EBRU MARZİOĞLU ÖZDEMİR, OZKAN BAGCİ
Genel Tıp Dergisi - 2025;35(4):728-735
Özet: Arka Plan / Amaçlar: PAH genindeki patojenik varyasyonlar, monogenik bir metabolik bozukluk olan fenilketonüriye (PKU) neden olur. Aynı mutasyona sahip bireyler, durumun monogenik doğasına rağmen genellikle fenotipik değişkenlik gösterirler. Bu çalışmanın amacı, Random Forest (RF) makine öğrenimi algoritmasını kullanarak bir tahmin modeli oluşturmak ve PKU hastalarında poligenik risk skorları (PRS) ile fenotipik şiddet arasındaki ilişkiyi incelemektir. Metod Bu çalışmada, 174 PKU hastasından elde edilen klinik ekzom dizileme verileri retrospektif olarak moleküler doğrulama ile incelendi. Yaklaşık 18.000 yaygın varyant, bireysel düzeyde analiz için popülasyon frekansı ve kaliteye göre filtrelendikten sonra tüm uygun varyantlar (PAH mutasyonları hariç) PRS hesaplamak için kullanıldı ve modelleme için RF (1000 ağaç, maksimum derinlik = 5) kullanıldı. Hastaları hafif, orta ve şiddetli fenotiplere sınıflandırmak için uluslararası kriterler kullanıldı. Pearson korelasyon analizi ve ROC analizi, modelin performansını değerlendirmek için kullanıldı. Bulgular: RF tabanlı PRS modeli, fenotipik şiddetin tahmininde yüksek bir doğruluk oranına sahipti (AUC = 0.91, genel doğruluk = %84.3). PRS değerleri ile fenotipin şiddeti arasında anlamlı bir korelasyon vardı (r = 0.68, p < 0.001). Klinik fenotiplerin şiddetli olanları, daha yüksek bir PRS’ye sahip hastalarda daha yaygındı. Fenilalanin metabolizması ile ilişkili genlerdeki varyantlar (örneğin, GCH1, QDPR, PTS), özelliklerin önem analizi sonuçlarına göre risk tahminine en önemli katkıda bulunanlardı. Sonuçlar: Sonuçlar, PRS modellemesinin makine öğrenimi ile birleştirilmesinin, PKU gibi monogenik bozukluklarda fenotiplerin şiddetini tahmin etmek için yararlı bir yöntem olabileceğini göstermektedir. Bu bütünleştirici yaklaşım, çok genli bir arka planın düzenleyici etkisini vurgular ve PRS’nin klinik risk değerlendirmesi ve kişiselleştirilmiş tedavi planlarını destekleyebileceğini öne sürer. Ancak, klinik uygulamadan önce, çeşitli popülasyonlarda doğrulamak çok önemlidir.
