний, телосложение эктоморфное.

Наибольшая концентрация: Италия, Албания, Греция.

Родственный типы: Баскид, Динарид, Атлантометотеранид, Анадолид, Грацильный Медотерранид, Восточный Медотерранид.

 

СЕВЕРНЫЙ АТЛАНТИД (North Atlantid)

Синоним: Северо-Западный. (Synonyms: Northwestern)

Северный Атлантид это смесь с Нордидом или Кельтским Нордиком. Северные Атлантиды, как правило, темноволосые и светлоглазые, и представляют собой важный элемент на Британских островах, и особенно в Уэльсе. Реже в Скандинавии, Западной Германии и Франции. Рост: от среднего до высокого. Телосложение: эктоморфное.

Наибольшая концентрация: Северо-Запад Европы, Британия.

Родственные типы: Кельтский Нордик, Нордид, Атлантид, Северный Понтид.

ГРАЦИАЛЬНЫЙ МЕДОТЕРРАНИД

Синонимы: медотерранид, малый медотерранид, западный медотерранид

Gracile. Synonyms: medoterranid, small medoterranid, western medoterranid

Прямой нос и сильная долихоцефальность Mediterranid типа. Промежуточный тип между Atlantid и Mediterranid. Рост: от среднего до высокого, телеслложение: эктоморфное.

Наибольшая концентрация: в Северной части Пиренейском полуострове, в Италии, и на север вдоль западного побережья Европы.

Родственный типы: Атлантомедотерраноид, Данаромедотерранойд, Сахарид, Понтид, Восточный Медотерранид, Берид.

ВОСТОЧНЫЙ МЕДОТЕРРАНИД (East Medoterranid)

Относится к долихоцефальным Mediterranid, которые являются коренными жителями Восточного Средиземноморь, от Южной Италии и Греции до Южной Турции и Иордании. Рост: средний, телосложение эктоморфное.

Наибольшая концентрация: Восточное Средиземноморье.

Родственный типы: Динаромедотеранид, Грацильный Медотерранид,  Сахарид, Понтид, Анатолид, Иранид.

САХАРИД (Saccharides)

Синонимы: Южный Медотерранойд. (Synonyms: South Medoterranoyd)

Худой и высокой Mediterranid найден в Северной Африке, слабо зависит от более южных африканских типов. Имеет некоторое влияние в Южной Европе, хотя и не значительно. Рост от среднего до высокого, телосложение эктоморфное.

Наибольшая концентрация: Египет, Север Африки.

Родственный типы: Грацильный Медотерранид, Восточный Медотерранид, Берберид, Арабид, Южный Сахарид, Египтид.

БАСКИД (Baskid)

Череп является особенно широким рядом, «треугольные» лица. Нос крупный и длинный, подбородок острый. Пигментация цвет волос с черного через тёмно-рыжие до светлых волос. Рост: от среднего до высокого, телосложение мезоморфное.

Наибольшая концентрация: в Юго-Западной Франции и Северной Испании, один из самых редких европейских фенотипов.

Родственные типы: Палеоатлантид, Кельтик Нордид, Атлантометорерранид, Динаромедотерранид.

НОРИД (Norid)

Синоним: Норик, Субадриатический. (Synonyms: Noric, Sub-Adriatic)

Смесь центрально-европейского Нордида и Динарида, достаточно стабильный тип. Название происходит от римской провинции Норик в сегодняшней Австрии. Выражен ряд черт, традиционно ассоциирующихся с динаридским фенотипом. Рост от среднего до высокого. Телосложение: эктоморфное.

Наибольшая концентрация: Австрия, Словения и Чехия. Является важным элементом во многих регионах Центральной Европы.

Родственные типы: Нордид, Восточный Нордид, Кельтский Нордик, Карпатид, Динарид.

ИРАНСКИЙ НОРДОЙД (Iranian Nordoids)

Долихо-мезоцифал, с вытянутым лицом, депигментированные тип распространен в Западной Азии. Пигментация приближается к Северной европейским стандартам.Волос варьируется от блондинов до светло-коричневых, глаза, как правило, синий или зеленый. Иранские Nordoids, вероятно, реликт древних Nordoid-Iranid/Indid. Найден среди курдов (Хаккяри, Fayli), Западном Иране и некоторых из прилегающих районов. Рост высокий, телосложение эктоморфное.

Наибольшая концентрация: Малые изолированные популяции этого вида жили в Восточной Турции и Ирана на протяжении тысячелетий. Относительно редкий тий и сложно найти где либо в любой значительной концентрации.

Родственные типы: Северный понтид, Робуст-иранид, Ирадид, Восточный Иранид, Западный Иранид, Нуристани-Калаш.

ДИНАРИД (Dinarid)

Центральный и юго-восточная европеоид, названный со ссылкой на Динарские Альпы. Dinarids, как правило, брахицефалический с вытянутым лицом и длинными, а часто и выпуклыми носом с промежуточными до темно-пигментации. Рост: высокий, телосложение от эктоморфного до мезоморфного.

 

Наибольшая концентрация: Балканы.

Родственные типы: Нордид, Карпатид, Динарометоттеранид, Кавказид, Понтид.

КАРПАТИД (Karpatid)

Гибридный тип карпатских гор​​, во многом похожий на Gorid, за исключением большого носа. Вероятно, образовался в результате смешения Dinarid с несколькими элементами Armenoid возможно. Брахицефалический, узколицый, тонкий нос, темные волосы, темные глаза. Рост: средний, телосложение: от эндоморфного до эктоморфного.

Наибольшая концентрация: Северо-Западной Румынии, Словакии и вдоль Карпат.

Родственные типы: Нордид, Кавказид, Горид, Динарид.

КАВКАЗИД (Kavkazid)

Коренной тип на Северном Кавказе и в соседних регионах, возможно, первоначально промежуточный тип между Динаридами и Альпенидами, иногда сочетается с Pontids и Baltids. Caucasids характерные для грузинского населения, а также тип распространен среди чеченцев, ингушей и осетин. Рост: высокий, телосожение от эндоморфного до мезоморфного.

Наибольшая концентрация: Основное населения в Северо-Кавказском регионе на юге России и Грузии. Региональный тип.

Родственные типы: Восточный Европид, Карпатид, Каспиан, Динарид, Арменид.

БАЛТИД (Baltid)

Синоним: Тавастид. (Synonyms: Tavastid)

Часто имеют тёмно-пепельные или светлые волосы и серо-голубыми глаза. Мягкие черты лица и курносый нос являются общими для данного типа. Брахицефал. Рост: средний. Телосложение от мезоморфного до эндоморфного.

Наибольшая концентрация: Балтия, Северо-Запад России, Калиниград.

Родственные типы: Борреби, Восточный Балтид, Западный Балтид, Восточный Европид, Горид.

ЗАПАДНЫЙ БАЛТИД (West Baltid)

Синоним: Восточний Кроманид, Курганоид. (Synonyms: East Cromagnid, Kurganoid)

Обычно брахицефальный череп. Имеет особенности Далофалида и Балтида. Имеют признаки Кроманидов, первоначального населения Восточной Европы. Рост: средний. Телосложение: от мезоморфного до эндоморфного.

Наибольшая концентрация:  в Польше, странах Балтии и Беларуси. Редко представляют большинство популяции.

Родственные типы: Балтид, Восточный Нордид, Борреби, Восточный Европид, Далофаелид.

ВОСТОЧНЫЙ БАЛТИД (East Baltid)

Синоним: Савлоксид. (Synonyms: Savolaxid)

Образовался в результате притока и последующей стабилизации лаппоидных элементов в балтидском населении. Схож с Лаппидом, но меньше пигментированные. В глазах можно найти некоторые монголоидные черты. Брахицифален и слабо пигментирован с пепельно-светлыми волосами и серо-голубыми глазами. Связанн с северными финнами, саамами и народами Севера России. Рост от низкого до среднего. Телосложжение от эндоморфного до мезоморфного.

Наибольшая концентрация: Основное население на Северо-Западе России, Северной Финляндии / Швеции и Лапландии. Часто смешиваются с Нордидами, Лаппидами, Балтидами.

Родственные типы: Лаппид, Уралид, Балтид, Восточный Европид.

БРЮНН (Brunn)

Синоним: Кроманид. (Synonyms: Cromagnid (Irish)

Небольшая часть нередуцированных Кромандиов, характерных для коренного населения Северо-Западной Европы, особенно в Ирландии. Кожа, как правило, светлая, цвет волос может варьироваться от темно-коричневого до светлых, часто встречаются рыжие волосы. Рост: высокий. Телосложение: мезоморфное.

Наибольшая концентрация: Ирландия, Северно-Западная Европа.

Родственные типы: Нордокроманид, Борреби, Кельтский Нордик, Далофалид, Палеоатлантид.

БОРРЕБИ (Borreby)

Синонимы: Северный Альпинид, Фермарнер. (Synonyms: North Alpinoid, Fehmarner, Jahren)

Борреби связанны со старым населением Северо-Запада Европы. Во многих местах, таких, как норвежские прибрежные районы, Борреби были одними из первых людей осевших на постоянное жительство, в конце мезолита. Много Борреби живет на Балканах, в сочетании с балтидами и динаридами. Рост: высокий. Телосложение: от эндоморфного до мезоморфного.

Наибольшая концентрация: в Южной Швеции, Дании, Северной Германии и Боснии / Черногории.

Родственные типы: Северный Кроманид, Балтид, Брюнн, Западный Балтид, Альпинид, Далофалид.

ДАЛОФАЛИД (Dalofaelid)

Синонимы: Dalisch, Дало-Нордик, Фалид, Phalian, Северный Кроманид. (Synonyms: Dalisch, Dalo-Nordic, Faelid, Phalian, North Cromagnid)

Нередуцированные и депигментированные жители Северной Европы со времён верхнего палеолита, продолжение классического типа охотников-собирателей. Имеют более узкие лица, чем их предки верхнего палеолита. Пигментация Далофалида, как правило, светлая, в отличие от своих соседей Кроманидов. Рост: высокий. Телосложение: мезоморфное.

Наибольшая концентрация: Северная и Центральная Европа, редко встречается в чистом виде.

Родственные типы:  Нордокроманид, Борреби, Палеоатлантид, Западный Балтид, Брюнн.

АЛЬПИНИД (Alpinid)

Синонимы: Восточный, Западный Альпинид, Альпин. (Synonyms: Eastern, West-Alpinid, Alpine)

Альпенид один из самых важных европейских типов. Брахицефальные, коренастые, что характерно — круглоголовые с широким лицом, и темной пигментацией. Волосы обычно каштановые, хотя более светные варианты распространены в Центральной Европе. Этот тип — часто переходный к Субнордиду. Рост: от низкого до среднего. Телосложение: эндоморфное.

Наибольшая концентрация: центральная Франция, центральная Европа, юг Германии, Альпы.

Родственные типы: Страндид, Борреби, Субнордид, Берид, Азиатский Альпинид.

ГОРИД (Gorid )

Синоним: Восточный Альпинид. (Synonyms: East Alpinid)

Восточно-европейский Альпинид с ярким влиянием Балтидов. Промежуточный тип между Альпинидом и Балтидом. Название происходит от польского слова — «гора». Связан с центрально-европейскими славянами. Рост: средний. Телосложение: эндоморфное.

Наибольшая концентрация: в Словакии, Венгрии, западной Украине и южной Польше. Встречается во многих регионах Восточной Европы и России.

Родственные типы: Балтид, Северный Европид, Альпинид, Карпатид, Понтид, Азиатский Альпинид.

СТРАНДИД (Strandid)

Синонимы: Скандинавский Альпинид. (Synonyms: Scandinavian Alpinoid)

Кареглазые, темноволосые, вогнутые носы. Встречаются в Скандинавии, особенно в Западной Норвегии. Они часто напоминают Альпинидов Центральной и Южной Европы. Страндиды могут иметь связи с Палео-Антлантидами (Tydals), с древней норвежской культурой Fosna. Рост: средний. Телосложение: от эндоморфного до мезоморфного.

Наибольшая концентрация: Запад Норвегии.

Наибольшая концентрация: Палео-Атлантид, Альпенид, Лаппид.

АЗИАТСКИЙ АЛЬПИНИД (Asian Alpinoid)

Синонимы: Азиатский Альпиноид. (Synonyms: Asian Alpinid)

Азиатский Альпинид напоминает европейского Альпинида. Брахицефальный, что характерно, круглоголовый с широким лицом, и более темной пигментацией. Они часто встречаются по всему Ближнему Востоку. Рост: средний. Телосложение эндоморфное.

Наибольшая концентрация: Турция и Западный Иран. Встечается во многих регионах Ближнего Востока.

Родственный типы: Горид, Арменид, Альпинид, Индобрахид, Анатолид, Робуст-Иранид.

ЛАППИД (Lappid)

Древний европейский тип, частично смешавшийся с Западно-Сибирским типом. Этот тип связан с саамсами («лопари») из северной Скандинавии. Морфологически поход на Восточных Балтидов, однако имеет более тёмную пигментированность и иной разрез глаз. Рост от низкого до среднего, телосложение от эндоморфного до мезоморфного.

Наибольшая концентрация: в Северной Фенноскандии, особенно в Лапландии.

Родственный типы: Восточны Балтид, Западный Сибирид, Стандид, Уралид.

УРАЛИД (Uralid)

Смесь Baltoid с Западно-Сибирским типом и Aralids. Иногда путают с Lappid северной Фенноскандии.Тип очень изменчив и менее стабилизировалась, чем соседние типы. Пигментация принимает темные черты, через примерсь манси и хантов к Западным Балтидам. Рост: от низкого до среднего, телосложение от эндоморфного до мезоморфного.

Наибольшая концентрация: во круг Уральских гор, часто смешиваются с Балтидами и Сибиряками.

Родственные типы: Лаппид, Западный Сибирид, Восточный Балтид, Аралид, Каспиан.

КАСПИАН (Kaspian)

Промежуточный тип встречается вдоль западного побережья Каспийского моря, который сочетает в себе Caucasid, Aralid и Iranid элементы. Обычно брахицефалический и с темными волосами и глазами, но относительно светлой кожей. Нос длинный и выпуклый. Связан с кумыками, азербайджанцами и лакцами, рутульцами, табасаранцами, цахурами Южного Дагестана. Рост: от низкого до среднего, телосложение от эндоморфного до эктоморфного.

Наибольшая концентрация: в Дагестане и Азербайджане.

Родственные типы: Кавказид, Уралид, Западный Туранид, Аралид, Арменид, Памирид.

АРМЕНИД (Armenids)

Синонимы: Армянойд. (Synonyms: Armyanoyd)

Тип похожа на европейские Dinarid, отличие большие абсолютные размеры и большой нос. Глаза, как правило, темные, в исключительных случаях бывают и светлые глаза. Armenids являются важным элементом среди армян, общий на всем Ближнем Востоке, где они смешиваются с Arabids и иногда с Iranids. Рост средний, телосложение от эндоморфного до мезоморфного.

Наибольшая концентрация: в Армении, на Кавказе и в некоторых частях Анатолии. Недавно найдены во многих регионах Ближнего Востока, такие как Турция, Ирак и Иран.

Родственные типы: Кавказид, азиасткий Альпенид, Анатолид, Робус-Иранид, Каспиан.

АНАТОЛИД (Anatolid)

Черты Armenoid типа сочетаются с Mediterranid и некоторым Turanid влиянием. Представляет собой распространенный тип среди турок в Турции. Anadolids, как правило, имеют тонкие черты. Рост средний, телосложение от эктоморфного до мезоморфного.

Наибольшая концентрация: Турция, Ближний Восток.

Родственные типы: Динаромедотерранид, Арменид, Западный Туранид, Азиатский Альпенид, Восточный Медотерранид, Арабид, Каспиан.

АРАБИД (Arabid)

Семитоязычное население на Ближнего Востока. Большие размеры носа, достаточно вариабелен от чистого Арабита до Североафриканских типов.  Рост:  средний, телосложение эктоморфное.

Наибольшая концентрация: Аравийский полуостров, Северная Африка.

Родственные типы: Арабад, Иранид, Сахарид, Южный Арабид, Египтид, Северный Эфиопид.

ЮЖНЫЙ АРАБИД (South Arabid)

Промежуточный между Arabid и Arabid Йемена и Омана. Часто этот тип входит в Arabid. Однако, сильно отличается от арабида. Рост: средний, телосложение от эктоморфного до эндоморфного.

Наибольшая концентрация: Аравийский полуостров, Ближний Восток.

Родственные типы:   Индобрахид, Арабид, Протоарабид,

ЕГИПТИД (Egiptid)

Местный Египетский фенотип. Тип характерен переменной пегменации от светлой до тёмной. Связан с современными египтянами. Рост: средний, телосложение от эктоморфного до эндоморфного.

Наибольшая концентрация: Египет.

Родственные типы: Бербернид, Арабид, Сахарид, Южный Арабид, Нубиан, Северный Эфиопид.

РОБУСТ ИРАНИД (Robust Iranid) (прочный, твёрдый, грубый — иранид)

Вариант Иранида с примесью кроманида. Отличается более широкое лицом, тип распространён в Восточной Турции, Ираке и Иранском нагорье. Долиоцефальный или мезоцефальный. Напоминает европейский Cromagnids. Волосы от коричневого до черного цвета, глаза часто темно, но несколько человек показывают, что бывают голубые или зелёные глаза. Рост от среднего до высокого, телосложение от эктоморфного до мезоморфного.

Наибольшая концентрация: Иран, Турция, встречается среди курдов и горанцев.

Родственные типы: Арменид, Берид, Иранид, Иранский Нордид, Восточный Индид, Индидобрахмид.

ИНДОБРАХИД (Indobrahid)

Брахицефалический тип прибрежно Индийского субконтинента, характеризующаяся уплощением затылочной кости, коротким и широким лицом и длинныем, выдающимся и часто выпуклым носом.Цвет кожи варьирует от весьма светлой и умеренной до темно-коричневой, волосы, как правило, прямые и черные, глаза в основном темные.Нагар брахман, Kayastha и каннада являются представителями этого типа. Рост: средний, телосложение эндоморфное.

Наибольшая концентрация: Северная Индия.

Родственные типы: Азиатскйи Альпинид, Северный Индид, Робуст Иранид, Восточный Иранид, Северный Индомеланид, Грацильный индид.

ВОСТОЧНЫЙ ИРАНИД (East Iranid)

Смесь Mesocephalic и горбоносого тип распространен в Восточном Иране, Афганистане и Западном Пакистане. В отличие от других Iranids гораздо ближе к азиатским европеоидов, чем европейские типы. Переходное к Pamirids а также Indids. Глаза и волосы, как правило, темные, кожа светлая. Рост: средний, телосложение эндоморфное.

Наибольшая концентрация: в Афганистане, Восточном Иране и юго-западе Пакистана.Родственные типы: Иранский Нордид, Иранид, Индобрахид, Памирид, Нуристани-калаш, Северный Индид.

ИРАНИД (Iranid)

Синонимы: Северный Оринталид. (Synonyms: North Orintalid)

Стройный, изысканный, с вытянутым лицом, высоким головокружение и иногда горбоносый тип распространен в Восточной Турции, Северного Ирака и Западного Ирана.Восточное продолжение Mediterranids.Волосы коричневого до черного цвета, глаза темные, часто с несколькими лицами показывать светлые глаза. Рост: от среднего до высокого, телосложение экзоморфное.

Наибольшая концентрация: в Западном Иране, Северном Ираке и восточной части Турции.

Родственные типы: Робуст Иранид, Восточный Медотерранид, Арабид, Иранский Нордид, Северный Индид, Восточный Иранид.

СЕВЕРНЫЙ ИНДИД (North Indid)

Северо-Западный Indid подтип характеризуется долихоцефалией,цвет кожи варьирует от розового белого до светло-коричневые, волосы прямые и колеблется между каштановые и бурые, цвет глаз варьируется от серо-голубого до светло-коричневый. Рост: от среднего до высокого. Телосложение эктоморфное.

Наибольшая концентрация: на Северо-Западе Индии и Восточном Пакистане.

Родственные типы: Иранский Нордойд, Иранид, Восточный Иранид, Грацильный Индид, Индобрахид.

ГРАЦИЛЬНЫЙ ИНДИД (Gracile Indid)

Характеризуется долихоцефалией, цвет кожи колеблется между светлым и темным коричневым, волосы прямые, часто волнистые и обычно черные, а глаза темные. Рост: от низкого до среднего, теосложение эктоморфное.

Наибольшая концентрация: Индия.

Родственные типы:  Индобрахид, Северный Индид, Северный Индомеланид, Южный Индомеланид, Восточный Бенгалид.

ПАМИРИД (Pamirids)

Pamirids являются азиатским типом Turanids с довольно европеоидными чертами, в отличие от Turanids имеет Mongolid примеси, а именно Aralids. Они брахицефалы, имеют некоторые признаки Alpinoid и Aralid. Рост: средний, телосложение от эктоморфного до эндоморфного.

Наибольшая концентрация: Таджикистан, по всей северной части Афганистана в Туркменистане, в Северном Иране.

Родственнные типы:  Западный Терранид, Аралид, Нуристани-Калаш, Нералид, Восточный Индид.

НУРИСТАНИ-КАЛАШ (Nuristan-Kalash)

Европеоиды Южного и Центрально Азиатского типа. Полностью отличается от различных окружающих типов из-за изоляции в горах. Волосы варьируется от черного до блондина, глаза большие и часто голубые или зеленые. Из-за пигментации Калаш часто были связаны с европейцами, таких как эллинов, хотя генетические данные свидетельствуют о том, что они очень отличительный от всех других европеоидов.Рост: средний, телосложение: эндоморфное.

Наибольшая концентрация: Калаш живут в Северном Пакистане, Нуристани в Северо-Восточном Афганистане. Реже в Таджикистане.

Родственные типы:  Иранский Нордойд, Памирид, Восточный Иранид.

Кандидат биологических наук Станислав Дробышевский считает, что  «определение типа «на глаз», по фотографии или даже по индивидуальным измерениям, невозможна, то есть в целом европеоидную расу можно определить, только изучив всю популяцию людей».

Неразгаданные тайны Николы Тесла Цивилизация майя

Информация для доноров — Полезная информация — Редкие фенотипы

Понятие фенотип антигенов эритроцитов человека включает в себя набор антигенов разных систем групп крови, расположенных на поверхности эритроцитов. Этот набор для каждого человека индивидуален. Поэтому при переливании крови и эритроцитарной массы необходимо учитывать совместимость не только по эритроцитарным антигенам системы АВО и резус-фактору, но и по другим эритроцитарным антигенам различных систем.

Антигены системы резус встречаются со следующей частотой: Д – 85 %; С – 70 %; с – 80  %; Е – 30 %; е – 97,5 %. Антигены системы резус обладают способностью вызывать образование иммунных антител. Наиболее активным в этом отношении является антиген Д, который и подразумевается под термином «резус – фактор». Именно по наличию или отсутствию антигена Д все люди делятся на резус – положительных и резус – отрицательных.

 

Распределение фенотипов резус-системы у D-положительных доноров

Фенотипы	%
CcDee	38
CcDEe	17
CCDee	22
ccDEe	16,6
ccDEE	2,4
ccDee	3,4
CcDEE	0,08
CCDEe	0,3

Редким фенотипом крови считается фенотип редко встречающийся в популяции. К   примеру, фенотип  ccddee – резус-отрицательный имеют около 15% населения, а фенотип ссDEE – 2%, (отсутствует антиген е).  Фенотип крови по системе  РЕЗУС (Rh) отрицательный — ссddee или (C-,c+,C W -, D-,E-,e+) относится к редким фенотипам крови. При необходимости переливания крови реципиенту, имеющего такой фенотип, это становится жизненно важно, так как на отсутствующие у реципиента антигены, организм может вырабатывать антитела.

Чтобы избежать всевозможных осложнений, каждому человеку необходимо знать свой фенотип крови. Сделать это можно в специализированной иммуносерологической лаборатории ККЦК №1, где произведут фенотипирование образца вашей крови по всем иммуногенно- значимым системам крови.

 

%d1%84%d0%b5%d0%bd%d0%be%d1%82%d0%b8%d0%Bf%d0%b0 — English translation – Linguee

Добавить код BF к соответствующим номерам […] заказов муфт и ниппелей. staubli.com	Add the code BF to the concerned part-numbers […] of the sockets and the plugs. staubli.com
Она весит 13 т и может перевозить до 2 т […] груза с помощью установленного […] дизельного двигателя Deutz BF 6L 913 мощностью 160 […] л.с. или GM 4-53T мощностью 175 л.с. Колеса […] амфибии имеют диаметр 2.96 м и ширину 1.5 м. Скорость на суше 8 км/ч, на воде — 5 км/ч. На палубу амфибии может приземляться небольшой вертолет, а чтобы амфибия не перевернулась от воздушных потоков, создаваемых лопастями вертолета, предусмотрена система 4х якорей, фиксирующих VARF. trucksplanet.com	Weighing a total of 13 t, 2 t payload, it was powered by a […] Deutz BF 6L 913 160 hp or GM 4-53T 175 hp engine […] with wheels of 2.96 m diameter and […] 1.5 m wide. Speed of 8 km / h on land and 5 in water. trucksplanet.com
Эта опция меню будет доступна после установки CD/DVD/BD—ROM-привода в NMT, или при подключении внешнего USB-привода CD/DVD/BD—ROM. popcornhour.es	This option will only be accessible when a CD/DVD/BD-ROM drive has been installed into or attached to your NMT. popcornhour.es
В 2000 году, проработав около года на должности начальника отдела обслуживания и продаж в подразделении Olympus France, он вернулся в компанию Olympus Medical Systems Europa GmbH в Гамбурге, заняв пост начальника отдела GI/EUS/BF и подразделения маркетинга услуг. olympus.com.ru	In 2000, after spending about a year as Department Manager, Service & Sales Management with Olympus France, he returned to Olympus Medical Systems Europa GmbH in Hamburg to take on the role of Department Manager GI/EUS/BF and Service Marketing Division. olympus.it
BD выпускается в строгом соответствии с техническими условиями, все аудио могут быть расшифрованы вывода см. в разделе BD RIP, BD ISO треков были совершенны следующего поколения выходе источника macbook-covers.net	BD produced in strict accordance with specifications, all the audio can be decoded output, see BD RIP, BD ISO tracks were perfect the next generation of source output macbook-covers.net
Выполнен проект по изготовлению пилотных […] образцов портативного мультимедийного проигрывателя, использующего разнообразные […] аудиоинтерфейсы, на процессоре Blackfin BF548. promwad.com	The project for the pilot samples production of the portable […] multimedia players that use different audio interfaces and […] are based on Blackfin BF548 processor was successfully […] completed. promwad.com
SF1605x400 обработанной винт мяч […] шариковинтовая SF типа обрабатываемой в соответствии с BK12 и BF/FF12 опор ШВП. zappautomation.co.uk	The SF1605x400 machined ball screw is […] the SF type ballscrew machined to fit the BK12 and BF/FF12 ballscrew supports. zappautomation.co.uk
Во-вторых, […] использовать VAV BF типа низкого шума […] ветра шасси используется в основном для различных кондиционеры, воздушные […] завесы, отопления и охлаждения, вентилятор и т.д., также могут быть использованы в промышленных и горнодобывающих предприятий, общественных мест, крытый вентиляции. ru.shyngda.com	Second, use VAV BF type low-noise wind […] chassis is mainly used for a variety of air conditioning units, air curtain, heating […] and cooling fan, etc., can also be used in industrial and mining enterprises, public places, indoor ventilation. en.shyngda.com
Чтобы привести автомобиль в боевую готовность и показать силу были использованы 3-дюймовые навесы и особые […] колеса матового черного цвета, а также […] грязевые шины М/Т BF Goodrich, был добавлен […] большой передний кенгурятник, ограничительная […] планка и багажник на крыше. ms-auto.co.jp	To be fully armed and show the impact, 3 inch lift ups and […] special mat black wheel and BF Goodrich […] mud terrain tires, large front grill guard […] and tail guard and roof racks are added. ms-auto.co.jp
Мы также добавили черные боковые пороги, 2-дюймовый […] навес, эксклюзивные колеса черного цвета и всесезонные […] грязевые шины BF Goodrich для придания […] более неустрашимого вида. ms-auto.co.jp	We also added black side tube step, 2 inch lift up, exclusive black color […] wheel and BF Goodrich mud terrain tire […] to make it with a look of fearless determination. ms-auto.co.jp
Поскольку пропорциональная […] счетная трубка BF3 будет реагировать […] только на термальные нейтроны, полиэтиленовый модератор, […] который замедляет случайные быстрые нейтроны до термальных энергий, окружает нейтронно чувствительную трубу. ru.flukebiomedical.com	Since the BF3 proportional counter […] tube will only respond to thermal neutrons, a polyethylene moderator, which slows the […] incident fast neutrons to thermal energies, surrounds the neutron sensitive tube. flukebiomedical.com
В настоящий момент компания […] […] Promwad работает над системой видео наблюдения и регистрации с использованием стандарта сжатия изображения JPEG2000 на базе кодека ADV212/202 и двухъядерного процессора Blackfin BF561. promwad.com	Currently Promwad Company develops a video surveillance and recording system using JPEG2000 image compression standard based on ADV212/202 codec and Blackfin BF561 duo core processor. promwad.com
На грузовики могут устанавливаться зарубежные […] дизели Perkins мощностью 65 л.с. (базовый […] двигатель) и Deutz BF 04L 2011 мощностью […] 79 л.с. или отечественный владимирский […] ВМТЗ Д-130Т мощностью 65 л.с. Приводы от валов отбора мощности спереди и сзади позволяют навешивать различное дополнительное оборудование. trucksplanet.com	The trucks can be equipped with foreign […] Perkins 65 hp diesel (Base engine) and Deutz BF 04L 2011 with […] an output of 79 hp or domestic VMTZ D-130T […] developes 65 hp. trucksplanet.com
Если заготовка имеет важное значение в стране, то […] составителям кадастров рекомендуется использовать национальные […] данные по заготовкам или вывести значение BF по конкретной стране. ipcc-nggip.iges.or.jp	If logging is significant in the […] country, the inventory compilers are encouraged to use national […] harvest data or derive country-specific BF values. ipcc-nggip.iges.or.jp
I. Общие сведения о Шанхае должен достичь Фан-Ко, […] дизайн и производство BF VAV низким шасси шум […] ветра предназначены для вентилятора выхлопных […] устройств для удовлетворения оперативных потребностей различных рабочих условиях, он имеет небольшой размер, легкий вес, красивый внешний вид, низкий уровень шума, простота в обслуживании. ru.shyngda.com	I. Overview of Shanghai should reach a Fan Co., the design and […] production of the BF VAV low noise wind chassis […] designed for the blower exhaust devices […] to meet the operational requirements of different working conditions, it has a small size, light weight, beautiful appearance, low noise, easy maintenance. en.shyngda.com
Наряду со страхованием кредита на инвестиции мы наше предложение расширили на два следующих страховых продукта для страхования […] просроченных задолженностей по экспортным […] поставочным кредитам (вид Bf и Cf), которые позволяют […] банкам откупать экспортные задолженности […] без регресса на экспортера. egap.cz	Simultaneously with insurance of a credit for the financing of investments, we extended our offer by two other insurance products for […] insurance of ceded receivables from export […] supplier credits (types Bf and Cf) which enable […] banks to purchase export receivables […] without recourse against the exporter. egap.cz
Параметр “bf” содержит файл, который […] клиент должен получить по TFTP; подробности смотрите в Разд. 4.5.4. debian.org	The “bf” option specifies the […] file a client should retrieve via TFTP; see Section 4.5.4 for more details. debian.org
Оборот […] компании Manitou BF, специализирующейся […] только на подъемных машинах, превысил миллиард евро (более 15 миллиардов […] эстонских крон) в год. intrac.ee	The turnover of Manitou BF, who is focused […] only on lifting machines, is over one milliard euro (more than 15 milliard Estonian kroons ) a year. intrac.ee
Для учета коры в изымаемой при заготовке древесине необходимо использовать «долю коры в заготовленной древесине» (BF). ipcc-nggip.iges.or.jp	Bark fraction in harvested wood (BF) should be 4.33 applied to account for bark in wood removals with harvest. ipcc-nggip.iges.or.jp
Если бы Володя Малахов, до этого очень здорово […] игравший ту партию, пошел Bf5 c Ефименко, то мы […] бы выиграли тот матч, вышли на чистое первое […] место, и, что очень важно, поменялись бы с украинцами местами психологически. crestbook.com	If Volodya Malakhov, who had played that game extremely well until […] then, had gone for Bf5 against Efimenko […] then we’d have won the match, moved into […] clear first place and, very importantly, switched places with the Ukrainians psychologically. crestbook.com
Изъятие древесины (L древ.-изъятия ) рассчитывается с помощью уравнения 2.12 из главы 2, товарные круглые лесоматериалы с корой (H), коэффициент преобразования и […] разрастания биомассы (BCEF ), доля […] коры в заготовленной древесине (BF), отношение подземной биомассы […] к надземной биомассе (R), доля […] углерода в сухом веществе (CF) и табличные данные по умолчанию, раздел 4.5. ipcc-nggip.iges.or.jp	Wood removal (L wood-removals ) is calculated with Equation 2.12, Chapter 2, merchantable round wood over bark (H), biomass conversion expansion factor (BCEF ), bark […] fraction in harvested wood […] (BF), below-ground biomass to above-ground biomass ratio (R), carbon […] fraction of dry matter (CF) […] and default tables, Section 4.5. ipcc-nggip.iges.or.jp
В Институте агротехники и животноводства Баварского земельного управления сельского хозяйства вот уже много лет […] используются инкубаторы с принудительной […] циркуляцией воздуха серии BF от BINDER, благодаря […] которым качество исследований остается […] неизменном высоким. binder-world.com	At the Institute for Agricultural Engineering and Animal Husbandry at the Bavarian State Research Center for Agriculture, […] incubators with mechanical convection of the BF […] series from BINDER have supported the consistently […] high quality of research for many years. binder-world.com
влажность,W; —коэффициент биоразложения отходов на стадии […] полного метаногенеза Bf (зависит от морфологического […] состава биоразлагаемой части ТБО). ogbus.com	factor of biodecomposition of waste products at the stage of complete […] formation of methane Bf (depends on morphological […] structure of biodecomposing part of MSW). ogbus.ru
Хотя […] Me.410 превосходил Bf.110 по лётно-техническим […] характеристикам, прежде всего по скорости и дальности полёта, но всё […] же уступал ему в универсальности применения. warthunder.com	Although the Me.410 was […] superior to the Bf 110 in its performance […] characteristics, most of all in its speed and flight range, […] it was inferior as far as versatility was concerned. warthunder.com
Светодиоды «R», «BF«, «FDO» и «FS» не являются […] элементами системы обеспечения безопасности и не должны использоваться в […] качестве таковых. download.sew-eurodrive.com	The «R«, «BF», «FDO» and «FS» LEDs are not safety-oriented […] and may not be used as a safety device. download.sew-eurodrive.com
Страхование типа «Bf« и «Cf» подготовила EGAP […] при тесном сотрудничестве с банковским сектором с целью позволить банкам оперативно […] реагировать на потребности своих клиентов, а экспортёрам позволить получить от продажи экспортных дебиторских задолженностей финансовые средства для реализации последующих контрактов. egap.cz	The insurance of the types «Bf» and «Cf» has been prepared […] by EGAP in close cooperation with the banking sector with aim […] of enabling banks to react flexibly to needs of their clients and helping exporters to acquire financial funds for realization of further contracts by selling of their export receivables. egap.cz
ELSR—M—BF/AF облегченная версия […] саморегулирующийся нагревательный кабель, включающий внешнюю оболочку, которая безопасна […] для использования с пищевыми продуктами и питьевой водой. eltherm.com	ELSR-M-BF/AF is the light version […] of a self-regulating heating cable featuring an outer jacket which is KTW-proofed and […] suitable for use in potable water. eltherm.com
BFC продолжает тесно сотрудничать с BFМ для обеспечения максимальной координации деятельности […] с подразделениями на местах. unesdoc.unesco.org	BFC continue to work closely with BFM to ensure maximum coordination with the field offices. unesdoc.unesco.org

Человек фенотип — Справочник химика 21

    Наши знания о природе наследственности и биологической изменчивости не только помогают нам глубже понять популяции человека и протекающие в них подчас своеобразные жизненные явления, но в значительной мере касаются непосредственно каждого из нас. Прежде всего необходимо признать, что мы являемся наследниками наших предков, а это означает, что мы рождаемся с той или иной генетической конституцией, которая в значительной мере определяет возможности нашего развития. К счастью мы зависим не только от наследственности, но находимся также под сильным влиянием условий среды, в которой мы живем. Правда, некоторые признаки, такие, как цвет глаз или группа крови, практически не зависят от условий среды, однако большая часть наших индивидуальных особенностей формируется в процессе взаимодействия между генотипом и условиями среды, причем в ряде случаев условия среды играют в этом важную роль. Для нас, как и для других организмов, полностью сохраняет свое значение простой, но крайне важный тезис, что фенотип представляет собой результат взаимодействия между генотипом и условиями среды. [c.449]
    Так, в отношении человека мы должны считать частью фенотипа наряду с физическими свойствами и умственные способности. Мы должны также понять, что с биологической точки зрения лишь эти два основных фактора — генотип и условия среды — регулируют всю нашу жизнь и играют решающую роль в определении нашего поведения. [c.450]

    Направление биохимических исследований, задачей которых является модификация генотипов с целью изменения фенотипов организмов, называется генной инженерией. Генная инженерия представляет собой современную производительную биотехнологию, использование которой дает человечеству надежду на решение глобальной проблемы питания (по прогнозам ученых, к концу XXI в. население Земли может увеличиться до 10 млрд человек, в то время как и при современной численности население в некоторых регионах испытывает недостаток в питании) и ряда других проблем. Цель настоящей главы — рассмотреть методы и основные направления развития генной инженерии и биотехнологий. [c.495]

    Тот факт, что рестрикционные маркеры сохраняются при изменениях генома, затрагивающих фенотип, лежит в основе чрезвычайно эффективного метода идентификации генетических локусов на молекулярном уровне. Типичным примером могут служить мутации с известным фенотипическим эффектом, которые локализованы на генетической карте, хотя функция соответствующего гена или белка не известна. К этой категории относятся некоторые тяжелые заболевания человека. Это, например, кистозный фиброз, хорея Гентингтона и многие другие серьезные и даже смертельные болезни, которые наследуются по законам Менделя. Во всех этих случаях молекулярная природа мутантной функции неизвестна и, вероятно, она сможет быть выяснена только после того. [c.48]

    Некоторые болезни человека, которые хорошо изучены генетически, но слабо охарактеризованы с молекулярной точки зрения, трудно поддаются диагнозу. Если же рестрикционный маркер тесно сцеплен с фенотипом, то его наличие можно использовать для диагностики болезни в пренатальной стадии или позднее. [c.49]

    В случае кластера (3-глобиновых генов человека наилучшая корреляция наблюдается в генах эмбриона. Большинство ( 15) идентифицированных сайтов оказывается неметилированными в эритроидной ткани с активной экспрессией, частично метилированными во взрослой эритроидной ткани и метилированными в других тканях. У взрослого организма в тканях с активной экспрессией Р-глобиновых генов метилирование некоторых сайтов уменьшено лишь частично. (Под частичным метилированием подразумевается, что данный сайт метилирован в одних клетках, но не метилирован в других клетках того же фенотипа.) [c.386]

    Несколько иная картина наблюдается при обработке нейраминидазой сыворотки приматов и крупного рогатого скота (ср. рис. 1) [25]. Трансферрин приматов расщепляется с образованием только двух медленно движущихся полос, тогда как трансферрин человека образует четыре добавочные полосы. Аналогичным образом при обработке нейраминидазой сывороток крупного рогатого скота, содержащих пять из шести известных фенотипов трансферрина, из каждой зоны необработанного трансферрина последовательно образуются два медленно движущихся компонента. Трансферрин сыворотки цыплят также содержит два остатка сиаловой кислоты, которые могут отщепляться нейраминидазой [60]. [c.123]

    В отношении механизмов определения пола человек отличается от дрозофилы тем, что для формирования нормального мужского фенотипа необходимо присутствие Y-хромосомы. Механизмы определения пола у дрозофил и млекопитающих обсуждаются в гл. 17. [c.81]

    У человека локус резус-фактора сцеплен с локусом, определяющим форму эритроцитов, и находится от него на расстоянии 3 кроссоверных единиц. Резус-положительность и эллиптоцитоз (эритроциты эллиптической формы) определяются доминантными аутосомными генами. Один из супругов гетерозиготен по обоим признакам. При этом резус-положительность он унаследовал от одного из родителей, а эллиптоцитоз — от другого. Второй супруг резус-отрицателен и имеет эритроциты нормальной формы. Определите процентные соотношения вероятных генотипов и фенотипов детей в этой семье. [c.114]

    Влияние гомозиготности на выражение аномальных доминантных генов, Аномальный ген считается доминантным, если фенотип гетерозигот четко отличается от фенотипа здоровых гомозигот. В популяциях человека почти все носители доминантных заболеваний гетерозиготны по той или иной мутации. Иногда случается, что два носителя одной и той же аномалии вступают в брак и имеют детей. Тогда четверть из них будут гомозиготами по мутантному алле-лю. Такая ситуация вполне реальна, когда супруги-родственники. В кровнородственном браке между двумя носителями брахидактилии средней степени тяжести (11260) родился ребенок, у которого недоставало пальцев на руках и ногах и, кроме того, имелись множественные уродства скелета. Он умер в возрасте одного года. Однако у его сестры (как и у родителей) наблюдалась аномалия пальцев только средней степени тяжести [792]. [c.156]

    Генетические различия. Кроме видовых различий, обнаружены различия между линиями внутри одного вида как у лабораторных животных, так и у человека. Например, гидроксилирование дебризоквина осуществляется по четвертому положению. Однако существует два фенотипа в популяции, в которых гидроксилирование происходит по-разному. Большая группа представителей популяции — экстенсивные метаболайзеры эффективно гидроксилируют по четвертому положению. Меньшая группа (слабые метаболайзеры), напротив, почти не метаболизируют по этому типу [c.524]

    Ввиду сказанного выше любая классификация клеток организма будет в какой-то степени произвольной в отношении детальности подразделения. В наш перечень включены те виды клеток взрослого человеческого организма, которые считаются различными во всяком большом современном руководстве по гистологии. Они сгруппированы в приблизительном соответствии со своей функцией. В некоторых случаях, когда ясно, что традиционная группа нуждается в дальнейшем разбиении, но подгруппы еще недостаточно хоро-шо охарактеризованы, они не указаны. В частности, мы не пытались как-либо подразделять класс нейронов центральной нервной системы. Когда отдельный вид клеток, как, например, ороговеваюшая эпидермальная клетка, последовательно получает различные наименования по мере своего созревания, мы приводим только два названия-одно для дифференцирующейся клетки и одно для стволовой клетки. С учетом сделанных оговорок 210 наименований клеток, содержащихся в перечне, составляют более или менее исчерпывающий список различных способов экспрессии генома в ввде фенотипов нормальных клеток взрослого человека. Стоит отметить, что более 60% представленных типов относится к эпителиальным клеткам. [c.184]

    Эффекты генных мутаций чрезвычайно разнообразны. Большая часть мелких генных мутаций фенотипически не проявляется, поскольку они рецессивны, однако известен ряд случаев, когда изменение всего лишь одного основания в генетическом коде оказывает глубокое влияние на фенотип. Одним из примеров служит серповидноклеточная анемия — заболевание, вызываемое у человека заменой одного основания в одном из генов, ответственных за синтез гемоглобина. Более подробно это заболевание и его причины описаны в разд. 25.7.2. [c.213]

    На фоне расшифровки последовательностей нуклеотидов в геноме стало очевидным, что функционирует он как сложная система с множеством обратных связей, а не как простое считывание информации с цепочки бусинок-генов . И регуляторная иерархия весьма динамична, она может меняться при делении соматических и зародышевых клеток. Некоторые дополнительные механизмы, о которых ученые давно догадывались, приводят к наследственным стабильным изменениям экспрессии генов без изменения нуклеотидной последовательности в ДНК (их назвали эпигенетическими). Накопленные генетиками факты о межгенных взаимодействиях и их роли в происхождении болезней, в понимании корреляций между генотипом и фенотипом, позволяют совершенно по-новому оценить генетическую регуляцию функций. И этим будет занята генетика человека в будуш ем. [c.144]

    Идея о том, что действие мутационных факторов опосредовано ферментами, возникла почти одновременно с возрождением генетики. В работах, проведенных с 1902 по 1908 г., Геррод (Garrod) высказал мнение, что болезнь человека-алкаптонурия-обусловлена нарушением какой-то метаболической реакции, катализируемой ферментом. Его фраза- врожденные ошибки метаболизма — заключает в себе концепцию, согласно которой генетический дефект может привести к нарушению определенного метаболического процесса, обусловливая тем самым наблюдаемый фенотип. В последующие три десятилетия накопились примеры влияния специфических мутаций на определенные биохимические реакции. Основная трудность исследований этого периода состояла в том, что приходилось довольствоваться случайно отобранными мутациями, не всегда пригодными ДJiя биохимического изучения. [c.17]

    Авторадиография после электрофореза на крахмальном геле. а, Ь, с — относительная концентрация фермента О, 2 и 100 соответственно, а — сравнение четырех фенотипов трансферрина человека б — сравнение трансферринов макак-резусов, циномолгус, человека н шимпанзе использованы фенотипы, гомозиготные по трансферрину Ь — сравнение пяти фенотипов трансферрина крупного рогатого скота. Фенотипы помечены по системе Смитиса [c.134]

    У человека наличие Y-хромосомы-необходимое условие принадлежности к мужскому полу организмы, обладающие одной Х-хромосомой в отсутствие Y-хромосомы, характеризуются женским фенотипом, хотя большинство из них стерильны (этот генотип определяет так называемый синдром Тернера см. гл. 21). Вообще, по-видимому, присутствие Y-хромосомы необходимо у животных для возникновения мужских половых признаков (или женских, если гетерогаметным полом являются самки) или, во всяком случае, для плодовитости. У D. melanogaster особи с одной Х-хромосомой в отсутствие Y-хромосомы фенотипически выглядят как самцы, однако они стерильны содержащиеся в Y-хромосоме гены необходимы для сперматогенеза. [c.80]

    Редкий аллель а вызывает у человека наследственную анофтальмию (отсутствие глазных яблок). Аллель А обуславливает нормальное развитие глаза. У гетерозигот глазные яблоки уменьшены. Супруги гетерозиготны по гену А. Определить расщепление в по генотипу и по фенотипу. Мужчина, гетерозиготный по гену А (с уменьшенными глазными яблоками), женился на женщине с нормальным развитием глаз. Какое расщепление по фенотипу окажется среди его детей  [c.16]

    Геомагнитное поле оказывает влияние буквально тт все процессы, совершающиеся в отдельных клетках, организмах, и в конечном итоге на всю биосферу Земли. Проведенные исследования показывают, что гомеостазис, т. е. способность поддерживать динамическое постоянство состава и свойства фенотипа и генотипа, мо кет зависеть от геомагнитного поля и находиться под его контролем. Полученные данные открывают возмоншость для глубокого и полного объяснения некоторых проблем гелиобиологии. Па основе признания роли геолтагнитного поля в л изнедоятель-ности организмов становится понятной глобальность и синхронность гелиобиологических реакций, ибо геомагнитное поле все-проникающе и имеет различные вариации. По вместе с тем остается недостаточно ясным ряд вопросов какие именно геофизические факторы оказывают существенное влияние па жизнедеятельность живых организмов имеется ли специфическое влияние их на различные виды экологических объектов (человек, животное, растения, бактерии) количественные и качественные особенности изолированного и комбинированного воздействия на биосистемы молекулярные механизмы их биологического действия проявления действия этих факторов на здоровых и больных людей и т. д. [Дубров, 1973, 1974]. [c.92]

    Дополнительная трудность комплементационного анализа возникает из-за супрессии ts-фенотипа другим сегментом, предположительно кодирующим белок, который дополняет функциональный деф зкт в сегменте, несущем ts-повреждение. Подобная экстраген-ная супрессия впервые была замечена у ts-мутантов реовируса [201] сейчас имеется несколько примеров и с мутантами вируса гриппа. М. Tolpin и соавт. [267] обнаружили, что мутация в гене РА рекомбинантного штамма вируса гриппа человека подавляет экспрессию 18 фенотина гена РВ2. Этот пример супрессорной [c.195]

    Взаимосвязь генетики человека с другими областями науки и медицины. Быстрое развитие генетики человека в последние десяти-лешя привело к ее широкому взаимодействию с другими областями науки и медицины. Помимо общей, молекулярной генетики и цитогенетики особенно тесные связи установились с клеточной биологией, биохимией, иммунологией, а из клинических ДИСЦИП.ЩШ-с такими, как педиатрия, офтальмология и дерматология. В то же время генетика человека мало связана (если вообще связана) с физиологией, что, возможно, приносит ущерб развитию этих наук. Одной из причин отсутствия плодотворного взаимодействия между ними может быть различие в основном подходе генетический анализ по Менделю представляет собой попытку разложить причину возникновения определенного свойства человека па простейшие составляющие. Генетик знает, что в принципе фенотип-это результат сложных взаимодействий между различными генами, но его больше интересуют сами компоненты, а не точный механизм таких взаимодействий. В настоящее время генетический анализ осуществляется на уровне структуры гена и генетического кода. Недоброжелатель может сравнить генетика с человеком, который, чтобы по- [c.16]

    В то же самое время Форд и сотр. (1959) [352] выявили кариотип ХО. В этом случае 14-летняя девочка имела клинические признаки синдрома Тернера (рис. 2.70) при отсутствии в клетках эпителия слизистой оболочки рта Х-хроматина. Модальное число хромосом в клетках костного мозга было 45, обнаружено только 15 метацентрических хромосом средней длины , как у нормальных мужчин. Это строго соответствовало кариотипу ХО. Сравнивая эти результаты с тем, что было известно для дрозофилы (рис. 2.67), авторы пришли к выводу, что в противоположность плодовой мушке тип ХО у человека приводит к развитию агонадального индивида с женским фенотипом. Упомянув о кариотипе XXX у дрозофилы, они отметили, что у человека он еще не описан. [c.99]

    На первый взгляд может показаться, что при современных биологических методах дискриминация клинико-генетических вариантов на чисто описательной основе, т. е. на уровне клинического фенотипа, уже не представляет интереса. Однако, по нашему мнению, значение фенотипической вариабильности генетических болезней у человека необходимо по многим причинам  [c.186]

---

Фенотип и функции дендритных клеток человека, генерированных из субпопуляций моноцитов CD14+, оппозитных по экспрессии CD16 | Черных

1. Ziegler-Heitbrock L., Ancuta P., Crowe S., Dalod M., Grau V., Hart D.N., Leenen P.J.M., Liu Y.-J., MacPherson G., Randolph G.J., Scherberich J., Schmitz J., Shortman K., Sozzani S., Strobl H., Zembala M., Austyn J.M., Lutz M.B. Nomenclature of monocytes and dendritic cells in blood. Blood. 2010; 116: e74–80. DOI: 10.1182/blood-2010-02-258558.

2. Feng A.-L., Zhu J.-K., Sun J.-T., Yang M.-X., Neckenig M.R., Wang X.-W., Shao Q.-Q., Song B.-F., Yang Q.-F., Kong B.-H., Qu X. CD16+ monocytes in breast cancer patients: expanded by monocyte chemoattractant protein-1 and may be useful for early diagnosis. Clin. Exp. Immunol. 2011; 164 (1): 57–65. DOI: 10.1111/j.1365-2249.2011.04321.x.

3. Chara L., Sбnchez-Atrio A., Pйrez A., Cuende E., Albarrбn F., Turriуn A., Chevarria J., del Barco A.A., Sбnchez M.A., Monserrat J., Prieto A., de la Hera A., Sanz I., Diaz D., Alvarez-Mon M. The number of circulating monocytes as biomarkers of the clinical response to methotrexate in untreated patients with rheumatoid arthritis. J. Transl. Med. 2015; 13: 2. DOI: 10.1186/s12967-014-0375.y.

4. Wong K.L., Yeap W.H., Tai J.J.Y., Ong S.M., Dang T.M., Wong S.C. The three human monocyte subsets: implications for health and disease. Immunol. Res. 2012; 53 (1–3): 41–57. DOI: 10.1007/s12026-012-8297-3.

5. Bakdash G., Sittig S.P., Dijk T. van, Figdor C.G., Vries I.J.M. de. The nature of activatory and tolerogenic dendritic cell-derived signal II. Front. Immunol. 2013; 4: 53 DOI: 10.3389/FIMMU.2013.00053.

6. Ancuta P., Liu K.-Y., Misra V., Wacleche V., Gosselin A., Zhou X., Gabuzda D. Transcriptional profiling reveals developmental relationship and distinct biological functions of CD16+ and CD16- monocyte subsets. BMC Genomics. 2009; 10: 403. DOI: 10.1186/1471-2164-10-403.

7. Boyette L.B., Macedo C., Hadi K., Elinoff B.D., Walters J.T., Ramaswami B., Chalasani G., Taboas J.M., Lakkis F.G., Metes D.M. Phenotype, function, and differentiation potential of human monocyte subsets. PLoS One. 2017; 12 (4): e0176460. DOI: 10.1371/journal.pone.0176460.

8. Thurner B., Rцder C., Dieckmann D., Heuer M., Kruse M., Glaser A., Keikavoussi P., Kдmpgen E., Bender A., Schuler G. Generation of large numbers of fully mature and stable dendritic cells from leukapheresis products for clinical application. J. Immunol. Methods. 1999; 223: 1–15. DOI: 10.1016/S0022-1759(98)00208-7.

9. Papewalis C., Jacobs B., Wuttke M., Ullrich E., Baehring T., Fenk R., Willenberg H.S., Schinner S., Cohnen M., Seissler J., Zacharowski K., Scherbaum W.A., Schott M. IFN- skews monocytes into CD56+-expressing dendritic cells with potent functional activities in vitro and in vivo. J. Immunol. 2008; 180 (3): 1462–1470. DOI: 10.4049/jimmunol.180.3.1462.

10. Тыринова Т.В., Леплина О.Ю., Тихонова М.А., Мишинов С.В., Ступак В.В., Останин А.А., Черных Е.Р. CCL19/CCL21-зависимый хеммотаксис дендритных клеток в норме и при злокачественных опухолях головного мозга. Бюллетень экспериментальной биологии и медицины. 2014; 158 (12): 752–756. DOI: 10.1007/s10517-015-2862-4.

11. Leplina O. Yu., Tyrinova T.V., Tikhonova M.A., Ostanin A.A., Chernykh E.R. Interferon alpha induces generation of semi-mature dendritic cells with high pro-inflammatory and cytotoxic potential. Cytokine. 2015; 71: 1–7. DOI: 10.1016/j.cyto.2014.07.258.

12. Курочкина Ю.Д., Леплина О.Ю., Тихонова М.А., Тыринова Т.В., Баторов Е.В., Сизиков А.Э., Останин А.А., Черных Е.Р. Влияние дексаметазона на интерферон-α- индуцированную дифференцировку моноцитов в дендритные клетки. Медицинская иммунология. 2016; 18 (4): 347–356. DOI: 10.15789/1563-0625-2016-4-347-356.

13. Dopheide J.F., Zeller G.C., Kuhlmann M., Girndt M., Sester M., Sester U. Differentiation of monocyte derived dendritic cells in end stage renal disease is skewed towards accelerated maturation. Adv. Clin. Exp. Med. 2015; 24 (2): 257–266. DOI: 10.17219/acem/40463.

14. Wong K.L., Tai J.J.-Y., Wong W.-C., Han H., Sem X., Yeap W.-H., Kourilsky P., Wong S.-C. Gene expression profiling reveals the defining features of the classical, intermediate, and nonclassical human monocyte subsets. Blood. 2011; 118 (5): e1631. DOI: 10.1182/blood-2010-12-326355.

15. Merino A., Buendia P., Martin-Malo A., Aljama P., Ramirez R., Carracedo J. Senescent CD14+CD16+ Monocytes exhibit proinflammatory and proatherosclerotic activity. J. Immunol. 2011; 186 (3): 1809–1815. DOI: 10.4049/jimmunol.1001866.

16. Gren S.T., Rasmussen T.B., Janciauskiene S., Hеkansson K., Gerwien J.G., Grip O. A single-cell gene-expression profile reveals inter-cellular heterogeneity within human monocyte subsets. PLoS One. 2015; 10 (12): e0144351. DOI: 10.1371/journal.pone.0144351.

17. Skinner N.A., MacIsaac C.M., Hamilton J.A., Visvanathan K. Regulation of Toll-like receptor (TLR)2 and TLR4 on CD14dimCD16+ monocytes in response to sepsis-related antigens. Clin. Exp. Immunol. 2005; 141 (2): 270–278. DOI: 10.1111/j.1365-2249.2005.02839.x.

18. Sakhno L.V., Tikhonova M.A., Tyrinova T.V., Leplina O.Y., Shevela E.Y., Nikonov S.D., Zhdanov O.A., Ostanin A.A., Chernykh E.R. Cytotoxic activity of dendritic cells as a possible mechanism of negative regulation of T lymphocytes in pulmonary tuberculosis. Clin. Dev. Immunol. 2012; 2012: 1–9. DOI: 10.1155/2012/628635.

19. Chen L., Azuma T., Yu W., Zheng X., Luo L., Chen L. B7-h2 maintains the polyclonal T cell response by protecting dendritic cells from cytotoxic T lymphocyte destruction. Proc. Natl. Acad. Sci. 2018; 115 (12): 3126– 3131. DOI: 10.1073/pnas.1722043115.

20. Lee J.-H., Park C.-S., Jang S., Kim J.-W., Kim S.-H., Song S., Kim K., Lee C.-K. Tolerogenic dendritic cells are efficiently generated using minocycline and dexamethasone. Scientific Reports. 2017; 7: 15087. DOI: 10.1038/s41598-017-15569-1.

ЭКСПРЕССИЯ ВИМЕНТИНА В КУЛЬТУРАХ КЛЕТОК ЭПИТЕЛИАЛЬНЫХ ОПУХОЛЕЙ ЧЕЛОВЕКА | Богуши

1. Davidson B., Holth A., Hellesylt E. et al. The clinical role of epithelial mesenchymal transition and stem cell markers in advanced-stage ovarian serous carcinoma effusions. Hum Pathol 2015;46(1):1–8. DOI: 10.1016/j.humpath.2014.10.004. PMID: 25455994.

2. Choi Y., Lee H. J., Jang M. H. et al. Epithelial-mesenchymal transition increases during the progression of in situ to invasive basal-like breast cancer. Hum Pathol 2013;44(11):2581–9. DOI: 10.1016/j.humpath.2013.07.003. PMID: 24055090.

3. Heerboth S., Housman G., Leary M. et al. EMT and tumor metastasis. Clin Transl Med 2015;26(4):1–13. DOI: 10.1186/s40169-015-0048-3. PMID: 25852822.

4. Savagner P., Kusewitt D. F., Carver E. A. et al. Developmental transcription factor slug is required for effective reepithelialization by adult keratinocytes. J Cell Physiol 2005;202(3):858–66. DOI: 10.1002/jcp.20188. PMID: 15389643.

5. Thiery J. P., Acloque H., Huang R. Y., Nieto M. A. Epithelial-mesenchymal transitions in development and disease. Cell 2009;139(5):871–90. DOI: 10.1016/j.cell.2009.11.007. PMID: 19945376.

6. Cao L., Shao M., Schilder J. et al. Tissue transglutaminase links TGF-β, epithelial to mesenchymal transition and a stem cell phenotype in ovarian cancer. Oncogene 2012;31(20):2521–34. DOI: 10.1038/onc.2011.429. PMID: 21963846.

7. Wu D. I., Liu L., Ren C. et al. Epithelialmesenchymal interconversions and the regulatory function of the ZEB family during the development and progression of ovarian cancer. Oncol Lett 2016;11(2):1463–8. DOI: 10.3892/ol.2016.4092. PMID: 26893761.

8. Nieto M. A. Epithelial plasticity: a common theme in embryonic and cancer cells. Science 2013;8(342):1–7. DOI: 10.1126/science.1234850. PMID: 24202173.

9. Tsai J. H., Donaher J. L., Murphy D. A. et al. Spatiotemporal regulation of epithelial-mesenchymal transition is essential for squamous cell carcinoma metastasis. Cancer Cell 2012;22(6):725–36. DOI: 10.1016/j.ccr.2012.09.022. PMID: 23201165.

10. Klymenko Y., Kim O., Stack M. S. Complex determinants of epithelial: mesenchymal phenotypic plasticity in ovarian cancer. Cancers (Basel) 2017;9(8):1–32. DOI: 10.3390/cancers9080104. PMID: 28792442.

11. Hay E. D. The mesenchymal cell, its role in the embryo, and the remarkable signaling mechanisms that create it. Dev Dyn 2005;233(3):706–20. DOI: 10.1002/dvdy.20345. PMID: 15937929.

12. Kidd M. E., Shumaker D. K., Ridge K. M. The role of vimentin intermediate filaments in the progression of lung cancer. Am J Respir Cell Mol Biol 2014;50(1):1–6. DOI: 10.1165/rcmb.2013-0314TR. PMID: 23980547.

13. Богуш Т. А., Калюжный С. А., Дудко Е. А. и др. Молекулярные особенности асцитных клеток рака яичников, выявляемые при иммунофлуоресцентном анализе с привлечением проточной цитофлуориметрии. Вестник Московского университета. Сер. 2. Химия 2016;57(5):330–5.

14. Богуш Т. А., Шатурова А. С., Дудко Е. А. и др. Количественная иммунофлуоресцентная оценка с использованием проточной цитофлуориметрии экспрессии эстрогеновых рецепторов β в солидных опухолях человека. Вестник Московского университета. Сер. 2. Химия 2011;52(4):305–12.

15. 15. Bai F., Chan H. L., Scott A. et al. BRCA1 suppresses epithelial-to-mesenchymal transition and stem cell dedifferentiation during mammary and tumor development. Cancer Res 2014;74(21):6161–72. DOI: 10.1158/0008–5472.CAN-14-1119. PMID: 25239453. 16.

16. Strauss R., Li Z. Y., Liu Y. et al. Analysis of epithelial and mesenchymal markers in ovarian cancer reveals phenotypic heterogeneity and plasticity. PLoS One 2011;6(1):1–20. DOI: 10.1371/journal.pone.0016186. PMID: 21264259. 17.

17. Bezdieniezhnykh N., Lykhova A., Semesiuk N. et al. Establishment and characterization of new breast and ovarian cancer cell lines as a model for studying cellular plasticity in vitro. Exp Oncol 2016;38(2):94–100. PMID: 27356577.

Определение фенотипа гаптоглобина

Определение фенотипа гаптоглобина

Проблема сердечно-сосудистых и почечных осложнений, вызванных сахарным диабетом (СД) растет с каждым годом: лечение этих осложнений чрезвычайно дорого и требуется пожизненно. Цель данного диагностического теста — предоставить один раз в жизни информацию, имеет ли конкретный пациент с СД высокий риск этих диабетических осложнений и может ли быть полезно использование витамина Е в качестве профилактики осложнений.

 Гаптоглобин (Hp), острофазовый белок плазмы, основная физиологическая роль которого заключается в выведении из циркуляции свободного гемоглобина (Hb), мощного окислителя. Свободный Hb, высвобождаемый при гемолизе эритроцитов, способствует накоплению гидроксильных свободных радикалов, которые могут вызвать окислительное повреждение тканей. Hp действует как антиоксидант, сначала формируя комплексы с Hb, а затем удаляя комплексы из циркуляции путем поглощения с помощью рецептора макрофагов CD163. Hp у человека — полиморфный белок и встречается в виде одного из трех фенотипов: Hp 1-1, Hp 2-1 или Hp 2-2. Распространенность фенотипов Hp составляет 16% для Hp 1-1, 48% для Hp 2-1 и 36% для Hp 2-2. Весомые доказательства подтверждают патогенетическую роль фенотипа Hp 2-2.

Во-первых, удаление комплекса Hb/Hp представляет собой гаптоглобиновый фенотип-зависимый процесс, где комплексы Hp 1-1/Hb удаляются более эффективно, чем комплексы Hp 2- 2/Hb. Во-вторых, комплекс Hp 2-2/Hb является более слабым антиоксидантом по сравнению с комплексом Hp 1-1/Hb. В-третьих, Hp 1-1 более эффективен в предотвращении высвобождения гема из комплексов Hp/Hb, чем Hp 2-2, что может объяснить различия в антиоксидантной способности между различными типами Hp. Наконец, недавние исследования показывают нарушение обмена обратного транспорта холестерина (из макрофагов в печень) у диабетиков с генотипом Hp 2-2, предположительно из-за связывания комплексов Hp 2-2/Hb с липопротеинами высокой плотности

Установлено, что фенотип Hp 2-2 является независимым фактором риска сердечно-сосудистых заболеваний у лиц с диабетом 1-го и 2-го типа. Предполагают, что у пациентов с диабетом гликозилирование гемоглобина и снижение числа макрофагов, экспрессирующих рецептор CD163, могут способствовать росту окислительного стресса и повреждения тканей. Было показано, что окисление липопротеинов низкой плотности гликозилированным гемоглобином не полностью блокируется связыванием с Hp, а нарушенное удаление комплексов приводит к их локализации в частицах липопротеинов высокой плотности. Это усиление окисления липопротеинов комплексами Hp 2-2/Hb, вероятно, способствует развитию сосудистых осложнений у диабетиков.

Недавние исследования показали, что у людей с СД и фенотипом Hp 2-2 использование витамина Е снижало частоту инфаркта миокарда и смерти от сердечно-сосудистых заболеваний на 43% и 55%, соответственно. В исследовании ICARE (1500 пациентов с СД с генотипом Hp 2-2) через год после начала исследования смертность от сердечно-сосудистых заболеваний, инсульта и инфаркта миокарда снизилась более чем на 50% у лиц, получавших витамин Е, по сравнению с плацебо. Таким образом, фармакогенетический алгоритм, в соответствии с которым все пациенты с СД будут тестироваться на генотип Hp, позволит назначать терапию витамином E только лицам с фенотипом Hp 2-2.

 

Характеристики метода:

n=8046	Hp 2-2 (%)	Hp 2-1 (%)	Hp 1-1 (%)
чувствительность	99,0	97,4	92,8
специфичность	98,1	97,7	99,8
ППЦ*	97,5	97,2	98,8
ОПЦ**	99,3	97,9	99,0

 

*ППЦ — положительная прогностическая ценность теста

**ОПЦ — отрицательная прогностическая ценность теста

 

Преимущества метода:

Простота – иммуноферментный метод, нет необходимости в электрофорезе

Быстрый – 1.5 часа для 92 образцов

Точный – высокие чувствительность, специфичность, ППЦ и ОПЦ

Четкая интерпретация

Малый объем образца – достаточно 15 мкл сыворотки или плазмы

Возможность автоматизации

Выгоднее по времени, чувствительности, трудоемкости и стоимости по сравнению с аналогами (электрофорез и ПЦР)

 

Информация для заказа:

кат.№	Производитель	Наименование,
A-710-01M	Savyon	Набор для определения различных фенотипов гаптоглобина в сыворотке крови (Hp 1-1, Hp 2-1, Hp 2-2), 96

 

Инструмент для аннотирования и анализа наследственных заболеваний человека

Abstract

У людей существует много тысяч наследственных заболеваний, каждое из которых имеет определенную комбинацию фенотипических признаков, но вычислительный анализ фенотипических данных затруднен из-за отсутствия адекватных вычислительных ресурсов. структуры данных. Поэтому мы разработали Онтологию фенотипа человека (HPO), содержащую более 8000 терминов, представляющих индивидуальные фенотипические аномалии, и аннотировали все клинические записи в Online Mendelian Inheritance in Man с условиями HPO.Мы показываем, что HPO может улавливать фенотипические сходства между заболеваниями полезным и очень значимым образом.

Основной текст

Анализ фенотипических коррелятов генных мутаций долгое время был важным методом для открытия биологических функций генов, и в последнее время компьютерный анализ фенотипов мышей, связанных с генными мутациями, стал возможным с помощью таких инструментов, как Фенотип млекопитающих. Онтология. ^1,2 Фенотипический анализ играет центральную роль в картировании генов болезней и во многих других областях, и люди особенно хороши в распознавании человеческих фенотипических черт и аномалий.Однако существует ряд нерешенных вопросов, связанных с компьютерным описанием и анализом фенотипов человека.

Интуитивно кажется очевидным, что некоторые наследственные заболевания фенотипически похожи друг на друга из-за общих фенотипических особенностей. Например, можно сказать, что синдром Марфана (MIM 154700) и врожденная контрактурная арахнодактилия (MIM 121050) похожи, потому что у них есть общий ряд скелетных аномалий, и на самом деле гены, мутировавшие в этих синдромах, FBN1 и FBN2 , принадлежат к одному семейству генов и имеют ряд функциональных сходств. ³ Наблюдение за тем, что многие генетические состояния обнаруживают частично совпадающие черты, привело к концепции семейств болезней. ^4,5 Фенотипическое сходство внутри семейств болезней может быть связано с дисфункцией регуляторной сети, такой как сигнальный путь или биохимический модуль, как было продемонстрировано для синдрома Нунана (MIM 163950) и связанных с ним расстройств. ⁶ Таким образом, фенотипический анализ имеет большое значение для нашего понимания физиологии и патофизиологии клеточных сетей, поскольку он может дать подсказки о группах генов, которые вместе составляют пути или модули, дисфункция которых может приводить к сходным фенотипическим последствиям.Ряд недавних работ предполагают огромный потенциал корреляции фенотипа с особенностями генетических или клеточных сетей в масштабе всего генома. ^7–9

Подавляющее большинство человеческих менделевских синдромов подробно описано в онлайн-базе данных «Менделевское наследование в человеке» (OMIM), ¹⁰ и иерархические системы, основанные на клинических описаниях в OMIM, были сгенерированы с помощью интеллектуального анализа текста. . ^11–13 Однако вычислительный анализ данных, содержащихся в OMIM, до сих пор затруднялся из-за отсутствия контролируемого словаря, включая согласованные аннотации с четко определенными отношениями друг к другу.Например, описания «генерализованная амиотрофия», «генерализованная мышечная атрофия», «мышечная атрофия, генерализованная» и «мышечная атрофия, генерализованная» используются для описания различных заболеваний в OMIM и не могут быть легко распознаны как синонимы с чисто вычислительной подход. Кроме того, хотя записи клинического синопсиса в OMIM сгруппированы в соответствии с системой органов, иерархическая структура сама по себе не отражает того, что (например) «Гипопластический желобок» и «Гладкий желобок» более тесно связаны друг с другом, чем «Гипопластический носовой желобок». septum »(все три описания относятся к категории NOSE клинического синопсиса OMIM).

Онтология — это модель данных, которая представляет концепции, атрибуты и отношения в форме ориентированного ациклического графа. Онтология генов (GO), в частности, оказалась чрезвычайно полезной для исследовательского анализа микрочипов и других форм данных с высокой пропускной способностью. ¹⁴ Ряд соображений предполагает, что онтологическое описание фенотипов человека имеет явные преимущества; это побудило нас разработать онтологию для описания фенотипических аномалий человека.

Онтология фенотипа человека (HPO) была создана с целью охватить все фенотипические аномалии, которые обычно встречаются при моногенных заболеваниях человека. Для этого из базы данных OMIM был загружен файл «omim.txt». ¹⁰ Мы разработали набор программ Java и сценариев Perl для анализа файла omim.txt с целью извлечения текстовых описаний каждого заболевания, перечисленных в разделе «Клинический обзор», который упорядочен в иерархическом порядке. Например, в описании синдрома Марфана дилатация корня аорты указана в категории СЕРДЕЧНО-СОСУДИСТЫЙ , подкатегория Сосудистые .Затем мы создали список этих функций, отсортированный по частоте появления. Например, расширение корня аорты указано для ряда заболеваний, отличных от синдрома Марфана, включая синдром Элерса-Данлоса, тип I (MIM 130000). С другой стороны, Медиальная ротация медиальной лодыжки используется только один раз (для синдрома Марфана) во всем файле omim.txt.

HPO был затем построен с OBO-Edit ¹⁵ для определения терминов и связей между ними на основе списка описаний из omim.текст. Для всех описаний, которые встречаются более одного раза в omim.txt, мы создали термин в HPO. Одна из основных трудностей при использовании данных из OMIM в вычислительном анализе заключается в том, что OMIM не использует контролируемый словарь, и может быть трудно распознать синонимы с помощью вычислительных средств. Поэтому мы вручную подбирали каждый термин, используя знания в области генетики человека (PNR, DH, SM), чтобы объединить синонимы в уникальные термины HPO. Например, три описания OMIM гипоплазия костей запястья , гипоплазия костей запястья и гипоплазия костей запястья были объединены в один термин HP: 0001498, гипоплазия костей запястья .Мы дополнительно адаптировали алгоритм Смита-Уотермана ¹⁶ для отображения дополнительных описаний, которые использовались только один раз в omim.txt как синонимы или дочерние элементы терминов HPO. Однако каждое отображение, предложенное этим алгоритмом, проверялось вручную перед включением в HPO. Знание предметной области также использовалось для определения более общих терминов, таких как Аплазия / гипоплазия наружного уха , для группировки более конкретных терминов, а также для определения связей между отдельными терминами.

Каждый термин в HPO описывает фенотипическое отклонение, такое как Дефект межпредсердной перегородки .Термины связаны с родительскими терминами отношениями «есть». Структура HPO, которая позволяет термину иметь несколько родительских терминов, позволяет исследовать различные аспекты фенотипических аномалий (см. Пример). Сама HPO описывает не отдельные заболевания, а скорее фенотипические аномалии, связанные с ними. Большинство терминов HPO описывают аномалии органов, но предусмотрены отдельные онтологии для описания способа наследования, начала и клинического течения.Мы использовали термины HPO, чтобы аннотировать все записи OMIM с разделом клинического синопсиса. Клинические объекты аннотируются с использованием самых конкретных терминов. Правило истинного пути ¹⁷ применяется к условиям HPO. То есть, если болезнь обозначается термином Дефект межпредсердной перегородки, тогда также применимы все предки этого термина, такие как Аномалия сердечной перегородки . Таким образом, структура HPO позволяет осуществлять гибкий поиск патологий в соответствии с фенотипическими аномалиями с широким или узким фокусом.

Онтология фенотипа человека

Термин HPO Двусторонний врожденный вывих бедра и все пути к корню, которые исходят от этого термина, показаны. Некоторые аннотированные записи болезней из OMIM, а также общее количество аннотированных болезней показаны рядом с терминами. Обратите внимание, что из-за правила истинного пути болезнь, которая напрямую связана с определенным термином, также неявно аннотируется для всех предков этого термина. Например, синдром Элерса-Данлоса типа VII напрямую аннотирован к Двусторонний врожденный вывих бедра и, таким образом, неявно аннотирован к Аномалии бедра , вывихам и другим терминам, показанным на рисунке.

Теперь мы покажем, что мера онтологического сходства определяет полезный и очень значимый показатель фенотипического сходства среди наследственных заболеваний, перечисленных в OMIM. В HPO, как и в GO, термины, которые находятся ближе к корню онтологии, представляют более общие концепции, чем термины, находящиеся дальше от корня. (Например, термин «Аномалия суставов » является более общим, чем термин «Врожденный вывих бедра ».) Информационное содержание каждого узла в HPO можно оценить по его частоте среди аннотаций всего корпуса OMIM.В нашей реализации информационное содержание термина основано на частоте аннотаций к этому термину среди 4779 болезней в базе данных OMIM, которые были аннотированы терминами HPO. Интуитивно понятно, что если обе болезни аннотированы термином с высоким содержанием информации, например Calcific stippling , то степень сходства, рассчитанная на основе этого, должна быть выше, чем рассчитанная, когда обе болезни аннотированы более общий термин, например Аномалия опорно-двигательного аппарата , который имеет более низкую информативность.

Для каждого члена t HPO информационное содержание количественно выражается как отрицательный логарифм его вероятности: −log p ( t ), в котором вероятность члена принимается равной его частоте среди аннотации ко всем 4779 аннотированным заболеваниям. Если болезнь аннотирована для любого термина t в HPO, она также должна быть аннотирована для всех предков t . Следовательно, чем выше в онтологии расположен термин, тем меньше его информативность.Resnik ¹⁸ ввел меру сходства для двух терминов в онтологии, основанную на их общем информационном содержании, которое задается информационным содержанием в наборе их узлов общего предка. В случае HPO термин может иметь несколько родительских терминов, так что пара терминов может иметь более одного пути общих предков. Обозначая набор всех терминов общего предка t ₁ и t ₂ как A ( t ₁ , t ₂ ), мы определяем сходство между двумя условия, t ₁ и t ₂ , как

sim (t1, t2) = maxa∈A (t1, t2) −logp (a),

(1)

, который определяет Вероятность минимального общего предка t ₁ и t ₂ .Отдельные заболевания обычно сопровождаются множеством фенотипических признаков. Чтобы вычислить сходство между двумя заболеваниями, d ₁ и d ₂ , мы адаптируем метод, ранее разработанный для оценки сходства белков с GO, ¹⁹ , при этом каждая особенность d ₁ совпадает с наиболее похожим признаком d ₂ , и среднее значение берется по всем таким парам признаков:

sim (d1 → d2) = avg [∑s∈d1maxtɛd2sim (s, t)].

(2)

Поскольку уравнение (2) не является симметричным относительно d ₁ и d ₂ , окончательная метрика подобия определяется как среднее значение уравнения (2), взятого в обеих ориентациях. :

sim (d1, d2) = 12 × sim (d1 → d2) + 12 × sim (d2 → d1).

(3)

Этот показатель теперь можно использовать для определения сходства между двумя заболеваниями, каждое из которых аннотировано несколькими терминами HPO.

Мы использовали эту меру для определения сходства между заболеваниями, перечисленными в базе данных OMIM.Мы проанализировали 727 заболеваний, относящихся к одному из 21 класса физиологических расстройств. ⁷ Фенотипические отношения между этими заболеваниями показаны путем связывания всех пар заболеваний, превышающих пороговую оценку сходства (A). Хотя сформированная независимо от классов нарушений, полученная фенотипическая сеть четко отображает кластеры, соответствующие многим из 21 класса. Также очевидно, что некоторые из кластеров показывают взаимосвязи друг с другом, которые не были видны на карте болезней, основанной только на общих генах болезней. ⁷ Например, гематологические расстройства тесно связаны с иммунологическими расстройствами, костные заболевания тесно связаны с заболеваниями скелета, а неврологические, мышечные и психические расстройства во многом связаны друг с другом. Кроме того, болезни, которые объединяются вместе с болезнями из другого физиологического класса, имеют важные фенотипические сходства с этим классом. Например, все четыре заболевания, относящиеся к метаболическому классу и локализованные в мышечном кластере (дефицит энолазы-бета, болезнь MCardle, дефицит диметилглициндегидрогеназы и повышенная сывороточная креатинфосфокиназа), имеют важные мышечные симптомы (A).Анализ рандомизированных сетей показал, что наблюдаемая корреляция между сетевыми подключениями и классом заболевания очень значима (B). Таким образом, эта фенотипическая сеть, как определено HPO, состоит из плотных кластеров общих фенотипических признаков, которые показывают характерные паттерны взаимосвязей между выбранными областями фенотипического континуума.

Приложения HPO

(A) Визуализация человеческого феномена. Каждое из 727 заболеваний, перечисленных в OMIM, для которых был определен класс расстройства, показано в виде узла на графике и окрашено в соответствии с принадлежностью к набору из 21 предопределенного класса расстройств, определенных на основе физиологической системы. ⁷ Алгоритм органической компоновки Cytoscape ²⁷ использовался для демонстрации кластерной структуры фенотипической сети. Связи между узлами показаны, начиная с оценки сходства 4,5, при этом толщина связи отражает степень фенотипического сходства. Сокращения следующие: CV, сердечно-сосудистые; дерматологические, дерматологические; эндо, эндокринологический; гемовой, гематологический; иммуно, иммунологический; метаболический, метаболический; нейро, неврологический; офтальмологический, офтальмологический.

(B) Анализ рандомизированных фенотипических сетей. Чтобы оценить вероятность того, что этот результат может быть случайным, мы создали 10 000 случайных сетей, в которых рёбра были случайным образом переплетены 2000 раз. ²⁸ Средняя оценка случайных сетей составила 0,182 ± 0,0098. Таким образом, фактический балл 0,645 был на 47,2 стандартных отклонения выше среднего случайного балла.

(C) Поиск HPO. Все 2116 заболеваний, перечисленных в OMIM с как минимум шестью аннотациями HPO, были идентифицированы и включены в анализ.Для каждого заболевания для поиска использовалось от 1 до 6 наиболее конкретных терминов, к которым болезнь аннотируется в HPO («Аннотированные термины»). Набор клинических признаков, определенных таким образом, затем использовался для опроса всего набора заболеваний OMIM для наилучшего соответствия. Показан средний ранг исходного заболевания среди заболеваний, выявленных при поиске различных пропорций удаленных терминов. В отдельных экспериментах каждый из этих терминов был сопоставлен с родительским термином или было добавлено 50% несвязанных («шумовых») терминов (с округлением в большую сторону для нечетного числа терминов; i.е. один термин шума был добавлен к поискам с одним термином, два термина шума к поискам с тремя терминами и три термина шума к поискам с пятью терминами).

Затем мы исследовали полезность использования HPO в клинических условиях. Комбинации признаков часто используются в медицинской генетике при поиске клинического диагноза. Это может быть сложной задачей, учитывая большое количество наследственных заболеваний и ряд частично совпадающих клинических признаков, связанных с ними.Клиницисты могут описать клинические особенности с разной степенью детализации. Кроме того, у отдельного пациента с наследственным заболеванием могут не проявляться все признаки, потенциально связанные с заболеванием, или у него или у нее могут быть дополнительные признаки, не связанные с заболеванием. Оптимально, диагностические алгоритмы позволят выполнять поиск с различными уровнями детализации, оценивать конкретные характеристики более высоко, чем общие, и не будут чрезмерно чувствительны к тому факту, что отдельные функции могут не присутствовать у отдельного пациента.Поэтому онтологический подход кажется особенно подходящим в этой обстановке. Чтобы смоделировать этот вид процесса поиска, мы использовали 2116 заболеваний в OMIM, аннотированных как минимум шестью терминами HPO, чтобы смоделировать процесс клинического поиска, выбрав только 1–6 терминов, связанных с данным заболеванием, и затем выполнив поиск в исходной базе данных. при подобных заболеваниях. В оптимальном случае алгоритм поиска присваивает исходному заболеванию наивысший рейтинг или, по крайней мере, помещает его в число первых нескольких заболеваний.Как видно на C, была отличная производительность, даже когда использовались только два условия поиска, с относительно небольшим снижением точности, когда к условиям поиска добавлялось 50% условий случайного шума или когда каждый из терминов отображался в (менее конкретный) родительский термин. Это говорит о том, что HPO может фиксировать фенотипическое сходство на различных уровнях детализации и что расчет сходства не слишком чувствителен к шуму, полноте или специфичности набора фенотипических терминов, используемых для поиска.

Предыдущие попытки компьютерного анализа фенотипических данных при наследственных заболеваниях человека включали различные стратегии для автоматического анализа текста OMIM. В ряде работ использовались термины MeSH или концепции Unified Medical Language System (UMLS) для отображения фенотипических концепций из medline или OMIM. ^13,20–22 В большинстве этих работ для создания векторов признаков с целью описания болезней использовались концепты, основанные на текстах. То есть вектор признаков для данного заболевания содержит по одной записи для каждого понятия, установленный в 1, если понятие обнаружено в болезни, и в 0 в противном случае.Сходство часто измеряется некоторым изменением нормализованного косинусоидального угла между нормализованными парами векторов признаков. ²² Хотя эти работы были успешными, мы утверждаем, что вручную подобранный онтологический подход к компьютерному анализу фенотипа дает ряд преимуществ. Одна из трудностей с методами интеллектуального анализа текста состоит в том, что термины индексации MeSH и UMLS не предназначены специально для описания наследственных заболеваний человека и их фенотипов. Например, только 34% из 1700 заболеваний с определенным фенотипом, связанным с определенным геном в OMIM, могут быть специально сопоставлены с концепциями в UMLS. ²³ Одним из преимуществ HPO является то, что термины и структура онтологии основаны на медицинских знаниях, а не на системах интеллектуального анализа текста. В будущем HPO будет дорабатываться и расширяться. Онтология как структура данных имеет несколько явных преимуществ перед другими видами структур данных, которые использовались для фенотипического анализа. Одной из основных причин успеха GO является большая гибкость и описательная сила онтологий по сравнению с иерархическими системами и векторами признаков, ¹⁴ , включая способность связывать концепции (термины) с несколькими родителями и разрешать описания и запросы в разных уровни детализации и полноты.Кроме того, после успеха GO был разработан ряд вычислительных алгоритмов для онтологического анализа (например, ^19,24,25 ), которые теперь могут быть применены к данным фенотипа человека.

Ценность данных значительно возрастает, поскольку источники данных могут быть интегрированы друг с другом. Мы разработали HPO с использованием широко распространенного формата OBO. ²⁶ Этот файл вместе с плоским файлом с аннотациями 4779 заболеваний, перечисленных в OMIM в соответствии с условиями HPO, доступен для свободного скачивания с веб-сайта HPO, где также описываются предыстория и цели проекта.HPO участвует в проекте OBO Foundry, ²⁶ , и файлы также доступны для скачивания там. Мы ожидаем, что HPO будет продолжать развиваться в течение многих лет, и в настоящее время набираем сотрудников для уточнения конкретных областей HPO, улучшения аннотаций к расстройствам, перечисленным в OMIM, и расширения аннотаций на другие наследственные заболевания, такие как синдромы микроделеций и хромосомные аберрации. Мы планируем включать в файлы аннотаций дополнительную информацию, в том числе частоту и серьезность признаков.Есть надежда, что HPO обеспечит основу для вычислительных биомедицинских исследований, включающих анализ человеческого фенотипа, что позволит связать человеческий феномен с молекулярной патофизиологией клетки, напрямую связав человеческий феномен с такими источниками данных, как белок-белковые взаимодействия. метаболические пути и пути передачи сигналов, а также коэкспрессия генов. Кроме того, мы ожидаем, что HPO обеспечит единую основу для клинических исследований в области медицинской генетики, предоставив стандартизированный словарь для описания фенотипов.

Выявление генотипов, лежащих в основе фенотипов человека: прошлые успехи при менделевской болезни, будущие подходы к комплексной болезни

1

Ботштейн, Д., Уайт, Р.Л., Сколник, М. и Дэвис, Р.В. Построение карты генетических связей у человека с использованием ограничений полиморфизмы длины фрагментов. Am. J. Hum. Genet. 32 , 314–331 (1980).

CAS PubMed PubMed Central Google Scholar

2

Федер, Дж.N. et al. Новый ген, подобный MHC класса I, мутирован у пациентов с наследственным гемохроматозом. Nat. Genet. 13 , 399–408 (1996).

CAS PubMed Google Scholar

3

Dreyer, S.D. и другие. Мутации в LMX1B вызывают аномальное формирование скелетного рисунка и почечную дисплазию при синдроме ногтевой надколенника. Nat. Genet. 19 , 47–50 (1998).

CAS PubMed Google Scholar

4

Enattah, N.S. et al. Выявление варианта, связанного с гиполактазией взрослого типа. Nat. Genet. 30 , 233–237 (2002).

CAS PubMed Google Scholar

5

Royer-Pokora, B. et al. Клонирование гена наследственного заболевания человека — хронической гранулематозной болезни — на основе его хромосомного расположения. Nature 322 , 32–38 (1986).

CAS PubMed Google Scholar

6

Кениг, М.и другие. Полное клонирование мышечной дистрофии Дюшенна (МДД). кДНК и предварительная геномная организация гена DMD у нормальных и больных людей. Cell 50 , 509–517 (1987).

CAS Google Scholar

7

Kerem, B. et al. Идентификация гена муковисцидоза: генетический анализ. Наука 245 , 1073–1080 (1989).

CAS PubMed PubMed Central Google Scholar

8

Риордан, Дж.R. et al. Идентификация гена муковисцидоза: клонирование и характеристика комплементарной ДНК. Наука 245 , 1066–1073 (1989).

CAS Google Scholar

9

Strathdee, C.A., Gavish, H., Shannon, W.R. & Buchwald, M. Клонирование кДНК для анемии Фанкони путем функциональной комплементации. Nature 356 , 763–767 (1992).

CAS PubMed Google Scholar

10

Савицкий, К.и другие. Один ген атаксии телеангиэктазии с продуктом, подобным киназе PI-3. Наука 268 , 1749–1753 (1995).

CAS PubMed Google Scholar

11

Wallace, M.R. et al. Ген нейрофиброматоза 1 типа: идентификация большого транскрипта, нарушенного у трех пациентов с NF1. Наука 249 , 181–186 (1990).

CAS PubMed Google Scholar

12

Фунг, Ю.-K.T. и другие. Структурные доказательства подлинности гена ретинобластомы человека. Наука 236 , 1657–1661 (1987).

CAS PubMed Google Scholar

13

Miki, Y. et al. Сильный кандидат на ген предрасположенности к раку груди и яичников BRCA1 . Наука 266 , 66–71 (1994).

CAS PubMed Google Scholar

14

Вустер, Р.и другие. Идентификация гена предрасположенности к раку груди BRCA2 . Nature 378 , 789–792 (1995).

CAS PubMed Google Scholar

15

Nishisho, I. et al. Мутации генов хромосомы 5q21 у пациентов с FAP и колоректальным раком. Наука 253 , 665–669 (1991).

CAS PubMed Google Scholar

16

Гуселла, Дж.F. et al. Полиморфный ДНК-маркер, генетически связанный с болезнью Хантингтона. Nature 306 , 234–238 (1983).

CAS PubMed Google Scholar

17

Группа совместных исследований болезни Хантингтона. Новый ген, содержащий тринуклеотидный повтор, который размножается и нестабилен на хромосомах болезни Хантингтона. Cell 72 , 971–983 (1993).

18

Вебер, Дж.Л. и Мэй, П. Обильный класс полиморфизмов ДНК человека, которые можно типировать с помощью полимеразной цепной реакции. Am. J. Hum. Genet. 44 , 388–396 (1989).

CAS PubMed PubMed Central Google Scholar

19

Litt, M. & Luty, J.A. Гипервариабельный микросателлит, обнаруженный с помощью in vitro амплификации динуклеотидного повтора в гене актина сердечной мышцы. Am. Дж.Гм. Genet. 44 , 397–401 (1989).

CAS PubMed PubMed Central Google Scholar

20

Venter, J.C. et al. Последовательность генома человека. Наука 291 , 1304–1351 (2001).

CAS Google Scholar

21

Sachidanandam, R. et al. Карта вариаций последовательности генома человека, содержащая 1,42 миллиона однонуклеотидных полиморфизмов. Nature 409 , 928–933 (2001).

CAS PubMed PubMed Central Google Scholar

22

Lander, E.S. & Ботштейн, Д. Стратегии изучения гетерогенных генетических признаков у людей с использованием карты сцепления полиморфизмов длины рестрикционных фрагментов. Proc. Natl. Акад. Sci. США 83 , 7353–7357 (1986).

CAS PubMed Google Scholar

23

Холл, Дж.M. et al. Связь семейного рака груди с ранним началом с хромосомой 17q21. Наука 250 , 1684–1689 (1990).

CAS PubMed PubMed Central Google Scholar

24

Lander, E.S. & Ботштейн, Д. Картирование гомозиготности — способ сопоставить рецессивные черты человека с ДНК инбредных детей. Наука 236 , 1567–1570 (1987).

CAS PubMed PubMed Central Google Scholar

25

Гшвенд, М.и другие. Локус анемии Фанкони на 16q определяется картированием гомозиготности. Am. J. Hum. Genet. 59 , 377–384 (1996).

CAS PubMed PubMed Central Google Scholar

26

Саар К. и др. Локализация гена анемии Фанкони на хромосоме 9р. Eur. J. Hum. Genet. 6 , 501–508 (1998).

CAS PubMed Google Scholar

27

Waisfisz, Q.и другие. Ген анемии Фанкони группы E, FANCE , отображается на хромосоме 6p. Am. J. Hum. Genet. 64 , 1400–1405 (1999).

CAS PubMed PubMed Central Google Scholar

28

Bolino, A. et al. Локализация гена, ответственного за аутосомно-рецессивную демиелинизирующую невропатию с фокально свернутыми миелиновыми оболочками на хромосоме 11q23, путем картирования гомозиготности и общего гаплотипа. Hum.Мол. Genet. 5 , 1051–1054 (1996).

CAS PubMed Google Scholar

29

LeGuern, E. et al. Картирование гомозиготности аутосомно-рецессивной формы демиелинизирующей болезни Шарко-Мари-Тута по хромосоме 5q23-q33. Hum. Мол. Genet. 5 , 1685–1688 (1996).

CAS PubMed Google Scholar

30

Бухуш, А.и другие. Локус аксональной формы аутосомно-рецессивной болезни Шарко-Мари-Тута отображается на хромосоме 1q21.2q21.3 Am. J. Hum. Genet. 65 , 722–727 (1999).

CAS PubMed PubMed Central Google Scholar

31

Rogers, T. et al. Новый локус аутосомно-рецессивной периферической невропатии в области EGR2 на 10q23. Am. J. Hum. Genet. 67 , 664–671 (2000).

CAS PubMed PubMed Central Google Scholar

32

Леал, А.и другие. Второй локус аксональной формы аутосомно-рецессивной болезни Шарко-Мари-Тута отображается на хромосоме 19q13.3. Am. J. Hum. Genet. 68 , 269–274 (2001).

CAS PubMed PubMed Central Google Scholar

33

Лифтон Р.П., Гарави А.Г. и Геллер Д.С. Молекулярные механизмы гипертонии человека. Cell 104 , 545–556 (2001).

CAS PubMed Google Scholar

34

Hastbacka, J.и другие. Картирование неравновесия сцепления в изолированных популяциях основателей — диастрофическая дисплазия в Финляндии. Nat. Genet. 2 , 204–211 (1992).

CAS PubMed Google Scholar

35

Озелиус, Л.Дж. и др. Сильная аллельная ассоциация между геном торсионной дистонии (DYT1) и локусами хромосомы 9q34 у евреев ашкенази. Am. J. Hum. Genet. 50 , 619–628 (1992).

CAS PubMed PubMed Central Google Scholar

36

Макдональд М.E. et al. Кандидатская область болезни Хантингтона демонстрирует множество различных гаплотипов. Nat. Genet. 1 , 99–103 (1992).

CAS PubMed Google Scholar

37

Klein, C. et al. Поиск гаплотипа основателя PARK3 в большой когорте пациентов с болезнью Паркинсона из северной Германии. Ann. Гм. Genet. 63 , 285–291 (1999).

CAS PubMed Google Scholar

38

Сервис, С.К., Ланг, Д.В., Фреймер, Н.Б. & Sandkuijl, L.A. Картирование генов болезней с неравновесным сцеплением путем реконструкции предковых гаплотипов в популяциях основателей. Am. J. Hum. Genet. 64 , 1728–1738 (1999).

CAS PubMed PubMed Central Google Scholar

39

МакПик, М.С. & Strahs, A. Оценка неравновесия сцепления по распаду общих гаплотипов, с применением к мелкомасштабному картированию. Am. J. Hum. Genet. 65 , 858–875 (1999).

CAS PubMed PubMed Central Google Scholar

40

Morris, A.P. & Whittaker, J.C. Мелкомасштабное ассоциативное картирование локусов болезней с использованием симплексных семейств. Ann. Гм. Genet. 64 , 223–237 (2000).

CAS PubMed Google Scholar

41

Lam, J.C., Родер К. и Девлин Б. Тонкое отображение гаплотипов с помощью эволюционных деревьев. Am. J. Hum. Genet. 66 , 659–673 (2000).

CAS PubMed PubMed Central Google Scholar

42

Liu, J.S. и другие. Байесовский анализ гаплотипов для картирования неравновесия по сцеплению. Genome Res. 11 , 1716–24 (2001).

CAS PubMed PubMed Central Google Scholar

43

Браунштейн, Б.H. et al. Выделение однокопийных генов человека из библиотеки клонов искусственных хромосом дрожжей. Наука 244 , 1348–1351 (1989).

CAS PubMed Google Scholar

44

Cox, D.R. и другие. Радиационное гибридное картирование: генетический метод соматических клеток для построения карт хромосом млекопитающих с высоким разрешением. Наука 250 , 245–250 (1990).

CAS PubMed Google Scholar

45

Кравчак, М.и другие. База данных мутаций генов человека — биомедицинский информационный и исследовательский ресурс. Hum. Мутат. 15 , 45–51 (2000).

CAS PubMed Google Scholar

46

Grantham, R. Формула разности аминокислот для объяснения эволюции белков. Наука 185 , 862–864 (1974).

CAS PubMed Google Scholar

47

Кравчак, М., Болл, Э. И Купер, Д.Н.Влияние соседних нуклеотидов на скорость замен одной пары оснований зародышевой линии в генах человека. Am. J. Hum. Genet. 63 , 474–488 (1998).

CAS PubMed PubMed Central Google Scholar

48

Stephens, J.C. et al. Вариации гаплотипов и неравновесие по сцеплению в 313 генах человека. Наука 293 , 489–493 (2001).

CAS Google Scholar

49

Миллер, М.П. и Кумар С. Понимание мутаций болезней человека с помощью межвидовой генетической изменчивости. Hum. Мол. Genet. 10 , 2319–2328 (2001).

CAS PubMed Google Scholar

50

Gillard, E.F. et al. Молекулярный и фенотипический анализ пациентов с делециями в богатой делециями области гена мышечной дистрофии Дюшенна (МДД). Am. J. Hum. Genet. 45 , 507–520 (1989).

CAS PubMed PubMed Central Google Scholar

51

Мията Т., Миядзава С. и Ясунага Т. Два типа аминокислотных замен в эволюции белка. J. Mol. Evol. 12 , 219–236 (1979).

CAS PubMed Google Scholar

52

Риш Н. Гемохроматоз, HFE и генетическая сложность. Nat. Genet. 17 , 375–376 (1997).

CAS PubMed Google Scholar

53

Грабовски Г.А. Болезнь Гоше: частота генов и корреляции генотип / фенотип. Genet. Контрольная работа. 1 , 5–12 (1997).

CAS PubMed Google Scholar

54

Palzkill, T. & Botstein, D. Исследование структуры и функции β-лактамаз с использованием мутагенеза случайной замены. Proteins Struct.Функц. Genet. 14 , 29–44 (1992).

CAS PubMed Google Scholar

55

Риш Н. и Мерикангас К. Будущее генетических исследований сложных заболеваний человека. Наука 273 , 1516–1517 (1996).

CAS PubMed PubMed Central Google Scholar

56

Lander, E.S. Новая геномика: глобальные взгляды на биологию. Наука 274 , 536–539 (1996).

CAS Google Scholar

57

Риш Н. Поиск генетических детерминант в новом тысячелетии. Nature 405 , 847–856 (2000).

CAS PubMed PubMed Central Google Scholar

58

Peltonen, L. & McKusick, V.A. Рассмотрение болезней человека в постгеномную эпоху. Наука 291 , 1224–1228 (2001).

CAS PubMed PubMed Central Google Scholar

59

Marth, G. et al. Однонуклеотидные полиморфизмы в открытом доступе: насколько они полезны? Nat. Genet. 27 , 371–372 (2001).

CAS PubMed PubMed Central Google Scholar

60

Патил Н. и др.Блоки ограниченного разнообразия гаплотипов, выявленные сканированием с высоким разрешением хромосомы 21 человека. Science 294 , 1719–1723 (2001).

CAS Google Scholar

61

Коллинз, Ф.С., Гайер, М.С. И Чакраварти, А. Вариации на тему: каталогизация вариаций последовательности ДНК человека. Наука 278 , 1580–1581 (1997).

CAS PubMed PubMed Central Google Scholar

62

Габриэль С.B. et al. Структура гаплотипических блоков в геноме человека. Наука 296 , 2225–2229 (2002).

CAS PubMed PubMed Central Google Scholar

63

Daly, M.J. et al. Структура гаплотипов высокого разрешения в геноме человека. Nat. Genet. 29 , 229–232 (2001).

CAS Google Scholar

64

Джеффрис, А.J., Kauppi, L. & Neumann, R. Интенсивно пунктированная мейотическая рекомбинация в области класса II главного комплекса гистосовместимости. Nat. Genet. 29 , 217–222 (2001).

CAS PubMed Google Scholar

65

Cargill, M. et al. Характеристика однонуклеотидных полиморфизмов в кодирующих областях генов человека. Nat. Genet. 22 , 231–238 (1999).

CAS PubMed PubMed Central Google Scholar

66

Галушка, м.K. et al. Паттерны однонуклеотидных полиморфизмов в генах-кандидатах на гомеостаз кровяного давления. Nat. Genet. 22 , 239–247 (1999).

CAS PubMed PubMed Central Google Scholar

67

Weiss, K.M. И Тервиллигер, J.D. Сколько болезней необходимо для картирования гена с помощью SNP? Nat. Genet. 26 , 151–157 (2000).

CAS PubMed Google Scholar

68

Райт, А.Ф. и Хасти, Н.Д. Сложные генетические заболевания: полемика по поводу кода Креза. Genome Biol. 2 , КОММЕНТАРИЙ 2007 (2001).

69

Altmuller, J. et al. Полногеномное сканирование сложных заболеваний человека: трудно найти истинную связь. Am. J. Hum. Genet. 69 , 936–950 (2001).

CAS PubMed PubMed Central Google Scholar

70

Glatt, C.E. et al. Скрининг большого эталонного образца для выявления вариантов последовательностей с очень низкой частотой: сравнение двух генов. Nat. Genet. 27 , 435–438 (2001).

CAS PubMed Google Scholar

71

Dean, M. et al. Типирование полиморфных примесей в этнических популяциях человека. Am. J. Hum. Genet. 55 , 788–808 (1994).

CAS PubMed PubMed Central Google Scholar

72

Calafell, F. et al. Эволюция полиморфизма коротких тандемных повторов у человека. Eur. J. Hum. Genet. 6 , 38–49 (1998).

CAS Google Scholar

73

Osier, M.V. и другие. Глобальный взгляд на генетические вариации в генах ADH обнаруживает необычные паттерны неравновесия по сцеплению и разнообразия. Am. J. Hum. Genet. 71 , 84–99 (2002).

CAS PubMed PubMed Central Google Scholar

74

Мюллер-Мыхсок, Б.& Абель, Л. Генетический анализ сложных заболеваний. Наука 275 , 1328–1329 (1997).

CAS PubMed Google Scholar

75

Risch, N. & Teng, J. Относительная сила семейных планов и схем случай-контроль для исследований неравновесия сцепления сложных заболеваний человека I. Объединение ДНК. Genome Res. 8 , 1273–1288 (1998).

CAS PubMed Google Scholar

76

Хиршхорн, Дж.Н., Ломюллер, К., Бирн, Э. и Хиршхорн, К. Всесторонний обзор исследований генетических ассоциаций. Genet. Med. 4 , 45–61 (2002).

CAS PubMed PubMed Central Google Scholar

77

Сидоу, А. Последовательность сначала, задавайте вопросы позже. Cell 111 , 13–16 (2002).

CAS PubMed Google Scholar

78

Aparicio, S.и другие. Сборка полногеномного ружья и анализ генома Fugu rubripes . Наука 297 , 1301–1310 (2002).

CAS PubMed PubMed Central Google Scholar

Определение терминов фенотипа человека путем объединения правил машинного обучения и проверки

Распознавание именованных сущностей обычно используется для идентификации биологических объектов, таких как белки, гены и химические соединения, которые встречаются в научных статьях.Онтология фенотипа человека (HPO) — это онтология, которая предоставляет стандартизированный словарь фенотипических аномалий, обнаруживаемых при заболеваниях человека. В этой статье представлена ​​система определения фенотипов человека (IHP), настроенная на распознавание объектов HPO в неструктурированном тексте. IHP использует Stanford CoreNLP для обработки текста и применяет условные случайные поля, обученные с богатым набором функций, который включает лингвистические, орфографические, морфологические, лексические и контекстные функции, созданные для классификатора на основе машинного обучения.Однако главной новинкой IHP является этап проверки, основанный на наборе тщательно разработанных ручных правил, таких как анализ отрицательной коннотации, который в сочетании со словарем может фильтровать неправильно идентифицированные объекты, находить пропущенные объекты и объединять смежные объекты. Эффективность IHP оценивалась с использованием недавно опубликованного HPO Gold Standardized Corpora (GSC), где система Bio-LarK CR получила лучший показатель 0,56. IHP достигла показателя 0,65 по шкале GSC. Из-за несоответствий, обнаруженных в GSC, была создана расширенная версия GSC, добавляющая 881 объект и изменяющая 4 объекта.IHP достигла показателя 0,863 на новом GSC.

1. Введение

Методы интеллектуального анализа текста необходимы для работы с большим количеством биомедицинской литературы, публикуемой каждый день [1]. Один из их вкладов — способность идентифицировать термины в литературе, которые представлены в биомедицинских онтологиях [2]. Онтология фенотипа человека (HPO) [3] — это онтология, которая обеспечивает стандартизованный словарь фенотипических аномалий, обнаруживаемых при заболеваниях человека. Информация об этой онтологии может облегчить понимание медицинских текстов, таких как электронные медицинские карты.Однако распознавание сущностей HPO в тексте — нетривиальная задача. Сущности HPO варьируются от простых до очень сложных и описательных, которые варьируются от 1 до 14 слов. Groza et al. [4] представили исследование сложной природы объектов HPO и выпустили корпус золотого стандарта (GSC) для измерения производительности современных систем распознавания именованных объектов (NER). Лучшей системой была система Bio-LarK CR, которая достигла показателя 0,56.

В этой работе представлена ​​наша система NER, получившая название «Идентификация человеческих фенотипов» (IHP), которая сочетает в себе правила машинного обучения и проверки для повышения производительности до более приемлемого уровня.IHP приняла структуру, предоставленную IBEnt [5], которая использует Stanford CoreNLP [6] для обработки текста и применяет условные случайные поля (CRF) для идентификации объектов. IHP использует богатый набор функций (лингвистические, морфологические, орфографические, лексические, контекстные и другие) на основе предыдущих работ в Biomedical NER, адаптированных для идентификации объектов HPO. Он также применяет этап проверки, основанный на ручных правилах, таких как анализ отрицательной коннотации, который в сочетании со словарем может удалять ложные срабатывания, выявлять ложноотрицательные и объединять соседние сущности.IHP превзошел Bio-LarK CR в GSC, достигнув показателя 0,65. Однако, чтобы полностью понять, почему IHP не добилась большего улучшения, мы вручную проанализировали ошибки, произведенные IHP, и обнаружили некоторые проблемы в GSC, в основном отсутствующие объекты. Таким образом, мы создали расширенную версию GSC (GSC +), которая добавила 881 объект и изменила 4 объекта. Используя GSC +, IHP достигла показателя 0,86, что соответствует значительному увеличению (0,30) по сравнению с предыдущим максимальным показателем 0,56.В оставшейся части этой статьи будут подробно описаны использованные данные и методы, полученные результаты и их обсуждение. Исходный код GSC + и IHP доступен по адресу https://github.com/lasigeBioTM/IHP.

2. Материалы и методы

2.1. Корпуса золотого стандарта

В 2015 году Groza et al. [4] предоставили уникальный корпус для HPO, получивший название Gold Standard Corpora (GSC). Он состоит из 228 аннотированных вручную аннотаций, содержащих в общей сложности 1933 аннотаций и охватывающих 460 уникальных объектов HPO.Эти 228 отрывков были отобраны вручную для охвата 44 сложных дисморфологических синдромов, проанализированных в предыдущем исследовании HPO [7]. GSC включает большое количество нетривиальных совпадений из-за сложности лексической структуры выражений фенотипа. Например, в тексте «аномалий почек не обнаружено» система NER должна распознавать термин HP: 0000077 (аномалии почек). Для каждого файла документа в GSC (одна строка без заголовка) есть соответствующий файл аннотации (столько строк, сколько аннотированных объектов).Аннотация представлена ​​в трех столбцах: точное совпадение смещения символа, регистрационный номер HPO и текст аннотации (например, «[27 :: 42] HP_0000110 ∣ почечная дисплазия»).

Помимо выпуска GSC, авторы выполнили всестороннюю оценку трех систем NER: NCBO Annotator [8], OBO Annotator [9] и Bio-LarK CR [4]. Bio-LarK CR, как и IHP, представляет собой систему распознавания с целью идентификации сущностей HPO, в то время как аннотатор NCBO и аннотатор OBO идентифицируют биомедицинские сущности из нескольких онтологий.Из этих трех аннотаторов Bio-LarK CR — единственный, способный находить сложные ссылки на HPO, поскольку он был разработан с HPO в качестве основной цели. Таким образом, как и ожидалось, Bio-LarK CR был лидером, достигнув показателя 0,56 с отзывом 0,49 и точностью 0,65. Однако производительность Bio-LarK CR не была существенно выше, чем у аннотатора OBO, который достиг показателя 0,54. Учитывая, что эти значения -measure все еще далеки от совершенства, существует потребность в системах NER, которые могли бы повысить эти уровни производительности, например, с помощью методов машинного обучения.

2.2. Аннотаторы HPO Benchmark

В этой работе мы реализовали три аннотатора HPO, чтобы протестировать обновленный GSC, GSC +. Мы использовали OBO Annotator, NCBO Annotator и Minimal Named-Entity Recognizer (MER) [10]. Аннотатор NCBO может аннотировать текст с соответствующими концепциями онтологии из большого количества онтологий, доступных в BioPortal (https://bioportal.bioontology.org/), который является крупнейшим хранилищем биомедицинских онтологий. Мы использовали NCBO API (http: // data.bioontology.org/documentation), предназначенные для HPO. Аннотатор OBO — это семантический инструмент обработки естественного языка, способный комбинировать любое количество онтологий OBO от производителя OBO для идентификации их терминов в заданном тексте. Была использована конкретная версия этого инструмента для HPO (доступна по адресу http://www.usc.es/keam/PhenotypeAnnotation/OBOAnnotatorJAR.zip), которая специально нацелена на объекты HPO. Чтобы сопоставить введенный текст с терминами HPO, этот инструмент использует два типа предварительно построенных инвертированных индексов: лексический и контекстный.Он предоставляет графический интерфейс, который позволяет легко аннотировать аннотации. MER — это очень простой инструмент NER, который, учитывая лексикон (текстовый файл с терминами, представляющими интересующие объекты) и входной текст, он возвращает список аннотированных объектов. Он предоставляет API (доступный по адресу http://labs.fc.ul.pt/mer/), который уже включает некоторые конкретные лексики, включая HPO.

Для тестирования этих аннотаторов в качестве входных данных использовались все рефераты в GSC. Результаты, полученные от каждого инструмента, были отформатированы в идентичный формат GSC и сопоставлены для получения точности, отзыва и измерения.Мы попытались запустить Bio-LarK CR; однако некоторые из внешних ссылок, которые он использует для внутренних целей, больше не доступны. Исходный код Bio-LarK CR не обновлялся в последние годы, и поэтому мы, к сожалению, не смогли сделать его работоспособным. Тем не менее, стоит помнить, что показатель Bio-LarK CR был всего на 0,02 выше, чем OBO Annotator, и, таким образом, влияние отказа от использования Bio-LarK CR в нашей работе минимально.

2.3. Идентификация фенотипов человека

IHP опирается на Стэнфордский CoreNLP [6] и на реализацию условных случайных полей (CRF), предоставленную CRFSuite [11].Биомедицинские системы NER обычно применяют CRF, которые представляют собой тип вероятностной модели, способной маркировать последовательность токенов (последовательность символов с определенным значением, например слово, символ или число) и производить на выходе аннотированные именованные объекты (словосочетания которые можно отнести к определенной категории). CRF могут включать в себя богатый набор функций, который, учитывая последовательность и соответствующие метки, может получить условную вероятность последовательности состояний (метки), заданной определенной входной последовательностью.В этом случае метка представляет слова, которые являются частью именованного объекта. Эти модели необходимо обучить на обучающей выборке. Обученная модель способна маркировать последовательности токенов наиболее вероятными метками в соответствии с этой моделью [12].

CRFSuite применялся с алгоритмом l2sgd (стохастический градиентный спуск с элементом регуляризации L2). Стандартные настройки алгоритма этого инструмента были сохранены, за исключением настройки значения коэффициента L1 из-за небольшого улучшения производительности и добавления двух логических настроек («feature.possible_states »и« feature.possible_transitions »), которые влияют на способ создания функций и могут повысить точность маркировки. Алгоритм использовался со следующими настройками: (i) Коэффициент L1 — «0,9833» (ii) Коэффициент L2 — «1» (iii) feature.possible_states — «1» (iv) feature.possible_transitions — «1»

На рисунке 1 представлен конвейер аннотаций IHP. Процесс начинается с загрузки GSC в IHP для разделения на набор для обучения и тестирования.Полученные наборы используются для создания модели с CRFSuite и определенным набором функций. После процесса аннотации следует этап проверки, на котором используется комбинация словаря и ручных правил (например, анализ отрицательной коннотации) для удаления ложных срабатываний, выявления пропущенных сущностей и объединения смежных сущностей. На этапе оценки результаты вычисляются, возвращая точность и отзывчивость процесса аннотации.

IHP использует StanfordCoreNLP и GeniaSS [13] (GENIA Sentence Splitter) для предварительной обработки текста.GeniaSS использовался с параметрами по умолчанию. На этапе обучения модель была создана с использованием CRFSuite с применением 10-кратной перекрестной проверки на GSC. Для создания модели был выбран вручную созданный набор функций (лингвистические, орфографические, морфологические, контекстные, лексические и другие) в соответствии с характеристиками и в соответствии с работами предыдущих авторов в области биомедицинского NER [14 –21]. Этот набор функций доступен на GitHub вместе с аннотатором.Полный набор функций включает следующее: (i) Лингвистические особенности . Лемма и теги части речи текущего токена. (Ii) Орфографические особенности . Регистр текущего токена и наличие символов (цифры, левая скобка, правая скобка, косая черта, тире, кавычки, двойные кавычки, левая скобка, правая скобка) в токене. (Iii) Морфологические особенности . Префиксы (длиной от 2 до 3), суффиксы (длиной от 1 до 4), форма слова и биграммы текущего токена.(iv) Контекстные особенности . Лемма с размером окна 2, тегами части речи с размером окна 4, формой слова с размером окна 2, префиксами (длиной от 1 до 4) с размером окна 1 и суффиксами (с длина от 1 до 4) с размером окна 1. (v) Лексические характеристики . Стоп-слова с размером окна 4. (vi) Другие функции . Коричневое кластерное представление текущего токена и классификация класса длины слова.

2.4. Проверка

На этапе проверки используется комбинация ручных правил и словаря для удаления ложных срабатываний, идентификации пропущенных объектов и объединения смежных объектов.Правила и словарь доступны по адресу https://github.com/lasigeBioTM/IHP. Словарь содержит все термины и синонимы из базы данных HPO, а также аннотации обучающего набора. Словарь был обработан, чтобы увеличить количество вариаций сущностей (например, для «аномалий почек» также добавить «аномалии почек» и наоборот). Ручные правила работают в сочетании со словарем и списками слов. Аннотации в наборе тестирования не используются ни в одном из правил, чтобы избежать проблем с предвзятостью.Эти списки слов содержат общие слова HPO, теги общих частей речи (POS) и стоп-слова. Эти списки слов можно найти по адресу https://github.com/lasigeBioTM/IHP/tree/master/src/other/word_lists.

Правила были разработаны специально для исключения тестового набора, то есть правила используют информацию из обучающего набора и базы данных HPO для создания словаря, но никогда из тестового набора. Правила можно разделить на две категории: идентификация сущностей и удаление сущностей.Теперь будут описаны правила каждой категории. Дальнейшее описание того, как были разработаны правила, можно найти в репозитории GitHub, указанном выше.

2.4.1. Идентификация юридических лиц

(i) Словари Организации . Он идентифицирует словарные объекты, используя точное соответствие. (Ii) Entity Variations . Он находит определенные структуры сущностей, рассматривая набор распространенных существительных HPO (например, «аномалии» и «пороки развития») и возможные варианты следующих лексем в предложении (например, «аномалии» и «пороки развития»).g., «из», «из» и «в»). Затем, используя эти структуры, он пытается сопоставить существительные (например, «аномалии уха») или группу прилагательных (например, «дефекты внешнего, среднего и внутреннего уха»). (Iii) Longer Entities . Работает аналогично предыдущему правилу; однако вместо поиска структур в предложении он использует сущности из набора результатов и словаря в качестве базовой точки. Найдя эти объекты в предложении, он пытается расширить границы объекта (влево или вправо), идентифицируя определенные слова и теги POS.Например, если ранее были идентифицированы «аномалии ребер», он определил бы «аномалии позвоночника и ребер», развернув вправо, идентифицируя слово «и» и существительное «позвоночник». (Iv) Меньшие сущности . Он проверяет, можно ли разделить объект на большее количество объектов, идентифицируя определенные слова и теги POS (например, идентификацию объекта «ямки ладоней» внутри «ямок ладоней и подошв»). (V) Вторая проверка . Второй процесс проверки выполняется с использованием списка ранее идентифицированных сущностей.Этот список позволяет правилам работать с большим количеством объектов.

2.4.2. Удаление объектов

(i) Общие ошибки . Он удаляет объекты с очевидными ошибками, такие как объекты, состоящие только из цифр, объекты, содержащие только одну кавычку / круглую скобку, объекты, длина которых меньше, чем общая длина символа, равная 3, и объекты, содержащие более одного конкретного типа нарицательного имени (например, «аномалии» или «пороки»). (ii) Неправильная структура . Он проверяет теги POS в сущности и выявляет возможные ошибки, удаляя сущности, заканчивающиеся запятыми, точками, предлогами и определителями.(iii) Анализ отрицательной коннотации . Это похоже на задачу анализа настроений по обработке естественного языка. Сущности HPO имеют негативный оттенок, потому что они относятся к заболеваниям и нарушениям. Этот метод работает в мелком масштабе, удаляя только объекты, длина которых меньше трех слов. Например, существительное «развитие» всегда встречается в сочетании с другим словом (например, «когнитивное развитие»). Если это слово находится внутри сущности, сущность может иметь отрицательную коннотацию только с дополнительным словом (например,ж., «нарушение когнитивного развития»). Это правило удаляет объекты, которые соответствуют двум условиям: объект имеет 2 токена и объект содержит существительное с положительной коннотацией. (Iv) стоп-слова . Он использует два типа списков стоп-слов с разными уровнями исключения. Один список содержит словосочетания, которые удаляют объекты с использованием точного соответствия, а другой список содержит словосочетания, которые удаляют объекты, содержащие эту словесную фразу в любой части объекта (частичное совпадение).

3.Результаты

Используя GSC и 10-кратную перекрестную проверку, IHP достигла показателя 0,65. Таблица 1 показывает, что IHP превосходит сравнительный аннотатор в GSC (увеличение на 0,09) благодаря выбранному набору функций и процессу проверки. Также важно помнить, что, несмотря на избежание переобучения, IHP была разработана с использованием результатов GSC в качестве справочной информации.

56 Precision Отзыв — Измерение IH14 0,79 0,65 Bio-LarK CR 0,65 0,49 0,56

3,1. Производительность функции

Чтобы изучить производительность функции, каждая функция была протестирована индивидуально, чтобы проверить ее влияние. Результаты производительности функции разделены на шесть категорий: лингвистические, орфографические, морфологические, контекстные, лексические и другие. Чтобы свести к минимуму влияние любых проблем коллинеарности, которые могут существовать, мы получили как результаты для отдельных показателей в каждой категории, так и дополнительный вклад каждой категории в общую производительность.Функции были упорядочены от простых функций, таких как Linguistic и Orthographic, которые используют базовую структуру токена, до более сложных функций, таких как Context и Lexical, которые используют большее количество токенов. Хотя полное исследование производительности функций потребует оценки всех возможных комбинаций, мы приняли такой порядок, чтобы минимизировать время выполнения наших экспериментов. Базовая функция соответствует результатам, когда учитывается только текущий текст токена. Каждая функция была протестирована на одной итерации перекрестной проверки.Такой жадный подход может вызвать некоторую систематическую ошибку выборки и переобучение; однако цель состоит в том, чтобы определить, какие функции больше подходят для объектов HPO, а не анализировать абсолютные значения точности и отзыва.

В таблице 2 показано улучшение показателя-меры по мере добавления функций в аннотатор. Это повышение производительности в основном связано с увеличением отзыва, поскольку точность остается относительно прежней. Контекстные особенности имеют лучшую производительность по отдельности, за ними следуют морфологические и лингвистические особенности, и вместе они отвечают за большую часть производительности.Лексические и другие функции оказывают меньшее влияние на производительность.

911 911 911 911 911 911 911 911 911 911 911 911 911 0,911 0,428 Precision Отзыв -measure 0,519 911 911 911 911 911 911 911 911 911 911 911 911 911 911 0,72 0,564 O 0,452 0,594 0.514 M 0,457 0,766 0,573 C 0,469 0,783 0,587 Le 0,697 0,530 L + O 0,458 0,720 0,560 L + O + M 0,451 0.760 0,566 L + O + M + C 0,478 0,800 0,598 L + O + M + C + Le 0,478 0,8014 0,620 911 911 911 911 911 911 L + O + M + C + Le + X 0,482 0,823 0,608

3.2. Выполнение правил валидации

На этапе валидации для исправления некоторых ошибок, допущенных системой распознавания, использовалась комбинация ручных правил и словаря.В таблице 3 показано, что, хотя этап проверки оказывает незначительное влияние на -меру, наблюдается явное увеличение отзыва и снижение точности. Это приводит к тому, что большее количество объектов в GSC правильно идентифицируется, но также большее количество словосочетаний ошибочно рассматривается как объекты. Можно видеть, что правила проверки подлинности идентификации отвечают за увеличение отзыва, в то время как правила проверки удаления отвечают за повышение точности.

911 911 911 911 911 911 911 911 911 Precision Отзыв — Измерение Нет правил проверки 0.672 0,614 0,642 С правилами идентификации 0,442 0,797 0,568 с правилами удаления 0,754 0,6014 0,614 0,6014 0,791 0,649

3,3. GSC +

Часто некоторые объекты в документе не могут быть обнаружены во время процесса ручного аннотирования, в результате чего корпус золотого стандарта остается незавершенным.Это недооценка кураторами может привести к автоматической идентификации многих ложных срабатываний, которые на самом деле могут быть правильными аннотациями, которые не были идентифицированы в процессе ручного аннотирования, как обсуждалось в [21]. Мы обнаружили, что есть некоторые несоответствия в некоторых аспектах GSC, таких как количество раз, когда сущность аннотируется и одновременное аннотирование сущностей суперкласса и подкласса. Пример несогласованной аннотации сущности суперкласса / подкласса встречается с сущностью суперкласса «опухоли» и сущностями подкласса «опухоли нервной системы» (документ 2888021 в GSC) и «внутричерепные опухоли» (документ 3134615 в GSC).В первом случае GSC аннотирует «опухоли» и «опухоли нервной системы» как объекты; однако в последнем случае аннотируются только «внутричерепные опухоли».

Чтобы понять, действительно ли была проблема с аннотацией в GSC, мы провели тест, который отфильтровывает ложные срабатывания из результатов, удаляя сущности, которых нет в аннотациях тестового набора GSC, но которые существуют в словаре, содержащем сущности HPO (созданные из базы данных HPO и аннотаций GSC). Отфильтрованные ложные срабатывания — это словосочетания, которые следует рассматривать как истинные срабатывания.Используя предыдущий пример, поскольку объект «опухоли» не рассматривается в GSC, но существует в словаре HPO, он будет удален из результатов. В таблице 4 показано увеличение производительности примерно на 0,17, что является значительным улучшением.

791 Precision Отзыв — Измерение Без фильтра 0,649 С фильтром 0,845 0,791 0,817

Для решения этих проблем мы обновили GSCub, https /lasigeBioTM/IHP/blob/master/GSC+.rar) с учетом обнаруженных несоответствий. GSC + добавляет новые экземпляры объектов HPO, которые были автоматически идентифицированы IHP. Используя список идентифицированных сущностей, сущности были проверены путем точного сопоставления, чтобы увидеть, существуют ли они в базе данных HPO или в аннотациях GSC.Сущности, идентифицированные точным соответствием, были добавлены в GSC +. GSC + обеспечивает добавление 881 нового объекта и изменение 4 объекта. GSC + был протестирован с использованием четырех различных аннотаторов: IHP, OBO Annotator, NCBO Annotator и MER. В таблице 5 показаны результаты по GSC +. Это показывает, что IHP имеет лучшую производительность среди аннотаторов, имея показатель -меры на 0,31 выше, чем у самого производительного аннотатора.

872 0,499 Precision Отзыв — Измерение IH14 0,854 0,863 Аннотатор OBO 0,769 0,344 0,475 NCBO Аннотатор 0,688 0,619 0,619 911 911 911 911 911 911 911 911ER 911 911 911 911 911

4. Обсуждение

4.1. Характеристики функций

Таблица 2 показывает важность выбранных функций и показывает, что лингвистические, морфологические и контекстные функции отвечают за лучшую производительность по отдельности и что контекстные функции показывают лучшую индивидуальную производительность между тремя.Наиболее вероятным объяснением этого является то, что эти функции принимают во внимание маркеры соседей и, следовательно, собирают более ценную информацию, позволяя системе работать лучше, используя функции контекста по сравнению с другими типами.

Производительность постоянно улучшается с добавлением функций, в основном с упором на увеличение отзыва. Это усиление запоминания, но не точности, означает, что, хотя больше объектов правильно идентифицируется, существуют также неправильные словосочетания, которые считаются объектами.

Перед добавлением признаков IHP неправильно определила словосочетания, такие как «36 шванном» (вместо «шванномы») и «рывки» (вместо «атактические рывки»). После добавления функций он смог исправить предыдущие ошибки «шванномы» и «атактические рывки». Хотя он исправил некоторые ошибки, он также определил некоторые неправильные словосочетания, такие как «нейроанатомия» и «гиппокамп», вероятно, из-за того, что эти слова использовались в других сущностях HPO.

4.2. Производительность валидации

Процесс валидации важен для систем NER. Мы использовали комбинацию ручных правил и словаря для решения некоторых проблем классификатора машинного обучения. Этот процесс удалял ложные срабатывания, идентифицировал пропущенные объекты и объединял смежные объекты. В разработанных правилах приоритет отдается отзыву, пытаясь идентифицировать как можно больше объектов в соответствии с конкретными синтаксическими структурами, обычно встречающимися в объектах HPO. С правилами идентификации приводит к увеличению на 0.19 в отзыве по сравнению с без правил проверки и остается относительно неизменным после с правилами удаления . Поскольку приоритет отзыва приводит к идентификации неправильных объектов, впоследствии применяется процесс удаления для удаления ошибочно идентифицированных объектов, повышая точность аннотатора. Как видно из предыдущего примера, многие из этих неправильных словосочетаний вызваны словами, которые используются в объектах HPO, таких как «гиппокамп». Применение правил удаления, таких как использование стоп-слов с разными уровнями исключения, помогает удалить эти типы объектов.Например, если «гиппокамп» находится в списке стоп-слов, который работает с точным соответствием, он удалит словесную фразу «гиппокамп», но не удалит словесную фразу, такую ​​как «увеличенный гиппокамп». Процесс удаления приводит к увеличению точности на 0,08 по сравнению с отсутствием правил проверки и увеличению точности на 0,9 после использования правил идентификации.

Хотя -меры остаются практически неизменными до и после использования всех правил проверки, наблюдается явное увеличение отзыва и снижение точности.Причина низких значений точности связана с непоследовательной аннотацией GSC и попыткой IHP идентифицировать как можно больше объектов HPO.

Важно отметить, что IHP был разработан с использованием результатов GSC в качестве эталона производительности, что означает наличие определенной степени предвзятости. Однако правила руководства были разработаны с учетом общей структуры организации HPO. Эти правила также пытаются идентифицировать все экземпляры сущностей HPO абстрактно, что не всегда происходит в GSC.Поэтому при разработке правил мы постарались избежать переобучения для этого конкретного набора данных, чтобы IHP мог иметь аналогичную производительность в других контекстах.

4.3. Несоответствия GSC

Исходный GSC содержит несоответствия, которые могут ввести в заблуждение аннотатор на основе машинного обучения. Под несогласованностью мы подразумеваем упоминания похожих сущностей, которые были аннотированы по-разному в разных местах одного корпуса. Несоответствия, обнаруженные в GSC, можно разделить на четыре разных типа: количество аннотаций, значение сущности, вложенные сущности и сущности суперкласса / подкласса.Некоторые примеры этих несоответствий представлены ниже. (I) Количество аннотаций . Количество раз, когда объект идентифицируется в документе, противоречиво. Например, сущность «преаурикулярные ямки» (документ 998578 в GSC) используется три раза в тексте и все три раза аннотируется. В другой ситуации сущность «медуллобластома» (документ 19533801 в GSC) также используется три раза в тексте, но аннотируется только дважды. (Ii) Значение сущности .В некоторых ситуациях аннотированные сущности не совсем соответствуют своему значению в онтологии, что может привести к неправильной идентификации некоторых сущностей. Примером может служить аннотация «метаболизм кальция» (документ 6882181 в GSC) вместо «нарушение метаболизма кальция». Сама по себе сущность «метаболизм кальция» не имеет никакого значения в HPO, потому что она не соответствует какой-либо аномалии. (Iii) Вложенные сущности . Вложенные сущности — это сущности, которые содержатся внутри других сущностей.В GSC некоторые объекты, вложенные в другой объект, аннотируются, а в других случаях — нет. Примером этого является объект «кожные и генитальные аномалии» (документ 12219090 в GSC) и «аномалии позвоночника и ребер» (документ61 в GSC). Сущность «аномалии позвоночника и ребер» аннотируется в GSC вместе с сущностью «аномалии ребер». Однако этого нельзя сказать о сущности «кожные и генитальные аномалии». Эта сущность аннотирована в GSC (инвентарный номер: HP_0000078), но сущность «генитальные аномалии», которая существует в HPO, не указана.(iv) Сущности суперкласса / подкласса . Последний тип обнаруженного несоответствия связан с сущностями суперкласса / подкласса. Это тесно связано с вложенными сущностями, поскольку также включает идентификацию сущностей внутри других сущностей. Возможно, что некоторые аннотаторы идентифицируют только наиболее конкретный класс (подкласс) определенной сущности, в то время как другие пытаются идентифицировать все возможные классы. Однако GSC не соответствует аннотации этих типов объектов. Пример этого происходит с сущностью суперкласса «опухоли» и сущностями подкласса «опухоли нервной системы» (документ 2888021 в GSC) и «внутричерепные опухоли» (документ 3134615 в GSC).В первом случае GSC аннотирует как «опухоли», так и «опухоли нервной системы» как объекты. Во втором случае субъектом считаются только «внутричерепные опухоли».

4.4. GSC +

IHP пытается идентифицировать все экземпляры сущностей HPO (обычные, вложенные сущности и сущности подкласса / суперкласса) независимо от того, сколько раз они появляются в тексте. Наличие правильного количества раз, когда сущности появляются в документе, может быть полезно для расчета важных значений, таких как частота термина, которая используется для определения важности термина в документе.Поскольку IHP пытается аннотировать как можно больше объектов, он идентифицирует множество объектов, которых нет в GSC. Это, конечно, приведет к снижению точности и, следовательно, общей производительности. В таблице 4 представлены результаты проведенного теста для оценки потенциала IHP в случае, если эти несоответствия не были проблемой. Поскольку тест удаляет из результатов все случаи ложных срабатываний, которые существуют либо в аннотациях GSC, либо в базе данных HPO (путем точного сопоставления), точность увеличивается.Результаты показывают, что IHP имеет потенциал для достижения показателя около 0,82, что соответствует увеличению на 0,18 по сравнению с достигнутыми результатами. Это увеличение говорит о том, что почти пятая часть производительности аннотатора может зависеть от несоответствий.

Чтобы определить эффективность IHP в ситуации, когда эти несоответствия не были проблемой, был разработан GSC +, чтобы обеспечить более единообразное аннотирование рефератов. Разработка GSC + включает добавление автоматических аннотаций из IHP, которые были сопоставлены (с точным соответствием) словосочетаниям в базе данных HPO и аннотациям GSC.GSC + устраняет некоторые недостатки GSC, поскольку добавляет объекты, которые уже считались объектами HPO. В будущем могут быть проведены дополнительные испытания, чтобы проверить влияние наборов функций IHP и этапа проверки на GSC +.

Результаты IHP в таблице 5 были получены с использованием того же процесса аннотации, что и для исходного GSC. Он достиг показателя 0,863, что более чем на 0,04 выше его потенциальной производительности, описанной выше, благодаря тому, что GSC + включает больше улучшений, чем просто фильтрация ложных срабатываний.IHP имел более высокую производительность, чем другие аннотаторы на GSC +. Результаты показывают, что все три аннотатора имеют более низкий уровень отзыва, чем точность, что означает, что они идентифицируют небольшое количество сущностей по сравнению с общим количеством сущностей в GSC +. Хотя все эти аннотаторы используют HPO в качестве целевой онтологии для аннотирования текста, они, скорее всего, используют точное соответствие для идентификации сущностей в тексте и, следовательно, не подготовлены к уровню синтаксических вариаций, которые возникают в сущностях HPO. Хотя IHP не обязательно может идентифицировать объекты длиной до 14 слов, он пытается сделать это, используя правила проверки, которые расширяют границы идентифицированных объектов.Аннотаторы, использующие точное соответствие, не могут идентифицировать эти типы сущностей, поскольку все слова в сущности должны точно соответствовать строке в онтологии HPO, что маловероятно. Мы не оценивали каждое правило проверки индивидуально, как было представлено ранее с GSC, но мы ожидаем, что их влияние будет очень похожим в GSC +, поскольку мы используем тот же корпус и онтологию.

Другой проблемой этих аннотаторов является выбор идентификации сущностей подкласса над сущностями суперкласса.Некоторые аннотаторы, такие как аннотатор OBO, предпочитают более конкретные аннотации, чем более общие, и поэтому идентифицируют только часть этих объектов.

Причина, по которой IHP имеет лучшую производительность, чем другие аннотаторы на GSC +, заключается в том, что он пытается аннотировать все экземпляры объектов HPO. Мы также можем убедиться в этом, сравнив результаты в GSC и GSC +. Повышается точность, потому что все объекты, которые ранее считались ложными срабатываниями (и которые существуют в базе данных HPO), теперь считаются истинно срабатываниями.

5. Заключение

Мы представили IHP, эффективную систему для идентификации сущностей HPO в неструктурированном тексте, которая использует подход на основе машинного обучения для идентификации сущностей в сочетании с техникой проверки, которая сочетает в себе словарные и ручные правила. методы. IHP превосходит современные аннотаторы HPO, такие как Bio-LarK CR, в GSC. Эта работа предоставляет богатый набор функций (лингвистические, морфологические, орфографические, контекстные, лексические и другие) для идентификации биомедицинских объектов, созданных на основе работ предыдущих авторов, и группу правил проверки, которые используются для исправления ошибок, вызванных аннотатор на основе машинного обучения.

В этой работе также содержится анализ несоответствий, обнаруженных в GSC. В результате этого анализа была создана расширенная версия GSC, GSC +, которая будет оставлена ​​в качестве дополнения. Новые аннотации были добавлены автоматически с использованием IHP, поэтому GSC + все еще может содержать некоторые проблемы, но, поскольку они были точно сопоставлены с тщательно подобранными аннотациями, мы считаем, что здесь нет места для ошибок. Этот новый корпус можно использовать для дальнейшей оценки аннотаторов HPO и других приложений, таких как частотный анализ терминов.

GSC + использовался для тестирования IHP и трех других аннотаторов, чтобы обеспечить более надежный инструмент тестирования для аннотаторов HPO. IHP превзошел все три аннотатора со значительным запасом производительности более 0,3 дюйма.

В будущем было бы интересно улучшить производительность IHP, определив более богатый набор функций, который позволил бы идентифицировать более сложные объекты, а также путем дальнейшей оценки и улучшения каждого правила проверки при применении к другим доменам.Стоит еще раз отметить, что GSC + не свободен от потенциальных неправильных аннотаций, вызванных ошибками IHP, и поэтому в качестве будущей работы мы стремимся провести более тщательное расширение и проверку GSC + за счет прямого участия аннотаторов HPO. Кроме того, более крупный аннотированный корпус позволит IHP иметь дело с большим количеством реальных сценариев. Было бы также интересно применить фенотипическое сходство для выявления потенциальных неправильных аннотаций, которые семантически не связаны с сущностями, обнаруженными в тексте [21].Поскольку электронные медицинские карты содержат термины HPO, захватывающей задачей будет оценка эффективности IHP в многоязычном корпусе [22] и того, как это может помочь нам представить их знания с использованием технологий связанных данных [23].

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Выражение признательности

Эта работа была поддержана португальским фондом Fundação para a Ciência e Tecnologia (https://www.fct.mctes.pt/) через Ph.D. Грант Ref. PD / BD / 106083/2015 и UID / CEC / 00408/2013 (LaSIGE).

Фенотип | Что такое фенотип?

---

Facebook Твиттер Электронное письмо Печать

---

Определение фенотипа

Фенотип — это описание ваших физических характеристик. Он включает как ваши видимые черты (например, цвет волос или глаз), так и измеримые черты (например, рост или вес). Фенотип также относится к характеристикам, связанным с вашим развитием и поведением, например, к элементам вашей личности.

Набор генов, которые вы несете (известный как ваш генотип), определяет ваш фенотип. На это также влияют факторы окружающей среды, такие как пол и температура.

Фенотип по сравнению с генотипом

В то время как ваш фенотип описывает ваши физические характеристики, ваш генотип — это полный набор генов, которые вы несете. Он также может относиться к комбинации различных версий (или аллелей) одного и того же гена, который вы несете.

Это различие генотипа и фенотипа применимо не только к людям: генотип относится к генетической информации организма, тогда как фенотип относится к наблюдаемым характеристикам, включая черты, которые являются результатом этой генетической информации.Итак, рыжие волосы бабушки, голубые глаза вашей собаки и прекрасный запах розы — все это примеры фенотипов, которые происходят от генотипа каждого организма.

Люди — «диплоидные» организмы, что означает, что у них есть две копии каждой хромосомы — по одной от каждого родителя. Исключение составляют биологические мужчины, у которых одна Х- и одна Y-хромосома. В данной позиции в ДНК — или генетическом локусе — пара аллелей из двух хромосом составляет генотип в этой позиции. Другими словами, какой признак проявляет организм, зависит от комбинации конкретных аллелей, которые он имеет.

Например, у людей генетический локус для типа ушной серы имеет два аллеля: один для влажной ушной серы (обычно обозначается буквой W), а другой — для сухой ушной серы (обычно обозначается буквой w). Фенотип организма определяется комбинацией аллелей.

В примере с ушной серой люди с двумя влажными аллелями (WW) или одним влажным и одним сухим аллелями (Ww) имеют влажную ушную серу. Только люди с двумя аллелями сухой ушной серы (ww) имеют сухую ушную серу. Если для признака требуется только одна копия аллеля, аллель является доминантным.Если нужны две копии, аллель рецессивен. Таким образом, для ушной серы влажный аллель доминирует над рецессивным сухим аллелем.

Не каждый аллель является рецессивным или доминантным, как тип ушной серы. Аллели также могут быть кодоминантными, что по сути означает, что они объединяются, образуя признак. Одним из примеров является группа крови, где у человека с группой крови AB есть генотип, состоящий из аллеля A и аллеля B.

Или аллели могут быть не полностью доминантными. Одним из примеров является львиный зев, где розовый цветок является фенотипом, который является результатом генотипа, состоящего из одного аллеля красного и одного аллеля белого.

Примеры фенотипов

Примеры фенотипов, связанных с внешностью, были одними из первых, которые изучались и обычно упоминаются в учебниках. Новаторское исследование 1860-х годов Грегора Менделя, которого часто называют отцом современной генетики, например, было основано на внешнем виде растений гороха. Он изучал такие свойства растений гороха, как белые или пурпурные лепестки, короткие или длинные стебли, а также круглые или морщинистые семена. У людей примеры фенотипа включают тип ушной серы, рост, группу крови, цвет глаз, веснушки и цвет волос.

И фенотипы — это не просто физические черты. Поведение также считается фенотипом. Пример унаследованного поведения — это бордер-колли, порода собак, которую вывели, чтобы пасти овец. Одомашненные бордер-колли, даже если они никогда не были рядом с овцами всю свою жизнь, все равно будут проявлять пастушеское поведение, например собирать один тип предметов вокруг дома.

Интересные факты о фенотипе и экспрессии генов

Представители одного и того же вида могут иметь разные фенотипы в зависимости от географического положения.Цвет кожи человека — отличный тому пример. Солнечный свет — палка о двух концах: слишком много — можно обжечься, слишком мало — может не хватить витамина D.

Если климат более солнечный, например, в районах ближе к экватору, тогда цвет кожи должен быть темнее, чтобы защитить людей от солнца. Но в северном климате с относительно небольшим количеством солнечного света цвет кожи должен быть светлее, чтобы можно было поглощать больше солнечного света. Это помогает объяснить, почему цвет кожи становится светлее по мере продвижения на север.

Можно коррелировать два фенотипа. У людей одним из примеров является цвет волос и количество волос: у брюнеток, как правило, меньше волос, чем у блондинок (примерно 100 000 волос по сравнению с 120 000 волос для блондинок). Это может иметь свои корни в эволюции. Волосы частично созданы для защиты кожи от ультрафиолетовых лучей. Чем темнее волосы, тем меньше волос требовалось.

Некоторые фенотипы, распространенные сегодня, были почти неслыханными тысячи лет назад. Например, раньше почти никто из взрослых людей не мог пить молоко, не чувствуя тошноту.Но поскольку в таких местах, как Северная Европа и некоторые части Африки, стало важным иметь возможность пить молоко, чтобы выжить, этот фенотип сейчас гораздо более распространен: почти взрослых сегодня могут пить молоко.

Важно отметить, что потребность в молоке не вызвала эту мутацию, которая позволяет гену переваривания молока продолжать экспрессироваться во взрослом возрасте. Вместо этого те немногие счастливчики, у которых уже была мутация, выжили и преуспели лучше, чем их соседи с непереносимостью лактозы.Со временем непереносимость лактозы стала гораздо реже.

Определенные фенотипы человека более распространены в определенных регионах. Рыжие волосы — замечательный пример. Рыжие волосы чаще всего встречаются в западных и северных регионах Европы. В таких странах, как Ирландия, и в регионах, таких как Волга, самая высокая концентрация рыжих в мире.

Но то, что у вас рыжие волосы, не означает автоматически, что ваша семья недавно приехала из одного из этих мест. Рыжие волосы действительно встречаются в регионах и у народов мира, которые, возможно, реже ассоциируются с рыжими волосами, например, в популяциях берберов в Марокко и Алжире, а также среди еврейского населения ашкенази.

Точно так же веснушки обычно ассоциируются у людей с рыжими волосами и светлой кожей. Однако вариации генов, вызывающие веснушки, встречаются во всем мире, в том числе в Азии, Африке и Америке.

Мастер-класс Mastermind: Онтология фенотипа человека (HPO)

Выводы мастер-класса:

• Как определить причинный ген (ы), связанный с фенотипом пациента или комбинацией фенотипов
• Как определить, какой синдром (ы) связан с данным фенотипом или комбинацией фенотипов для клинической диагностики
• Как определить связь между генетическими мутациями и клиническими синдромами или фенотипами

Вопросы и ответы:

Вопросы, ответы на которые во время вебинара

Вопрос: Что определяет порядок генов в списке в результате поиска ?

A:
Марк: Он имеет приоритет по количеству статей в своем виде базовой презентации, поэтому, учитывая пример Дайан для синдрома Пейтца-Егерса и STK11, вы видели, что P10 присутствует ниже, я думаю, с 80- некоторые статьи, учитывая, что у него есть проблемы с пигментацией и гамартомы.У STK11 было на 50% больше результатов, поэтому приоритет был отдан ему заранее, а затем последовал резкий спад. В простейшей версии пользовательского интерфейса результаты совпадений генов при вводе фенотипов ложатся исключительно на плечи результатов. Очевидно, что у нас есть очень сложные возможности для определения приоритетности результатов на стороне варианта в том списке ссылок, который включает варианты. Когда вы добавляете какие-либо ключевые термины, эти ключевые термины и то, насколько они близки друг к другу с вариантом или геном, который вы ищете, а также как часто эти ключевые термины встречаются в документе, это очень общий взгляд на насколько сложны у нас алгоритмы расстановки приоритетов для представления результатов этих статей, чтобы максимизировать вероятность того, что первые 5 или 10 статей будут статьями, с помощью которых вы сможете поставить диагноз.Особенно в свете того, что Стив смог показать, безграничные возможности для всех способов, которыми вы, как специалист по информатике, хотите приоритизировать результаты на основе собранных результатов API, полученных в результате вашего запроса.

Стив: Поскольку это мастер-класс, я могу добавить к нему немного больше глубины. Говоря о приоритезации результатов в Mastermind, пользовательском интерфейсе и API, я часто разделяю проблему на два основных компонента, которые делают ее немного легче для понимания.Первый — это понимание того, что ассоциации и результаты, которые мы возвращаем, основаны на медицинских доказательствах, поэтому все они вытекают из того, что было изучено и цитируется в литературе, и поэтому понимание того, что два компонента, на которые мы часто смотрим, когда вы Если подумать, во-первых, порядок результатов статьи для любого данного запроса определяется своего рода статической силой ассоциации и динамическим компонентом силы ассоциации. Статическая сила ассоциации зависит от характеристик каждой статьи как таковой.Например, в каком журнале он был опубликован? Какая была дата публикации? Какова оценка воздействия журнала? Счетчик цитирования статьи?… Такие вещи, так что это своего рода характеристики, которые следуют за каждой статьей независимо от того, какой поиск вы выполняете, что приводит к тому, что эта статья присутствует в результатах. Второй — это динамический компонент. Насколько релевантна статья тому, что вы только что искали? Вот здесь и вступают в игру такие характеристики, которые описывал Марк. Это означает, что если вы ищете вариант в фенотипе, насколько точно те, которые были процитированы в статье? Сколько раз каждый был процитирован в статье? Сколько раз они цитировались в статье по сравнению с другими объектами в статье? Например, упоминался ли мой вариант один раз в статье, и в статье также упоминалось 300 других вариантов, потому что это было исследование GWAS? Или мой вариант упоминался в статье 5 раз, и только один другой вариант упоминался в той же статье, то есть статья была про мой вариант.Итак, насколько убедительны доказательства для каждого искомого слова? И затем, насколько тесно связаны эти два или более терминов в результатах? Вот как мы расставляем приоритеты статей. И тогда вы можете увидеть, как наши возможности становятся все более и более сложными, например, для ранжирования генов как результатов вашего поискового запроса, потому что большая часть убедительных доказательств в пользу генов проистекает из статей. Мы можем ранжировать их по количеству статей, которые сообщают об этой ассоциации генов, релевантной для вашего поиска, и т. Д.При расстановке приоритетов мы используем очень много факторов, и мы продолжаем совершенствовать и улучшать их.

В: Можно ли заключить поисковые запросы в круглые скобки? т.е. использовать комбинацию и / или?

A:
Стив: Прямо сейчас мы пытались создать то, что мы называем «булевым поиском» — возможностью поиска более одного термина в любой заданной сущности. Обычный поиск может включать до одного термина каждого типа объекта.Например, поиск по гену и варианту, заболеванию и фенотипу представляет собой довольно сложный базовый небулевский поиск, потому что это просто то, то то, то и то. Логический поиск вступает в игру, когда у вас может быть более одного термина для любого из них. Например, этот ген и этот ген, и этот вариант, или этот вариант, или этот вариант, и этот фенотип. Наш текущий логический поиск имеет круглые скобки, заключенные вокруг каждого типа сущности, и затем вы можете изменить и / или внутри любой одной сущности.Например, вы можете выполнить поиск (ген A и ген B) и (вариант A или вариант B) или (вариант C или вариант D), и тогда у вас будут скобки вокруг болезней, скобки вокруг фенотипов и т. Д. чтобы затем изменить эти круглые скобки и иметь (ген A и вариант A) или (ген B и вариант B), и как бы переместить эти круглые скобки так, чтобы они окружали комбинации сущностей, — это не то, что у нас сейчас есть. Мы обсуждали это, но у нас еще не было ни одного пользователя или клиента, который бы связывался с нами, говоря, что это необходимый компонент их конвейера, или что-то, что они действительно даже начали исследовать.С учетом всего вышесказанного вы можете сделать это в API, потому что в API вы можете просто поставить «или» между всем, а затем вы можете использовать любую комбинацию логики, которую захотите, и где бы вы ни захотели разместить круглые скобки, вы можете обвести анализ результатов как операцию постобработки на вашем собственном компьютере в вашем собственном коде. Таким образом, API можно использовать в качестве операции постобработки.

Q: Если фенотипы, введенные пользователем, не включают выходные фенотипы, что вы увидите?

A:
Стив: Я предполагаю, что этот вопрос относится к сценарию, который я показал.В контексте показанного мной сценария, который использует API для ассоциации вариантов фенотипов и идентификации заболеваний, я думаю, что сценарий, о котором мы говорим здесь, — это варианты и фенотипы, которые вы вводите, не приводят к каким-либо статьям, которые упомяните эти варианты вместе с любым из исходных фенотипов. Что делает этот скрипт, вывод, который я вам показал, — это всего лишь сводный файл, который генерирует скрипт, он фактически генерирует пять разных файлов. Он генерирует два резюме: одно — действительно высокоуровневое, а второе — очень подробное.Затем он генерирует три или четыре файла CSV, в которых перечислены все результаты по статьям, все результаты по вариантам, все результаты по генам, все результаты по фенотипам и все результаты по болезням, а также сколько файлов . Итак, что в конечном итоге произойдет, если ни один из вариантов не будет указан вместе с каким-либо входным фенотипом, так это то, что в сводном файле фактически не будет результатов в разделе, в котором есть варианты с фенотипом. Выше этого есть другой раздел, который будет искать любой из вариантов, которые были совместно процитированы вместе в статьях, не имеющих фенотипа — отсутствующих в любых совпадениях фенотипа — так что вы все равно увидите результаты любых вариантов, которые были процитированы вместе друг с другом. , что это были за PMID, и тогда вы увидите список всех фенотипов и заболеваний, которые были у этих статей, независимо от того, были ли они в вашем поиске.

Отметка: Если обнаружены ваши специфические входные фенотипы, он появляется на переднем плане и в центре с максимальной эффективностью в поиске результатов, о которых вы просили. Если ни один из этих входных фенотипов не найден, Стив имел в виду, что сценарий API собирает все фенотипы, независимо от того, что было введено вами, и помещает их на второй уровень, который, если первый уровень имеет значение NULL, вы увидеть, появиться немедленно. Я хотел бы сказать, что есть эти две фазы: первая — это восстановление точного совпадения или даже частичного совпадения с тем, что вы вводите, и вторая фаза — это обнаружение вещей, о которых вы даже не подозревали, что хотели бы увидеть, и которые вытекают из этого. обширная сеть геномной ассоциации, которую Стив описал и продемонстрировал сценарий, задействуя любой заданный вариант набора данных для любого пациента.

Q: Как этот инструмент решает проблему наличия множества различных транскриптов для одного гена? В статьях не всегда есть надлежащая информация о том, какая расшифровка используется для обозначения вариантов.

A:
Марк: Они почти никогда не делают, но я кратко отвечу, что Mastermind с ними справляется. У нас есть что-то под названием Genomic Language Processing (GLP), которое отвечает за индексацию контента, а также за понимание того, что вводят пользователи.В этом есть много сложностей, противоречащих моему короткому ответу, но Mastermind «осведомлен о геномике». Осознавая все эти расшифровки, сопутствующие проблемы устаревшей номенклатуры, все нюансы генетического кода и сложности генома человека. И одно из ценностных предложений Mastermind заключается в том, что вам не нужно беспокоиться или думать об этих вещах, потому что наша инфраструктура уже учла это за вас и надлежащим образом представляет результаты. Стив, я не знаю, хотите ли вы поговорить с пользователями о том, что они получают выгоду от этой максимальной чувствительности.Я думаю, что Паула задала этот вопрос, что индексирование распознает все транскрипты для любого данного гена, и когда автор не объявил, в терминах какой расшифровки они говорят, Mastermind распознает, с какой из этих транскриптов может быть связан вариант. с участием. И если авторы не объявили конкретный транскрипт, мы максимизируем чувствительность этих результатов, связывая со всеми теми транскриптами, которые являются подходящими на основе упомянутой кДНК или эталонного аллеля в этом положении белка.Как показала Дайана в одном из своих примеров, мы показываем контекст предложения, в котором авторы описывают эти совпадения, чтобы вы могли судить: «Это мой конкретный результат или я не согласен с тем, что это тот самый вариант, который я искал. для?» В этом случае вы можете очень быстро двигаться дальше, и я думаю, что Стив был заинтересован в том, чтобы выполнить поиск на уровне кДНК для определенного варианта, один из механизмов, которые у нас есть для определения приоритетности этих результатов. будут знать, что вы ищете это конкретное совпадение кДНК, и в дополнение к расстановке приоритетов в соответствии с этим совпадением будет очень быстро демонстрироваться в том нижнем правом отсеке, где в контексте предложения упоминается то, что именно сказал автор.Вы можете быстро переключаться от результата к результату и просто быть уверенным, что получаете наиболее конкретный результат в зависимости от вашей конкретной клинической проблемы, тогда как другие обстоятельства гарантируют, что вы выиграете от просмотра всех этих результатов независимо от конкретного совпадения кДНК. Mastermind позволяет вам играть по обе стороны этого забора.

Q: Насколько хорошо Mastermind определяет приоритеты генов и вариантов в сложных недиагностированных случаях заболевания или потенциально новом генетическом заболевании? Представьте себе сложное врожденное заболевание с десятками фенотипов в различных системах органов и десятками генов-кандидатов или вариантов.

A:
Марк: Замечательный вопрос, и он возвращает нас к ответу, который я дал о восстановлении и обнаружении данных. Выздоровление — это когда у вас есть фенотипы и варианты, которые вы искали — если в литературе есть какие-либо доказательства, мы их вытащим и покажем вам, что это за ссылки. Если то, о чем мы говорим, не является явными ассоциациями, которые в очень широком смысле объединяют болезнь, вариант, ген и т. Д., И фенотипы, если такой информации нет в литературе, вы по умолчанию перейдете к этой фазе открытия.Когда вы говорите о сложных недиагностированных случаях, сила Mastermind API заключается в его способности использовать всю эту информацию и агрегировать ее для вас таким образом, что вы не могли надеяться сделать вручную, а затем представляли плоды. этой работы, которая была выполнена автоматически, в ранжированном порядке по приоритетам. Всякий раз, когда вы ищете что-то непонятное, вы должны терпеть некоторые ложные сведения, но когда у вас нет другого выбора, API предоставит вам лучшую возможность очень быстро найти среди этих ложных сведений настоящие. свинец, который затем приведет вас к моменту эврики, который, я думаю, вы ищете, когда это не диагностированный случай.Дайан привела простой пример с Прадером-Вилли, где у вас есть хромосомные эффекты 15q, вы можете себе представить, если у вас есть случай, когда он не поддается диагностике, и у вас есть некоторые аномальные результаты хромосомного микрочипа и некоторая сбивающая с толку совокупность фенотипов, которые не обнаруживаются. t сформировать синдром в вашем глазу, когда вы смотрите на него клинически. Если вы введете эти результаты в пользовательский интерфейс Mastermind из API, у вас вполне может быть этот момент Eureka, основанный на приоритетных результатах, которые в противном случае потребовали бы у вас, вероятно, от многих часов до дней, чтобы прочесать итеративно выполняя поиск в Google или что у вас есть, если вы даже можете вообще найти эту информацию.Это действительно мощь сценария, который Стив продемонстрировал в конкретной версии, которую он показал, и в любой ее перестановке в зависимости от ваших входных данных и типов запросов, которые вы ищете. Итак, ваш вопрос был количественным, и я не могу на него ответить количественно. Достаточно сказать, что одна из возможностей Mastermind API — это обнаружение данных в этом ключе.

Стив: Я также добавлю, что у нас действительно был довольно большой опыт работы именно с этим конкретным сценарием, когда мы работали с одной большой компанией, которая проводила пробную версию нашего API, и они запускали сценарий, очень похожий на тот, который я показал, где первое, что они бросили в него, был трудный неразрешимый случай, который у них был из-за редкой болезни.Информация о пациенте была отправлена ​​в несколько различных лабораторий и другим поставщикам услуг, которые не смогли объяснить комбинацию фенотипов, которая была у пациента. Затем они попробовали это с помощью нашего программного обеспечения, и на самом деле было получено сочетание трех разных вариантов двух разных генов, которые при объединении полностью объяснили весь спектр фенотипов пациента и привели их к диагнозу-кандидату, который они никогда не могли найти раньше. Это было результатом единовременного испытания, которое они провели с нами, в котором они пытались бросить один из самых сложных случаев в наш API.Мы провели аналогичные испытания с несколькими другими компаниями, которые в некоторых случаях наблюдали от 10 до 50% диагнозов в некоторых из их самых сложных случаев, поэтому мы определенно видели, что данные блестят в таких сценариях.

Q: Позволяет ли ваша поисковая система находить связи внутри и между другими видами, такими как мышь и мышь с человеком?

A:
Стив: В настоящее время мы не делаем этого для других видов, но мы создали платформу с такой возможностью.В прошлом мы делали это в индивидуальном порядке с некоторыми клиентами.

Марк: Я скажу, что генные синонимы для человеческих генов часто всегда включают те, которые относятся к низшим видам, даже дрожжам, и, конечно, есть много паритета между названиями генов мыши и крысы и других стандартных исследовательских инструментов, а также шестиугольной диаграммой. что Стив показал, что объединение всех этих геномных ассоциаций, безусловно, было бы верным для разных видов, если бы не вариант, который гораздо более специфичен для каждого вида. Есть способы пропитать в вашем запросе API некоторые из названий этих видов, чтобы специально извлекать эту информацию по своему усмотрению в ваших вызовах API.

Q: Сколько терминов HPO можно ввести одновременно?

A:
Отметьте: Сколько угодно не раздражает пользователя! В пользовательском интерфейсе вы можете собрать столько, сколько захотите — я хотел бы сказать, что там, где мы продемонстрировали, насколько автоматизирован API, пользовательский интерфейс может быть запрограммирован на включение этих терминов HPO, поскольку он имеет URL-адреса, которые называются « глубокие ссылки »- в URL есть собственно термин. Если у вас есть рабочий процесс, и вы либо разбираетесь в Excel, либо у вас есть группа информатики, вы можете объединить все эти запросы HPO в ссылку, которую вы затем нажимаете в Mastermind для любого данного гена — я не знаю, есть ли предел.

Стив: На самом деле есть ответ для пользовательского интерфейса и ответ для API. Итак, как вы сказали, Марк, нет явного ограничения. На самом деле я не знаю и лично не пробовал напрягать систему, чтобы увидеть, сто, или тысяча, или десять тысяч терминов HPO. На самом деле я не уверен, в какой момент приложение начинает зависать и не может выполнить запрос. Теоретически, чем больше терминов HPO вы вводите, тем медленнее он должен работать, но в нашем повседневном использовании и во всех случаях использования, которые мы видели с клиентами, с которыми мы использовали это до сих пор, мы не не видел практических ограничений на то, сколько они могут сделать.Что касается API, на самом деле есть сценарий, который я только что показал вам в результате этого. На самом деле мы создали этот сценарий с учетом требований HIPAA. В первую очередь мы хотели ограничить объем информации, фактически отправляемой на наш сервер, чтобы сценарий, который я только что вам показал, вообще не запрашивает у нашего сервера условия HPO. На самом деле он находит каждую статью для каждого варианта, а затем просматривает конечную точку информации о статье, которая показывает результаты всего, что мы проиндексировали в статье, и извлекает из этого вывода все термины HPO, а затем он смешивает их все вместе и выполняет операцию пересечения между этим и фенотипами, которые вы передали в сценарий.Таким образом, для этого сценария буквально нет ограничений на количество терминов HPO, которые вы можете передать в этот сценарий, потому что он в любом случае даже не отправляет их на сервер. Он просто берет все термины HPO из всех документов, которые он запрашивал для вариантов, а затем выполняет фильтрацию на HPO в качестве операции постобработки на вашем собственном компьютере. В пользовательском интерфейсе я вообще-то не уверен, каков предел. Мы еще не сталкивались с этим, и на стороне API это может быть написано таким образом, чтобы фенотипы даже не попадали на сервер.

Марк: Я скажу, что это, вероятно, не техническая проблема, как описывал Стив, а скорее проблема чувствительности / специфичности. Чем больше записей вы используете с «и», тем меньше и меньше вероятность того, что вы найдете все они в какой-либо статье. Так что это то, о чем вам следует очень внимательно относиться. И если вы переключитесь на «или» и добавите дюжину, вы начнете получать неспецифические результаты. Вот почему я сказал, что это относится к толерантности пользователей, и это требует некоторого эмпирического тестирования, чтобы увидеть, какие результаты вы получите с какими типами фенотипов.

Ответы на дополнительные вопросы после вебинара

Q: Является ли продемонстрированный вами скрипт API общим?

A: Да, у нас есть несколько примеров скриптов, использующих Mastermind API, написанных на Python, с открытым исходным кодом и доступных на Github здесь:

https://github.com/Genomenon/mastermind-api- cookbook /

Сценарий, продемонстрированный на веб-семинаре, доступен прямо здесь:

https://github.com/Genomenon/mastermind-api-cookbook/blob/master/variant_phenotype_evidence.py

Q: Рассматривая приложения для вплетения абстракции фенотипа в более широкие инструменты поддержки принятия решений, делают ли это какие-либо текущие партнерства?

A: Mastermind интегрирован во многие сторонние программные платформы для секвенирования генома, которые можно найти на нашей странице интеграции. Многие из них теперь интегрируют расширенные функции, такие как фенотипы.

Q: Mastermind также выполняет поиск неопубликованных данных о генах и вариантах, например, в ClinVar и ClinGen?

A: Mastermind имеет гораздо больше вариантов и больше информации по каждому варианту, чем ClinVar и ClinGen, включая ссылки и данные ассоциации.Более того, любой вариант ClinVar со ссылочными ссылками также находится в Mastermind, поэтому Mastermind можно рассматривать как надмножество ClinVar. Мы не интегрировали полный набор данных из ClinVar или ClinGen (например, звездные рейтинги, варианты вызовов), но эти данные предоставляются клиентам как часть нашего Mastermind Genomic Landscapes.

Q: Здесь новый пользователь. Эта демонстрация показывает нам, что происходит на фоне обычного интерфейса или нового интерфейса? Если да, то включено ли это в профессиональную версию?

A: Алгоритмы AI и ML, которые определяют приоритеты и представляют данные в Mastermind (что происходит в фоновом режиме), одинаковы как для базовой, так и для профессиональной версии, и интерфейс также очень похож.Некоторые функции демонстрации, такие как поиск по фенотипу, являются профессиональными функциями. Профессиональная версия требуется при использовании Mastermind для клинических рабочих процессов или для более сложных исследовательских мероприятий. Вот ссылка на сравнение планов Mastermind.

Q: Есть ли веб-семинар о том, как лучше всего использовать профессиональную версию пользовательского интерфейса для интерпретации вариантов (рекомендации ACMG и т. Д.)? Если да, поделитесь ссылкой на этот вебинар.

A: Вы можете найти демонстрации семи различных вариантов использования интерпретации вариантов с помощью Mastermind на нашей странице руководств.Фильтрация по критериям ACMG / AMP включена в видеоролик «Вариант использования № 1». Также мы планируем провести мастер-класс по этой теме в июне.

В: Можем ли мы сделать наш собственный сценарий на linux и / или python для сценария?

A: Да! Mastermind Base и Advanced API — это API в формате RESTful JSON, которые можно использовать с любым языком сценариев, например Python, Ruby, JavaScript, Java и многими другими, а также в любой операционной системе, включая Linux, Mac или Windows.

Скрипт, продемонстрированный на веб-семинаре, написан на Python, имеет открытый исходный код и доступен на Github здесь:

https://github.com/Genomenon/mastermind-api-cookbook/blob/master/variant_phenotype_evidence.py

Q: Если у нас есть конфликт в прогнозировании эффекта варианта, упомянутого для варианта неизвестной значимости (VUS) в ClinVar, который является геном, вызывающим болезнь Х, что нам делать? Какую методику лучше всего приспособить в такой ситуации?

A: В случае конфликта интерпретации между ClinVar и свидетельствами в Mastermind, которые вы лично оценили, мы настоятельно рекомендуем вам принять во внимание свидетельства в Mastermind.В ClinVar отсутствует огромное количество вариантов, вызывающих заболевание и имеющих клиническое действие. А для вариантов, которые он действительно содержит, отсутствует огромное количество ссылок, цитирующих любой из этих вариантов. Чтобы обеспечить наиболее точную интерпретацию варианта (и, следовательно, наиболее точный диагноз пациента), следует принимать во внимание всю доступную информацию из эмпирической литературы, доступной через Mastermind. Если информация в Mastermind сама по себе противоречит (например,грамм. многочисленные отчеты, содержащие несопоставимые утверждения о патогенности того или иного варианта), это несоответствие следует устранить, подробно изучив первичные доказательства. Ученый-вариант должен прийти к своим собственным выводам, основанным на этих доказательствах.

Q: Объяснение, касающееся ранжирования статей (с помощью Mastermind Relevance Score), очень полезно. Я предлагаю вам рассмотреть возможность добавления «оценки» релевантности к каждой статье, чтобы пользователь мог самостоятельно определять релевантность статьи, кроме порядка ранжирования, предоставляемого результатами поиска.

A: Мы рассмотрели. Однако трудно дать абсолютную оценку, которую было бы полезно отфильтровать или по которой можно было бы сделать абсолютное суждение о релевантности, потому что относительная оценка сильно варьируется от одного запроса к другому.

Другими словами, хотя внутренняя оценка релевантности позволяет сортировать результаты статей по заданному поисковому запросу, они бесполезны для сравнения статей по различным поисковым запросам. Следовательно, было бы сложно, если вообще возможно, определить какой-либо порог оценки релевантности, который работал бы при поиске.

Например, один результат может иметь большое значение для запроса, который возвращает только этот результат (особенно для чего-то вроде диагностики редких заболеваний, где предметом может быть иголка в стоге сена, которая делает возможной диагностику), при этом все еще имея относительно низкая общая оценка релевантности, тогда как поисковый запрос, который возвращает более 1000 результатов, может иметь более 500 результатов с очень высокой оценкой релевантности, что по определению сделало бы большинство этих результатов менее релевантными (поскольку куратор не может просмотреть такое количество статей) , что требует дополнительных фильтров для повышения специфичности поиска.

Тем не менее, мы все еще можем представить себе сценарии, в которых оценка релевантности для статьи может быть полезна, поэтому мы все еще рассматриваем ее.

В: Можно ли фильтровать данные по критериям совокупности?

A: В настоящее время у нас нет критериев популяции, встроенных в пользовательский интерфейс или API Mastermind, но это то, что мы предоставляем в рамках нашей программы Mastermind Genomic Landscapes.

Транскрипция

Кэндис: Всем привет и добро пожаловать на наш первый мастер-класс по Mastermind! Меня зовут Кэндис Чепмен, вице-президент по маркетингу Genomenon.Спасибо, что присоединились к нам на сегодняшнюю живую сессию. Мы надеемся, что где бы вы ни были, вы в пижамных штанах в безопасности, здоровы!

Этот мастер-класс будет посвящен одной из последних функций, добавленных в Genomic Search Engine Mastermind, а именно возможности поиска по фенотипу. Это мощная функция, которую даже во время репетиции на этой неделе мы изучали для других приложений, и я не могу дождаться, когда вы увидите, что с ней можно сделать. Поиск по фенотипу — это функция профессиональной версии, поэтому, если у вас в настоящее время есть базовая версия, некоторые из них могут показаться вам не знакомыми, но во время демонстрации вы увидите многие функции, о которых вы, возможно, не знали, доступны в Mastermind.Это прекрасное время, чтобы повторно ознакомиться со всеми функциями Mastermind и посмотреть, можете ли вы и ваша организация извлечь выгоду из Mastermind Professional Edition. Наша цель — сделать Mastermind первым ресурсом, который вы будете использовать при интерпретации вариантов, и я надеюсь, что этот мастер-класс по глубокому погружению поможет вам извлечь из этого максимум пользы. Прежде чем мы начнем, позвольте мне рассказать о некоторых предметах домашнего обихода. Вы можете задавать вопросы в поле для вопросов в любое время, пока мы вместе, и после демонстрации у нас будет сессия вопросов и ответов с основателями.

Я очень рад этому вебинару, потому что мы собрали не одного, а двух наших замечательных основателей, чтобы подробно обсудить Mastermind. У нас также есть MVP от команды по анализу данных, который проведет вас через демонстрацию. Представления обычно довольно скучны, поэтому я подумал, что мы немного изменим его, и попросил наших докладчиков поделиться чем-то интересным, чего вы могли не знать о них.

Нашим первым докладчиком является д-р Марк Киль, соучредитель и главный научный сотрудник. Статья, написанная Марком, опровергает гипотезу бессмертной нити, так что это довольно круто — вы можете погуглить! Марк поделится кратким научным обновлением Mastermind.Следующим идет Стив Шварц, соучредитель и технический директор. У Стива есть гоночная лицензия, и он участвует в гонках, когда у него есть время, чего почти никогда не бывает с момента рождения двух его дочерей, но я думаю, что знаю его приоритеты! Стив поделится кратким обновлением технологии Mastermind, а затем у нас будет наш «Щ.И.Т.» или наш специальный куратор по развитию информации и необходимой логистики Дайан Нефси. Диана вместе с мужем и своим беззубым котом ухаживает за собственной лесной фермой! Вот еще несколько интересных фактов об этих парнях: каковы шансы, что у Марка и Дайаны есть однояйцевые близнецы? И Марк назвал своих детей в честь персонажей из греческой мифологии, Диана назвала своих питомцев в честь персонажей из греческой мифологии, но, чтобы не повредить, Стив утверждает, что у него есть книги по греческой мифологии! Но хватит вступления, поприветствуем Марка, чтобы узнать о научных новостях.Убери это, Марк!

Марк: Привет, спасибо Кэндис, и спасибо всем присутствующим за то, что присоединились к нам для того, что является первым в серии мастер-классов Mastermind. Я собираюсь немного ностальгически взглянуть на то время, когда Genomenon начинался, затем я потрачу две или три минуты, а затем передам это Стиву и, как правило, перейду к практическим аспектам того, что мы хотели продемонстрировать это на вебинаре. Многие из вас могут не знать, но Genomenon, что по-гречески означает рожденный из нужды, был начат около семи лет назад, когда я был доктором медицинских наук, разочарованный тем, что мне постоянно приходилось обращаться в Google, чтобы получить нужную мне геномную информацию. либо диагностировать нагрузку на моих пациентов, либо иным образом завершить исследовательскую работу, которую я делал в исследовательской лаборатории.С тех пор мы накопили очень прочную и постоянно увеличивающуюся базу пользователей, которая насчитывает около 7000 человек в сотне и более странах и продолжает расти почти экспоненциальными темпами. Mastermind, программное обеспечение, которое мы собираемся обсудить сегодня, становится все более популярным ресурсом для получения геномных данных как для клинических рабочих процессов, так и для фармацевтических открытий в рамках той работы, которую мы делаем с фармацевтическими и биотехнологическими компаниями. . Эта способность расширять пользовательскую базу и становиться доминирующей силой в интерпретации геномного секвенирования отчасти объясняется нашими достижениями, такими как тот, который мы собираемся продемонстрировать сегодня: добавление онтологии человеческого фенотипа или фенотипические термины, которые особенно ценны при решении в остальном загадочных случаев редких заболеваний для пациентов, для которых имеется информация о секвенировании.

Как намекала Кэндис, я очень счастлив делиться центром внимания со своим соучредителем и другом, нашим техническим директором Стивом Шварцем, одним из наших первых сотрудников и кем-то, кто, как мне кажется, не получил должного признания во многих отношениях. способы обеспечения бесперебойной повседневной работы Genomenon, Дайан Нефси. Я очень счастлив участвовать в веб-семинаре с ними обоими. Стив рассмотрит технологию на высоком уровне, которая является движущей силой этой новой разработки — этой новой функции, которую мы добавляем в Mastermind, — а Дайан рассмотрит несколько вариантов использования.Пара будет в пользовательском интерфейсе, а пара также в API, а затем Стив собирается завершить разговор, продемонстрировав некоторые мощные возможности и ценность, которые могут быть получены путем максимального использования API с помощью некоторых сценариев. Без лишних слов я передам это Стиву и присоединюсь к группе здесь во время сеанса вопросов и ответов к концу вебинара. Стив?

Стив: Как сказал Марк, я собираюсь сосредоточиться на высоком уровне технологий и постараюсь сделать их не слишком скучными для всех! Технология, лежащая в основе Mastermind, действительно дает нам возможность предоставлять нашим пользователям две услуги.Первый — это систематизация и индексация всех медицинских доказательств, что делает их легко доступными для поиска, при этом идея состоит в том, что они доставляют вам больше всего информации в кратчайшие сроки, чтобы они не мешали вам, и вы могли продолжить — если вы на месте. клиническая сторона постановки диагноза или если вы занимаетесь фармацевтическими исследованиями. Второй — выявление каждой геномной ассоциации, которая поддерживается этими медицинскими доказательствами. Геномные ассоциации, о которых я говорю, происходят от поиска и индексации всей медицинской информации о геномных объектах — то, что мы называем геномными объектами — так что это гены, варианты, болезни, фенотипы, о которых мы говорим сегодня. , а также такие категории, как критерии ACMG и AMP и методы лечения, которые появятся позже.Идея здесь заключается в том, что, когда мы находим каждую из этих сущностей в медицинских доказательствах, мы можем затем идентифицировать Связи между любой сущностью и любой другой сущностью на этом графике, и из этих Ассоциаций вы можете начать идентифицировать гипотезы и перемещать эти гипотезы. в понимание.

Стандартный вариант использования — это пациент, у которого есть заболевание, и вам нужно найти терапию. Это замечательно, но любая гипотеза или любая прямая связь между болезнью и терапией на самом деле является всего лишь гипотезой, пока вы не начнете идентифицировать и понимать причинную связь между этим заболеванием и терапией.В контексте геномики эти доказательства, как правило, связаны с генами, функцией генов и вариантами внутри этих генов. Вы можете видеть здесь каждый раз, когда мы можем добавить причинную связь или объект в эту причинную связь, мы добавляем кусочек головоломки и намного лучше понимаем эту связь. Самое сильное понимание, которое вы можете найти, — это то, где вы можете связать, например, болезнь с терапией через определенный ген и вариант, классифицированные по фенотипам и категориям, и поэтому мы действительно позволяем нашим пользователям делать здесь, добавляя фенотипы к нашу онтологическую структуру и начинаем рисовать эти связи.Примером того, как вы могли бы сделать это в клиническом контексте, может быть, что у вас есть пациент, у которого есть от трех до пяти тысяч вариантов, которые вам удалось отфильтровать из всего скрининга экзома, и у вас есть набор фенотипов справа. Что вы можете начать делать с нашей поисковой системой или, что еще более эффективно, с нашим расширенным API, так это то, что вы можете начать итерацию через все возможные ассоциации, не только между одним вариантом и одним фенотипом, но и между любыми или всеми вариантами, которые пациент имеет и все фенотипы, которые у них есть.Вы можете гораздо легче начать устанавливать эти связи, используя медицинские доказательства в качестве основы для информирования этих ассоциаций, чтобы у вас были убедительные доказательства, которые вы затем могли бы включить в отчет и сделать выводы на основе.

В этом примере мы используем варианты, связывающие их с фенотипами из медицинских данных, а затем в тех же документах мы можем дополнительно просмотреть документы и увидеть, о каких заболеваниях или о каких методах лечения также говорится в этих документах, чтобы помочь автоматизировать процесс диагностика пациента или создание истории болезни.Или, опять же, с фармацевтической точки зрения, начиная с автоматизации процесса открытия и разработки лекарств. Теперь я передам слово Дайане, которая сможет показать вам, как этот фенотип на самом деле выглядит в API и пользовательском интерфейсе.

Диана: Отлично. Спасибо, Стив, и пока я работаю над демонстрацией своего экрана, я просто хотел бы напомнить вам, что не все функции, которые вы увидите сегодня, доступны для базовых учетных записей, и если вы хотите протестировать функции, но вы этого не делаете, у вас нет к ним доступа, просто отправьте нам электронное письмо, и мы будем рады помочь.

Сегодня я собираюсь познакомить вас с некоторыми примерами Mastermind пользовательского интерфейса, которые позволят вам обнаружить набор генов или заболеваний, связанных с фенотипом вашего пациента или даже комбинацией фенотипов. В этом первом примере предположим, что у вашего пациента фенотип, который, как вы подозреваете, имеет лежащую в основе генетическую причину, и вы хотите найти ген-кандидат для тестирования, а не только ген-кандидат, но и литературные доказательства этого. В этом первом примере у нас гиперпигментация кожи.В этом раскрывающемся списке вы видите это не только для выбора фенотипа, но и для фенотипа без опечаток. Другой, который есть у вашего пациента в этом примере, — это гамартоматозный полипоз, и прямо здесь мы видим фенотип и правильный канонический термин HPO, и у нас есть оба этих свойства вместе у нашего пациента. Мы нажмем кнопку поиска, и сразу же вы увидите, что ген STK11 занимает первое место в списке из 81 статьи, и это ожидаемо, потому что это симптомы синдрома Пейтца-Егерса.

В нашем следующем поиске мы покажем вам, что вы можете выполнять поиск по одному или двум фенотипам, либо по обоим вместе. Например, у вашего пациента есть семья с разными фенотипами. Первым из них является эктопия чечевицы, а вторым фенотипом, который мы здесь имеем, является арахнодактилия также как фенотип, но не у всех людей в семье они есть, поэтому мы будем щелкать «или», чтобы переключаться между и и или. Как и ожидалось, гены в списке в первую очередь организованы фибриллинами и эластинами.Мы можем использовать этот интерфейс для более глубокого изучения названий и аннотаций статей.

По умолчанию используется сортировка по релевантности, и если вы щелкните любую бумагу, вы увидите, что по умолчанию у нас выделены гены и варианты, но вы можете переключиться на фенотипы, и вы можете увидеть это в полном тексте в любое время, когда есть фенотип упомянутого, вы увидите, что это выделено, и вам будет показано разумное доказательство.

Еще один пример, который у нас есть для вас сегодня, — это то, что поможет вам максимизировать специфичность для вашего пациента.Допустим, у вас есть пациент с гиперфагией. Вы увидите, что это не только исправляет написание, но и дает вам правильный канонический термин HPO. Таким образом, у нас здесь есть полифагия, однако, как вы можете догадаться, у нас есть много статей, которые могут помочь или не помочь вам для вашего конкретного пациента, но в этом случае вы знаете, что у вашего клиента есть какая-то хромосомная аберрация в локусе 15q. . Если вы введете это как текстовый термин и выполните поиск по нему, это приведет к появлению всех статей, в которых упоминается 15q в полном тексте, и все гены, связанные с локусом Прадера-Уилли.Если вы нажмете на них, мы увидим, что он поднимает документы для синдрома Ангельмана и для Прадера-Уилли.

Теперь я покажу вам несколько примеров API. Я только что показал вам, как это сделает человек, и это своего рода демонстрация того, как это можно автоматизировать. Как и в последнем примере, если мы получаем токен API и интересующий нас термин HPO — гиперфагия, мы отправляем этот запрос. Вы можете видеть, что все эти выходы помечены, и у нас есть правильный термин HPO. Мы можем принять это, и мы можем перейти к нашей конечной точке болезни, мы можем вставить термин HPO, и вы увидите, что токен API переносится.Это даст вам выходные данные обо всех заболеваниях, связанных с этим термином HPO, и это всего лишь страница первая, и, например, мы можем пролистать на вторую страницу, а здесь, на странице три, у нас есть синдром Прадера-Вилли. Если вы хотите найти статьи, связанные с этим, мы выделим это и перейдем к конечной точке статей. Я подключу его, и мы сможем взять заголовок HPO, вернуться к статьям, вставить его и начать! У нас есть полный подсчет количества статей, связанных с ним.Вы можете прокрутить вниз и увидеть всю эту информацию здесь, но если нас интересует только одна конкретная статья, мы можем взять ее, перейти к нашей конечной точке информации о статье, подключить ее, и мы увидим не только заголовок и аннотацию, но и как прокручиваем вниз, будет показано все, что было обнаружено в полном тексте. Термины HPO и здесь, внизу, мы получили все гены, которые были обнаружены в этой статье, а также варианты генов. Как видите, это довольно мясистая статья.

Марк: Дайан, вполне вероятно, что в этой статье их нет, но это именно то, что касается конечной точки информации о статьях, демонстрирующей все результаты индексации для этой статьи, фенотипы, гены, варианты и отрывки из заголовков, которые с ней связаны. .

Диана: Итак, вы можете представить, что выполняете это как один запрос, и все эти шаги займут доли секунды. Если вы сделаете это массово, это будет еще более действенно. Я покажу вам, как находить живые литературные данные, которые позволяют связать фенотипы и генетические вариации ваших клиентов. Как и прежде, у нас есть в качестве примера, который у меня уже есть для вас: если вы говорите, что мы подозреваем ген notch и у вашего клиента одно конкретное заболевание, вы можете выполнить поиск, и вы найдете этот очень удобный график вариантной диаграммы, который поможет вам узнайте, где именно в гене вы будете искать любые подозреваемые варианты.Если у вас один и тот же ген, вы выбираете другой синдром и видите, что вариантный сюжет сильно отличается.

Мы рассмотрим еще один пример API, использующий синдром Хайд Чейни. Если у нас есть термин HPO, вы хотите узнать термин HPO для акроостеолиза, который является симптомом hajdu cheney. Вы обнаружите, что эта, в частности, фаланга руки является одним из симптомов хаджи чейни, поэтому вы скопируете это, и мы перейдем к конечной точке наших вариантов, мы введем наш HPO ID и предполагаемый ген, отправим этот запрос, и у нас есть удобный список всех подходящих вариантов, включая количество статей.Если вас особенно интересуют эти статьи, мы перейдем к конечной точке статей, мы добавим наш вариант интереса, мы возьмем этот термин HPO и сможем увидеть полный список всех этих восьми статей, связанных с интересующий вариант и болезнь ваших клиентов. Как и раньше, если есть лишние страницы, мы можем их пролистать. Интерфейс Mastermind отлично подходит для визуального обзора этих функций, а действительно мощные функции API позволяют выполнять все эти задачи сразу.На этом я передам его Стиву, и он может дать вам более подробное объяснение нашего API.

Стив: Отлично, спасибо, Дайан! То, что вы только что подумали, было демонстрацией пользовательского интерфейса и отдельных конечных точек API. Одна вещь, которая действительно начинает делать API мощным, как упоминала Дайан, пользовательский интерфейс чрезвычайно полезен, когда вы проводите своего рода специальное исследование или работу по обнаружению. пытаясь понять, что именно вы ищете. Как только вы поймете это, API значительно упростит автоматизацию этого процесса для разных вариантов использования.Вы можете интегрировать его в свой существующий конвейер, и вы действительно можете начать проводить гораздо более глубокий анализ, который не очень практичен или реалистичен для человека в режиме реального времени. Одним из примеров этого, как я показал ранее с графическим представлением, является одновременный анализ множества вариантов и множества фенотипов, но снова возвращаясь к визуализации ассоциации, которую я показал, есть много разных сущностей, которые вы можете анализировать на чтобы начать автоматизировать производство этой продукции.То, что я собираюсь показать вам здесь очень быстро, — это пример сценария, который мы собрали вместе, который рассматривает набор вариантов от данного пациента со списком фенотипов для этого пациента и выполняет совокупный анализ всей медицинской литературы, чтобы начать находить у этого пациента любые множественные варианты или фенотипы, которые, как правило, цитируются в медицинской литературе — имея в виду статьи, в которых говорится о более чем одном из этих вариантов с более чем одним из этих фенотипов одновременно.Это техническая демонстрация API, которая, как правило, не слишком увлекательна, но я постараюсь сделать ее как можно более интересной. У нас есть написанный мной сценарий, который принимает на вход список вариантов и список фенотипов. На самом деле, позвольте мне быстро показать, как выглядят эти списки. У меня есть несколько примеров, которые я собрал здесь, которые выглядят так. Вы можете видеть, что это просто набор из нескольких вариантов нескольких разных генов, они не обязательно связаны друг с другом, это просто набор случайных вариантов, которые я поместил в файл.Вы можете видеть, что сценарий легко может принимать варианты в любом формате, который у вас есть, будь то номенклатура белков или кДНК, он также может обрабатывать геномные координаты RSID и номенклатуру IVS. У меня также есть набор фенотипов для этого пациента. Этот сценарий берет тот список вариантов, который я вам только что показал, а также тот список фенотипов, и начинает анализировать их в совокупности. Первое, что он делает, — это находит канонические термины HPO, соответствующие каждому из этих фенотипов в списке, а затем он будет искать каждый вариант, находя каждую статью.

Марк: Может быть, пока он снова присоединится, я думаю, он сможет вернуться, и, надеюсь, он получит экран, который освещает результаты этого сценария, но я буду говорить с клинической точки зрения о пользе этого сценария как Дайан намекала на то, что в то время как она демонстрировала способный веб-интерфейс, и как вы можете выполнять итерацию по этим запросам, чтобы собрать все идеи и информацию, которые вы ищете в своем клиническом случае. Стив подчеркивает возможность сделать это сразу для любого конкретного пациента, упорядочивая данные со всеми этими результатами после того, как вы настроили вызовы API и способ вывода данных.Стив, надеюсь, покажет свой экран и продемонстрирует плоды этого автоматизированного рабочего процесса, чтобы дать вам немедленное представление, независимо от того, какие фенотипы вводятся, независимо от клинических обстоятельств, независимо от того, какой список вариантов скрипт запускал Стив. который был построен на API-интерфейсах, которые, как я хотел бы сказать, автоматически собирают все эти данные и расставляют приоритеты, необходимые вам, чтобы очень быстро, очень точно и деликатно сделать соответствующий диагноз для вашего пациента на основе информационного содержания, содержащегося в Mastermind.Стив благодарит вас за то, что вернулся туда, это экран вывода, который я предлагал ему показать, и опять же, это, в частности, пример, который запускал Стив, и то, как он настроил сценарий, но вам должно быть очевидно, насколько ценно это собрано Информация предназначена для определения приоритетов результатов и, опять же, для немедленного и точного понимания природы болезни ваших пациентов на основе клинических обстоятельств. Стив, если ты снова будешь на связи, я верну его тебе.

Стив: Спасибо, Марк, спасибо, что спасли меня.Это пример вывода сценария, который я только что показал. В этом случае было обнаружено три разных фенотипа, которые были процитированы в трех разных статьях, соответствующих двум различным входным вариантам. Вы можете видеть, что три фенотипа, которые он нашел в статьях, — это три PMID, и это два варианта, которые упомянуты в этих трех статьях, все три, а затем, чтобы начать помогать вам автоматизировать процесс поиска диагноза, он также будет перечислять из болезней, которые были упомянуты в этих трех статьях.Если вы прокрутите вниз, вот еще один результат, в котором было обнаружено два разных фенотипа в этом большом наборе PMID, которые также ссылаются на эти два варианта, и вот больший набор заболеваний, которые были обнаружены, а затем вы можете продолжить спуск и увидеть остальную часть Ассоциации. Это всего лишь пример ввода, который у меня был. Мы проверили это для многих других вариантов — от трех до пяти тысяч вариантов и от 15 до 20 фенотипов на пациента — и он все еще может автоматизировать производство такого рода результатов.Это вызов API, поэтому в этом случае у меня получается, что он выводится в файле с отступом, что немного упрощает мне демонстрацию здесь вида информации, которую он выводит, но он также может выводить в любой форме, которую вы хотите. например, CSV или VCF-файл или даже просто помещая эти данные непосредственно в вашу собственную базу данных конвейеров, чтобы вы могли интерполировать результаты в свой собственный конвейер, свой собственный пользовательский интерфейс для кураторов вариантов или для своей исследовательской группы. Этот вид демонстрирует мощь API и те вещи, которые вы можете начать делать, если автоматизируете многогранную идентификацию ассоциаций между геномными объектами для данного пациента или снова для открытия лекарств или любого количества других вариантов использования.

Выпущена новая онтология фенотипов человека (HPO) за сентябрь 2019 года! | Новости | EuroBloodNet

2019-09-06

HPO обеспечивает стандартизированный словарь фенотипических аномалий, встречающихся при заболеваниях человека, становясь стандартом фенотипических аномалий для различных групп, таких как международные организации по редким заболеваниям или регистры

Онтология фенотипа человека (HPO) предоставляет стандартизированный словарь фенотипических аномалий, встречающихся при заболеваниях человека.Каждый термин в HPO описывает фенотипическую аномалию, чтобы использовать его для поддержки дифференциальной диагностики, трансляционных исследований и ряда приложений в вычислительной биологии, предоставляя средства для вычисления по клиническому фенотипу.

HPO в настоящее время разрабатывается с использованием медицинской литературы Orphanet, DECIPHER и OMIM, содержащей более 13 000 терминов и более 156 000 аннотаций к наследственным заболеваниям.

Более того, эта онтология все чаще принимается в качестве стандарта для фенотипических аномалий различными группами, такими как международные организации по редким заболеваниям, реестры или клинические лаборатории, , обеспечивая совместимость данных между различными источниками и, таким образом, способствуя глобальному обмену данными для идентификации заболеваний. этиологии.

HPO — это флагманский продукт Monarch Initiative, международного консорциума, поддерживаемого NIH, который занимается семантической интеграцией биомедицинских данных и данных модельных организмов с конечной целью улучшения биомедицинских исследований.

Только что вышла новая версия на сентябрь 2019 года! Найдите на веб-сайте HPO всю информацию об этой онтологии, включая самую последнюю версию!

---

Международный консорциум терминологии фенотипа человека (ICHPT)

Цели
Цель Международного консорциума терминологии фенотипа человека (ICHPT) — предоставить сообществу стандарты, которые будут использоваться для обеспечения взаимодействия между базами данных, в частности, чтобы позволить увязка баз данных фенотипов и генотипов по редким заболеваниям.Эти инструменты имеют решающее значение для облегчения интерпретации геномных вариантов, а также данных о последовательностях с высокой пропускной способностью.

ICHPT: Основной набор терминов, которые должны быть включены в любую терминологию фенотипа человека, предназначенную для описания редких заболеваний

Методы
Чтобы определить наиболее реалистичное и приемлемое решение, группа заинтересованных сторон создала ICHPT, чтобы разработать дальнейший путь; наилучшим образом удовлетворяет потребности пациентов, а также врачей-специалистов и неспециалистов, исследователей и политиков.Результатом проделанной работы является набор терминов, которые должны присутствовать в любой терминологии через один из ее синонимов. Эти термины уже соотносятся с некоторыми из основных терминологий.

Загрузки
Список терминов и их сопоставление находятся в свободном доступе. Таблица основных терминов ICHPT и перекрестных ссылок находится здесь.

Лицензия
Мы решили применить лицензию Creative Commons Attribution-NoDerivs ко всем частям ICHPT, охраняемым авторским правом.Это означает, что вы можете свободно копировать, распространять, отображать и использовать эту базу данных в коммерческих целях в соответствии с любым законодательством при условии, что вы должным образом признаете ICHPT. Однако, если вы намереваетесь распространять измененную версию нашей базы данных, вы должны сначала спросить у нас разрешение.
Соответствующая форма при цитировании ICHPT: ICHPT: данные в свободном доступе с IRDiRC.org.

Участники
Члены рабочей группы IRDiRC, отвечающие за разработку ICHPT (в алфавитном порядке):

Участники семинара
Процесс разработки этого основного набора терминов был поддержан опытом многих коллег, которые посетили два семинара:

• Джоанна Амбергер
• Сеголен Эме
• Ларри Дж. Бэбб
• Сержи Белтран
• Джудит Блейк
• Бойкот Ким
• Джон Кэри
• Эндрю Деверо
• Koenraad Devriendt
• Дайан Доннаи
• Хизер Дозье
• Хелен Ферт
• Эстер Гарне
• Ада Хамош
• Рауль Хеннекам
• Роберт Якоб
• Одиль Кремп
• Мартин Ле Меррер
• Дэвид Миллер
• Ана Рат
• Питер Робинсон
• Екатерина Роза
• Альберт Шинцель
• Майкл Сигал
• Ян-Эрик Слот
• Нара Собрейра

Финансирование
Первый семинар был совместно профинансирован «EuroGenTest» (EC FP6 n ° 261469) и «EUCERD Joint Action» (EC JA n ° 2011 22 01).Перекрестное сопоставление финансировалось контрактом «EuroGenTest». Второй семинар был совместно профинансирован «Совместными действиями EUCERD» и проектом «Вариом человека», семьей Ларри и Шейлы Пакула и самими участниками. Заключительная фаза проекта и разработка веб-сайта ICPHT финансировались «SUPPORT IRDiRC» (EC № 305207).