デフレート圧縮アルゴリズムは、単一ヌクレオチド多型分類へのグランサムアプローチによる系統発生の多様性の過大評価を修正します

ゲノムシーケンスの速度とコストの改善により、疾患に関連することが知られている遺伝子の新規の非同義の単一ヌクレオチド多型（NSSNP）の数が増えています。多数のNSSNPは、実験室ベースの分類を実行不可能であり、病気との家族性の共地性を常に可能にします。したがって、分類またはトリアージのシリコ内メソッドが利用されます。複数種のシーケンスアラインメント（MSA）とGranthamの作業に基づく人気ツール、Align-GVGDは、特にシーケンス数が増加するにつれて、有害な効果を過小評価することが示されています。デフレート圧縮アルゴリズムを利用して、多くの種にわたる予想される変動を説明しました。調整されたグランサム測定では、同じ遺伝子から既知のニュートラルで有害なNSSNPを定量的にクラスタリングする手段を導き出しました。これは、バイナリ分類の手段として、最も適切なクラスターに新しいバリアントを割り当てるために使用されました。クラスターのスケーリングにより、単一の病原性スコアを介してバリアントの遺伝子間比較が可能になります。このアプローチは、大規模なMSAに対する感度を修正しながら、Align-GVGDの分類精度を改善します。オープンソースコードとWebサーバーは、https：//github.com/aschlosberg/compressgvで利用可能になります。

Improvements in speed and cost of genome sequencing are resulting in increasing numbers of novel non-synonymous single nucleotide polymorphisms (nsSNPs) in genes known to be associated with disease. The large number of nsSNPs makes laboratory-based classification infeasible and familial co-segregation with disease is not always possible. In-silico methods for classification or triage are thus utilised. A popular tool based on multiple-species sequence alignments (MSAs) and work by Grantham, Align-GVGD, has been shown to underestimate deleterious effects, particularly as sequence numbers increase. We utilised the DEFLATE compression algorithm to account for expected variation across a number of species. With the adjusted Grantham measure we derived a means of quantitatively clustering known neutral and deleterious nsSNPs from the same gene; this was then used to assign novel variants to the most appropriate cluster as a means of binary classification. Scaling of clusters allows for inter-gene comparison of variants through a single pathogenicity score. The approach improves upon the classification accuracy of Align-GVGD while correcting for sensitivity to large MSAs. Open-source code and a web server are made available at https://github.com/aschlosberg/CompressGV.