犹他大学（University of Utah）开发的一种计算工具已经成功地在三个不同的病例中识别出了未知基因突变的疾病, 犹他大学的研究人员和他们的同事在一项新的研究中报告 美国人类遗传学杂志. 该软件, Phevor（表型驱动变异本体重新排序工具）, 通过分析外显子组来识别未诊断的疾病和未知的基因突变, 或者是DNA中产生基因编码蛋白质的区域, 在个别病人和小家庭中.
对个人或小家庭的基因组进行测序，往往会对导致疾病的突变做出错误的预测. 但是这项研究, 这项研究是由美国犹他大学新成立的基因发现中心进行的, 表明Phevor的独特方法使其能够比其他计算工具更精确地识别致病基因.
马克·杨德尔博士.D.人类遗传学教授，领导了这项研究. 与他一起参与研究的还有马丁·里斯博士.D.他是Omicia Inc .的首席执行官.他来自加州奥克兰（Oakland）.基因组解读软件公司的Stephen L. Guthery, M.D., 儿科教授，他在诊所见过两个这样的病例, 他是休斯顿MD安德森癌症中心的同事, 以及其他大学的研究人员. 马克V. 辛格尔顿是杨德尔实验室的博士生，是第一作者.
Phevor代表了个性化医疗保健的重大进步. Jorde, Ph值.D.他是纽约大学的教授，也是该协会的主席 人类遗传学 也是这项研究的合著者. 随着基因组测序成本的持续下降, Jorde希望它能在几年内成为标准化医疗保健的一部分, 使临床医生更容易获得Phevor等诊断工具.
“Phevor, 只要有了DNA序列，临床医生就能识别罕见的、未确诊的疾病和致病突变,约德说。. “在某些情况下，他们可以在自己的办公室里做出诊断.”
Phevor的工作原理是使用一种算法，将与疾病有关的基因突变概率与表型数据库结合起来, 或者疾病的身体表现, 以及基因功能的信息. 通过结合这些因素, Phevor识别一种未确诊的疾病或最有可能引起疾病的候选基因突变. 当临床医生想要确定涉及单个患者或患者和其他两个或三个家庭成员的疾病或基因突变时，它特别有用, 未确诊疾病最常见的临床情况是什么.
扬德尔, 软件的主要开发人员, 将Phevor描述为数学在生物学上的应用. “Phevor是一种试图充分利用儿童基因组来识别疾病或发现致病基因突变的方法,杨德尔说.
发表的研究引用了一个6个月大的婴儿的病例，他似乎患有肝脏问题, 但孩子的医疗服务人员无法准确诊断出哪里出了问题. Phevor通过确定这种疾病并找到导致这种疾病的未知基因突变，解开了这个谜团. 在另外两个案例中, Phevor通过筛选两名年轻患者和两到三名家庭成员的基因组测序部分，以同样的方式确定了与免疫缺陷疾病和自身免疫紊乱相关的未知基因突变.
在一个案例中, 扬德尔和同事使用了Phevor和另一种计算工具, 变体注释, 分析, 搜索工具), 寻找在一个家庭四名成员中的三名中发现的免疫缺陷综合症的可能突变. 每个家庭成员都被抽血, 再加上一个与母亲和家里的两个孩子表现出相同症状的非亲属, 用于DNA测序.
VAAST, 也是在扬德尔的实验室开发的, 发现了一些可能导致这种综合症的突变, 但无法确定某个候选基因是致病基因. 但是使用VAAST的结果, 与Phevor结合使用, 扬德尔和他的同事们发现了一个最有可能导致这种综合症的基因. 后续研究证实了Phevor的预测结果.
在一个类似的案例中，一个12岁的孩子的外显子组测序没有任何家庭数据, Phevor在分析VAAST的基础上确定了导致该疾病的基因突变, 另一种自身免疫性综合症. 在这种情况下，Phevor只需要患者的外显子组来识别综合征.
这项研究发表在2014年4月3日的AJHG网络版上.
听Mark 扬德尔讨论他的工作, 点击这个链接到The Scope, 犹他大学健康科学电台： 用计算机逻辑诊断罕见病.