遗传和变异知识网络图（Nature科学家绘制出14万人的遗传变异图谱）
遗传和变异知识网络图（Nature科学家绘制出14万人的遗传变异图谱）相关论文：但是，预测的功能丧失变体会因注解错误而变得更加丰富，并且往往在极低的频率下被发现，因此要进行分析，需要仔细的变体注解和非常大的样本量。在筛选出由测序和注释错误引起的假象后，研究人员在该队列中确定了443 769个高可信度预测的功能丧失变异。使用改良的人类突变率模型，研究人员根据代表灭活耐受性分布对人类蛋白质编码基因进行分类，使用来自模式生物和工程化人类细胞的数据验证该分类，并证明其可用于提高常见和罕见疾病的基因发现。据介绍，使蛋白质编码基因失活的遗传变体是有关基因破坏表型后果的来源。其中，对生物体功能至关重要的基因将在自然种群中被耗尽，而非必需基因将耐受它们积累。
作者丨小柯
美国麻省总医院Konrad J. Karczewski、Daniel G. MacArthur等研究人员合作绘制了14万人的遗传变异图谱。
这一研究成果于2020年5月27日在线发表在《自然》上。
研究人员将来自人类测序研究的125 748个外显子组和15 708个基因组合并描述到 Genome Aggregation Database（gnomAD）中。
在筛选出由测序和注释错误引起的假象后，研究人员在该队列中确定了443 769个高可信度预测的功能丧失变异。
使用改良的人类突变率模型，研究人员根据代表灭活耐受性分布对人类蛋白质编码基因进行分类，使用来自模式生物和工程化人类细胞的数据验证该分类，并证明其可用于提高常见和罕见疾病的基因发现。
据介绍，使蛋白质编码基因失活的遗传变体是有关基因破坏表型后果的来源。其中，对生物体功能至关重要的基因将在自然种群中被耗尽，而非必需基因将耐受它们积累。
但是，预测的功能丧失变体会因注解错误而变得更加丰富，并且往往在极低的频率下被发现，因此要进行分析，需要仔细的变体注解和非常大的样本量。
相关论文：
https://www.nature.com/articles/s41586-020-2308-7
小柯报道：
http://news.sciencenet.cn/htmlpaper/2020/5/202053014153755756711.shtm
