DSNetwork: An integrative approach to visualize predictions of variants’ deleteriousness
Notice bibliographique
Résumé
Abstract One of the most challenging tasks of the post-genome-wide association studies (GWAS) research era is the identification of functional variants among those associated with a trait for an observed GWAS signal. Several methods have been developed to evaluate the potential functional implications of genetic variants. Each of these tools has its own scoring system which forces users to become acquainted with each approach to interpret their results. From an awareness of the amount of work needed to analyze and integrate results for a single locus, we proposed a flexible and versatile approach designed to help the prioritization of variants by aggregating the predictions of their potential functional implications. This approach has been made available through a web interface called DSNetwork which acts as a single-point of entry to almost 60 reference predictors for both coding and non-coding variants and displays predictions in an easy-to-interpret visualization. We confirmed the usefulness of our methodology by successfully identifying functional variants in four breast cancer susceptibility loci. DSNetwork is an integrative web application implemented through the Shiny framework and available at: http://romix.genome.ulaval.ca/dsnetwork . Author summary Over the past years, GWAS have enabled the identification of numerous susceptibility loci associated with complex traits ( https://www.ebi.ac.uk/gwas/ ). However, many of those signals contain hundreds or even thousands of significantly associated variants among which only a few are really responsible of the phenotype. Substantial efforts have been made in the development of prediction methods to prioritize variants within GWAS-associated regions to go from statistical associations, to the identification of functional variants modulating gene expression, in order to ultimately gain insight into disease pathophysiology. Unfortunately, these numerous prediction tools generate contradictory predictions rendering the interpretation of results challenging. Some tools such as VEP [McLaren et al., 2016] report their scores using a color scheme, thus acknowledging the need to assist the user in the interpretation of predictor results. Nonetheless, the multiplication of approaches can often result in an extensive amount of data that is hard to synthesize. Aware of the challenge of evaluating the potential deleteriousness of variants in the context of fine mapping analyses, we created a customizable visualization approach that was implemented it in the decision support tool called DSNetwork for D ecision S upport Network . This tool enables quick access to gold standard and new predictors for both coding and non-coding variants through an easily interpretable visualization of these predictions for a set of variants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».