编者荐语：

由AG代理基因赞助的CGM沙龙，此次为您带来多伦多大学吴颖洲博士的分享。

CGM将于北京时间 05 月 12 日 星期四 10AM举办在线沙龙活动。本期活动，我们邀请到吴颖洲博士来讲述"人类罕见错义变异的致病性预测"，敬请期待！

吴颖洲是生物计算机科学家以及创业人。拥有工程学 (上海交通大学) 以及生物计算机（多伦多大学）双学士学位，分子生物学硕士学位（多伦多大学）以及计算机博士学位（多伦多大学）。早年创办了面向酒店业的软件科技公司，旗舰产品拥有超过70%的上海高端市场，并成功打入美国市场。移民加拿大之后，在对新兴的人工智能和基因科技的浓厚科研兴趣和其未来巨大的商业潜能的驱动下回到多伦多大学学习，主攻的科研方向是使用机器学习建立模型来预测罕见基因突变导致人类疾病的概率，研究成果VARITY模型的预测性能比同类模型有显著提高，并近期在《美国人类遗传学》上发表。

精准医药的成功取决于我们评估罕见人类基因变异致病性的能力，其中包括重要的错义变异类别。训练准确的预测机器学习模型存在许多挑战，例如，如何在训练示例的变体集中找到数量，质量和偏差之间的平衡，以及如何避免可能导致预测循环性或偏差的特征。在这里，我们向您介绍VARITY，它有效地利用了具有不确定准确性和代表性的大型训练示例库。为了限制循环性和偏差，VARITY 排除了那些可能会泄漏变异致病性或变异所在基因信息的特征。对于每一个VARITY所做出的预测，我们都提供特征和特征组合对致病性预测做出的量化贡献。VARITY 优于所有纳入评估的预测模型，在实现高精度(90%)的阈值处，VARITY比其他预测模型多识别出至少10% 以上的致病变异。

关键词：Variant pathogenicity, Machine learning, Data quality and quantity

参考文献：

Wu, Y., Li, R., Sun, S., Weile, J., and Roth, F.P. (2021). Improved pathogenicity prediction for rare human missense variants. Am. J. Hum. Genet, 108, 1891–1906.