- 5 次围观
AlphaGenome（Google DeepMind）以单碱基分辨率对一个 DNA 变异在数千条功能轨道上进行评分，同时报告每种预测效应的幅度及其相对于全基因组背景的罕见性。然而，如此庞大的信息量本身就构成了生物学解释的障碍。本文提出 AlphaVaR，这是一个 R 软件包，它为 AlphaGenome 的输出赋予类型化结构，并提供解释这些结果所需的统计方法与可视化工具。其输出模式对于每个变异都是一致的，因此同样的检验方法可贯穿整个输出体系。AlphaVaR 提供带有多重检验校正和效应量的定位检验，一个用于衡量某种效应在所选变量的少数元素上集中程度的特异性指数，以及一种透明的优先级排序方法，能够依据可解释标准对候选项进行排序，并将每一项映射到目标基因。结果可进一步用于绘图库、可复现报告以及一个无需编程的 Shiny 应用程序。在 rs1427407——胎儿血红蛋白水平的主要常见变异——上的应用表明，AlphaVaR 重现了关于 BCL11A 红系增强子的既有生物学认识。可用性与实现：https://github.com/KarimMarhaba/AlphaVaR，基于 MIT 许可证发布，适用于 R［≥］4.2，文档见 https://karimmarhaba.github.io/AlphaVaR/。发布版本已存档于 Zenodo（doi:10.5281/zenodo.21939265）；本文分析所用的 AlphaGenome 评分作为独立数据集存档于 Zenodo（doi:10.5281/zenodo.21920988）；用于再现所有图表和文中报告数值的脚本均收录于代码仓库中（补充材料第 S5 节）。
AlphaGenome（Google DeepMind）以单碱基分辨率对数千条功能轨道上的 DNA 变异进行评分，同时报告每种预测效应的大小及其相对于全基因组背景的罕见性。而如此庞大的信息量本身就构成了生物学解释的障碍。本文提出 AlphaVaR——一个 R 软件包，它为 AlphaGenome 的输出赋予类型化结构，并配套提供解释这些结果所需的统计方法与可视化工具。其输出模式对每个变异都是一致的，因此同一套检验可在整个输出中通用。AlphaVaR 提供带有多重检验校正和效应量的定位检验，一个用于衡量某种效应在所选变量的少数元素上集中程度的特异性指数，以及一种透明的优先级排序方法，能够依据可解释标准对候选项进行排序并将每个候选项映射到目标基因。分析结果可进一步用于绘图库、可复现报告以及无需编程的 Shiny 应用程序。
当应用于 rs1427407——胎儿血红蛋白水平的主要常见变异时，AlphaVaR 成功重现了已确立的 BCL11A 红系增强子的相关生物学机制。可获取性与实现方式：AlphaVaR 托管于 https://github.com/KarimMarhaba/AlphaVaR，采用 MIT 许可证发布，适用于 R [≥] 4.2，文档见 https://karimmarhaba.github.io/AlphaVaR/。发布版本已归档于 Zenodo（doi:10.5281/zenodo.21939265）；本文分析所用的 AlphaGenome 评分作为独立数据集归档于 Zenodo（doi:10.5281/zenodo.21920988）；用于重现所有图形和文中报告数值的脚本均包含在代码库中（补充材料第 S5 节）。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.14.744948v1?rss=1
🏷️ 变异效应预测 统计解释 R软件包 多重检验校正 可视化分析 功能基因组学