《iScience》：A machine learning classifier reveals hidden rare biallelic heterozygous variants in the coding regions of Meniere disease genome
编辑推荐：
梅尼埃病（Meniere disease, MD）是一种具有显著遗传贡献的罕见内耳疾病。研究人员开发了MD分类器（MD classifier），即一种机器学习（machine learning, ML）工具，利用编码区罕见变异区分家族性MD（familial
梅尼埃病（Meniere disease, MD）是一种具有显著遗传贡献的罕见内耳疾病。研究人员开发了MD分类器（MD classifier），即一种机器学习（machine learning, ML）工具，利用编码区罕见变异区分家族性MD（familial MD, FMD）与散发性MD（sporadic MD, SMD）病例。研究人员构建了一种疾病特异性基因变异评分，整合了基因、变异和疾病特异性特征。梯度提升（gradient boosting, GB）分类器取得了最高性能，测试集曲线下面积（area under the curve, AUC）为0.843（95%置信区间[confidence interval, CI]，0.702–0.948），准确率为81.5%。将散发性病例重新分类为家族性组的比例为16.6%至28.3%。该模型识别出双等位基因杂合变异负荷，提示隐藏性隐性遗传，可能影响高达38%的MD患者。利用主要分类器特征进行的基因富集分析揭示了家族性与散发性MD之间不同的生物学通路。该基于ML的框架整合了独特的遗传特征，可能提高罕见疾病的诊断率，并普遍适用于同时具有家族性和散发性表型的疾病，从而能够识别复合杂合隐性遗传。
研究背景方面，梅尼埃病（Meniere disease, MD）是一种致残性内耳疾病，以眩晕发作、听力损失和耳鸣为特征。尽管多数诊断为散发性，但高达10%的病例呈现家族聚集，提示显著遗传贡献。家族性MD（familial MD, FMD）遗传结构研究已发现OTOG、MYO7A和TECTA等基因的罕见变异，这些变异通过同一基因中一个或多个杂合变异介导显性和隐性遗传，并确立FMD具有遗传异质性。比较分析提示，家族性与散发性MD（sporadic MD, SMD）的遗传景观不同，家族性病例在听觉和前庭基因中罕见且功能显著变异负荷更高。然而，大部分FMD仍无明确分子诊断，凸显其遗传结构复杂性。基因组数据量和复杂度增加，需要先进分析方法整合临床表型并优先致病变异。机器学习（machine learning, ML）模型已用于变异优先、疾病分类和多等位遗传模式识别，但尚无先前工作基于外显子组测序（whole exome sequencing, WES）数据的综合罕见变异注释，用监督ML对MD患者进行家族性或散发性分层。因此，研究人员开发MD分类器，旨在揭示表型散发性病例中的隐藏家族易感性。
研究人员开展的研究使用公开WES数据集429例无关患者，包括93例FMD（欧洲基因组-表型档案库[European Genome-Phenome Archive, EGA]：EGAD50000001682）和336例SMD（Mendeley数据）。另取UNITI队列101例全基因组测序（whole genome sequencing, WGS）文件，为有耳鸣但无MD诊断者，作为非MD测试。诊断依据2015年Barany Society国际分类委员会标准。研究人员构建特征矩阵，包括基因变异负荷评分（gene variant burden score, GVBS）、联合注释依赖耗竭（combined annotation-dependent depletion, CADD）PHRED评分、双等位变异相互作用评分（biallelic variant interaction score, BVIS）、蛋白-蛋白相互作用评分（protein-protein interaction score, PPIS）、梅尼埃表型评分（Meniere phenotype score, MPS）和相关表型数量（associated phenotype number, APN）。训练五种监督分类器：梯度提升（gradient boosting, GB）、随机森林（random forest, RF）、逻辑回归（logistic regression, LR）、支持向量机-径向基核（support vector machine-RBF, SVM-RBF）和k近邻（k-nearest neighbors, KNN）。采用泄漏安全管线，分层70/15/15划分，合成少数类过采样技术（synthetic minority oversampling technique, SMOTE）在交叉验证折内处理不平衡，网格搜索调参，三阶段评估：训练集超参数优化、验证集基于Youden’s J选择阈值、保留测试集最终评估。用bootstrap计算95%置信区间（confidence interval, CI），置换检验验证。基因集富集分析（gene set enrichment analysis, GSEA）用clusterProfiler、ReactomePA和org.Hs.eg.db，对基于CADD和双等位评分排序的前1000基因进行KEGG、基因本体论（Gene Ontology, GO）和Reactome通路分析，FDR校正p<0.05。特征消融分析量化特征块贡献。
关键技术方法概括：使用93例FMD和336例SMD的WES数据，独立验证100例（50 FMD/50 SMD），以及101例非MD耳鸣WGS伪对照；构建GVBS、CADD PHRED、BVIS、PPIS、MPS和APN特征；训练GB、RF、LR、SVM-RBF和KNN分类器；采用SMOTE、分层交叉验证、网格搜索、三阶段评估；进行外部验证、特征消融以及KEGG、GO和Reactome富集分析。
研究结果如下。Rare variant distribution in familial and SMD datasets：按预测功能影响，错义和同义单核苷酸变异（single nucleotide variants, SNVs）在家族性和散发性数据集中最常见。错义变异（中等或修饰影响）在临床定义散发性组中更普遍，提示隐藏隐性遗传；功能丧失（loss-of-function, LoF）变异也在散发性中富集，提示存在未检测的显性或半显性效应。Familial/sporadic classification using exome sequencing datasets：GB分类器在保留测试集上表现最佳，AUC为0.843（95% CI 0.706–0.948），平均精确率（average precision, AP）为0.941，准确率为81.5%；RF表现相近；LR较低。GB正确分类95%家族性病例，并将38%临床定义散发性病例重新分类为FMD。Validation of the GB-based model：在独立100例（50 FMD/50 SMD）队列中，外部ROC-AUC为0.880，AP为0.886，准确率为76%，Brier评分为0.138，接近内部测试性能；散发性患者召回率为88%。由于未进行trio分相或分离分析，家族样指定反映模型优先而非确认隐性遗传。Familial predisposition in SMD individuals：在100例临床诊断SMD中，28例（28%）被重分类为家族性。应用于整个散发队列336例时，95例（28.3%）被识别为家族样；阈值来自验证集Youden’s J=0.348。6例已知OTOG、MYO7A、ADGRV1、GJD3和TECTA突变的FMD个体均被正确分类。非MD耳鸣伪对照未能正确分类，随机标签下AUC约0.50，平均预测概率0.69±0.07，均被错分为Meniere样，支持工程化基因组特征对MD遗传结构的特异性。Feature ablation analysis in the GB model：移除BVIS（6个特征降至5个）导致最大性能下降，ΔTEST_AUC=-0.387等，校准恶化，表明BVIS是关键驱动因素。移除CADD PHRED评分产生较小但一致的性能下降。移除GVBS总体变化适度。移除PPIS影响最小。移除表型衍生块（MPS+APN）反而提高整体区分和校准，但带来召回-精确权衡，提示表型块部分冗余并改变决策行为。Bi-allelic inheritance in MD：BVIS是最佳预测特征，研究人员据此检索并排序FMD和SMD基因，发现359个基因共享，但贡献不同。FMD独有COL4A4、DOCK6和SLC29A3；SMD独有PPL、MICAL1和DCHS1。BVIS排序前200个基因中，60个为FMD基因，提示约30% FMD基因可能受双等位遗传影响；56个SMD基因也在其中，22个基因重叠。Pathway analysis in FMD and SMD：基于BVIS和CADD评分排序的前1000基因进行通路分析。FMD中KEGG和Reactome独有富集为离子转运和细胞外基质降解，GO显示极化细胞生长和ATP酶/转运体活性。SMD中KEGG独有富集免疫相关通路如人乳头瘤病毒感染和整合素信号，Reactome涉及免疫受体多样化，GO与纤毛组织和感觉感知相关。FMD和SMD共享细胞骨架组织和细胞外基质重塑通路。
讨论部分总结：研究人员提供MD分类器，利用罕见变异和外显子组数据揭示临床散发组中双等位杂合变异负荷，提示隐藏隐性遗传。既往研究未探索监督ML分析错义和同义变异交互。FMD和SMD均有错义和LoF变异负荷，但FMD更高，提示遗传结构不同。GB表现最佳，可将28% SMD重分类为FMD。该结果可能影响MD诊断和管理，使无家族史个体中遗传病例比例升至28%；结合听力损失基因治疗发展，高达38% MD患者可能受益于遗传诊断及未来基因治疗。消融分析表明BVIS贡献最强，CADD PHRED和GVBS贡献较小但不可忽略，PPIS边际效应最小，表型块部分冗余。BVIS计算同一基因中罕见变异（AF<0.01）所有成对组合，包括错义和同义变异。复合杂合隐性遗传常见于听力损失基因错义变异，OTOG在FMD中已有报道。研究人员假设同一基因中错义和同义变异可能具有加性功能后果。CADD评分在家族性和散发性间显著不同，是重要预测因子。BVIS识别基因中，359个基因重叠但贡献不同，约30% FMD基因可能受双等位遗传影响。通路富集与既往Fisch et al.、Parra-Perez et al.研究不同。80%罕见病估计由遗传因素引起，许多病因未知。该ML分类器可适用于其他具有家族性和散发性病例的遗传异质性罕见病。研究局限包括：未进行trio分相或分离分析，家族样指定未确认隐性遗传；MD外显子组数据限于欧洲人群；样本量需多中心联盟；分类器不能识别致病变异，仅用于家族性或散发性分类。
研究结论翻译：ML分类器使用的这些特征支持FMD和SMD具有不同的遗传结构，但也确认约300个基因存在重叠，且罕见变异密度不同。这些特征和模型架构显示了双等位基因杂合遗传在欧洲血统MD中的重要性。该ML分类器可应用于其他具有家族性和散发性病例的罕见疾病，以识别隐藏遗传模式。
