কিডনি রোগের দ্বিতীয় অংশ জেনেটিক্স: বিরল ব্যাধিগুলির অপ্রত্যাশিত ভূমিকা

নতুন অ্যাসোসিয়েশন শনাক্ত করার জন্য আবেদন

নতুন জিন-রোগ সমিতিগুলি সন্ধান করা গুরুত্বপূর্ণ কারণ তারা ডায়াগনস্টিক মূল্যায়ন এবং রোগীর যত্ন উন্নত করতে পারে। অভিনব জিন সনাক্তকরণ অভিনব থেরাপির বিকাশের চূড়ান্ত লক্ষ্যের সাথে কিডনির গঠন এবং শারীরবিদ্যা সম্পর্কে আরও সঠিক ধারণা প্রদান করতে পারে। যাইহোক, জেনেটিক কিডনি রোগের বিতরণে দীর্ঘ লেজ (চিত্র 2) নির্দেশ করে যে নতুন মনোজেনিক কিডনি রোগের আবিষ্কারের জন্য বিরল ব্যাধিযুক্ত রোগীদের সমগোত্রের অ্যাক্সেসের প্রয়োজন হবে, বা বিরল উপসেটগুলি সনাক্ত করতে বড় আকারের ফেনোটাইপিংয়ের জন্য অভিনব পদ্ধতির প্রয়োজন হবে।

1. পরিবার-ভিত্তিক অধ্যয়ন

কিডনি রোগের জিনগত কারণের অস্তিত্ব এবং উত্তরাধিকারের ধরণ সম্পর্কে প্রাথমিক জ্ঞান থাকা সত্ত্বেও, 1990 এর দশক পর্যন্ত, যখন জিনোমের প্রথম মানচিত্র পাওয়া যায় তখন নির্দিষ্ট অবস্থার সাথে সম্পর্কিত জিনগুলির সনাক্তকরণ ঘটেনি। লিঙ্কেজ বিশ্লেষণ এবং হোমোজাইগোসিটি ম্যাপিং ক্লাসিক মেন্ডেলিয়ান ডিসঅর্ডার অন্তর্নিহিত জিনের অবস্থানগত ক্লোনিং সক্ষম করেছে (45, 46)। সংজ্ঞায়িত আণবিক কারণ সহ প্রথম জেনেটিক কিডনি রোগগুলির মধ্যে একটি ছিল আলপোর্ট সিন্ড্রোম। COL43, COL4A4 এবং COL4A5-এর ক্লোনিং, গ্লোমেরুলার বেসমেন্ট মেমব্রেনে প্রকাশিত টাইপ IV কোলাজেন জিন, আলপোর্ট সিন্ড্রোমের এক্স-লিঙ্কড এবং অটোসোমাল ফর্মগুলির বৈকল্পিক সনাক্তকরণের দিকে পরিচালিত করে (47, 48)। সাম্প্রতিক বছরগুলিতে, এই জিনের বৈচিত্রগুলি কিডনির কার্যকারিতা বজায় রাখার ক্ষেত্রে গ্লোমেরুলার বেসমেন্ট মেমব্রেনের টাইপ IV কোলাজেন উপাদানের গুরুত্ব তুলে ধরে কিডনি রোগের বিভিন্ন ধরণের অবদান রাখতে দেখা গেছে (15, 28-30, 47, 48)।

জানতে এখানে ক্লিক করুনCistanche সুবিধা কি

একইভাবে, জিন ম্যাপিং প্রচেষ্টা ADPKD-এর জন্য প্রথম জিনের সনাক্তকরণের দিকে পরিচালিত করে, যা PKD1 (49) এর বৈকল্পিকগুলির কারণে হয়েছিল। এই আবিষ্কারটি একটি পরিবারের উপর নির্ভর করে যেটি ক্রোমোজোম 22-এর একটি অস্বাভাবিক এবং বিরল স্থানান্তর ক্রোমোজোম 16-এ বহন করে, যার ফলে পরিবারের মধ্যে বিচ্ছিন্ন হওয়া PKD1-এর ব্যাঘাত ঘটে। তদন্তকারীরা তারপরে অত্যন্ত অনুরূপ ক্লিনিকাল উপস্থাপনা সহ অন্যান্য ব্যক্তিদের স্ক্রীনিং করে এবং PKD1-তে ভেরিয়েন্টের সাথে আরও তিনটি প্রোব্যান্ড শনাক্ত করে, যার মধ্যে দুটি বিরল স্ট্রাকচারাল ভেরিয়েন্ট এবং একটি প্রাইভেট ক্যানোনিকাল স্প্লাইস সাইট ভেরিয়েন্ট একটি ইন-ফ্রেম মুছে ফেলার কারণ যা একটি বৃহৎ পরিবারের তিন প্রজন্মের মধ্যে বিচ্ছিন্ন হয়। ADPKD-এর দ্বিতীয় প্রধান জিন হিসাবে PKD2-এর অবস্থানগত ক্লোনিং-এর পরে, বহু বছর ধরে কোনও অতিরিক্ত জিন আবিষ্কার হয়নি (50)। সম্প্রতি, PKD1/PKD2-নেতিবাচক কেসগুলির ES অন্যান্য জিনগুলিকে শনাক্ত করেছে যেগুলি প্রতিটি অবশিষ্ট কেসের একটি ছোট ভগ্নাংশের জন্য দায়ী (51)৷

Another example of the utility of identifying a rare variant in a large family is the discovery of TRPC6 as a cause of autosomal dominant focal segmental glomerulosclerosis (FSGS) (52). A novel missense variant c.335C>A, p.P112Q, হ্যাপ্লোটাইপ বিশ্লেষণের পরে একটি বৃহৎ পরিবারে ন্যূনতম প্রার্থী অঞ্চল চিহ্নিত করার পরে সরাসরি সিকোয়েন্সিংয়ের মাধ্যমে সনাক্ত করা হয়েছিল এবং 21 জন ব্যক্তির মাধ্যমে রোগের সাথে নিখুঁত বিচ্ছিন্নতা দেখানো হয়েছিল। তদন্তকারীরা তারপরে TRPC6 চ্যানেল ফাংশনে কার্যকরী পার্থক্য প্রদর্শন করেছে যা ভুল ধারণার পরিবর্তন দ্বারা প্ররোচিত হয়েছে, একটি লাভ-অফ-ফাংশন প্রক্রিয়ার পরামর্শ দিয়েছে। তারপর থেকে, TRPC6 সাধারণত FSGS-এর বিক্ষিপ্ত এবং পারিবারিক ক্ষেত্রে জড়িত। যাইহোক, FSGS অত্যন্ত ভিন্নধর্মী প্রমাণিত হয়েছে, আজ পর্যন্ত 30টিরও বেশি জিন আবিষ্কৃত হয়েছে (53)।

অন্যান্য অনেক গবেষণায় নেফ্রোনোফথিসিস বা নেফ্রোটিক সিন্ড্রোমের মতো বিরল রোগের ধরনগুলি সনাক্ত করতে সংগত পরিবারগুলিতে হোমোজাইগোসিটি ম্যাপিং ব্যবহার করা হয়েছে। এই পদ্ধতিটি খুব উচ্চ জেনেটিক ভিন্নতা থাকা সত্ত্বেও নেফ্রোনোফথিসিসের জন্য একাধিক জিনের সনাক্তকরণের দিকে পরিচালিত করেছে, প্রাথমিক সিলিয়া এবং প্যাথোজেনেসিসের সেন্ট্রোসোমে ত্রুটিগুলিকে জড়িত করে (54, 55)।

Cistanche সম্পূরক

পরিবার-ভিত্তিক অধ্যয়নের চ্যালেঞ্জগুলির মধ্যে একটি হল বৃহৎ পরিবারের জন্য প্রয়োজনীয়তা যেখানে একাধিক আক্রান্ত সদস্য জীবিত এবং ফেনোটাইপিং এবং জেনেটিক পরীক্ষার জন্য উপলব্ধ। তদন্তকারীরা মোনোজেনিক ডিসঅর্ডারগুলিকে আলাদা করা বেশিরভাগ বড় পরিবারের জন্য রোগের আণবিক ভিত্তি চিহ্নিত করেছেন, এবং বেশিরভাগ অমীমাংসিত ক্ষেত্রে অল্প কিছু প্রভাবিত ব্যক্তি বা অবিবাহিত পিতামাতার সাথে একক পরিবারকে জড়িত করে, জিন সনাক্তকরণকে জটিল করে তোলে। যেহেতু একটি জিন এবং রোগের মধ্যে একটি কার্যকারণ লিঙ্কের প্রদর্শনের জন্য স্বাধীন বৈকল্পিক সনাক্তকরণ প্রয়োজন, তাই অন্যান্য পদ্ধতির বিকাশ করা হয়েছে। একাধিক প্রভাবিত ব্যক্তি সহ পরিবারের উপর ভিত্তি করে জিন ম্যাপিংয়ের বিকল্প হিসাবে, একজন আক্রান্ত শিশুর (56) সাথে অবিকৃত পিতামাতার ত্রয়ীতে ডি নভো ভ্যারিয়েন্ট অনুসন্ধান করতে পারেন। এই পদ্ধতিটি প্রজননগত ফিটনেসকে প্রভাবিত করে এমন বড় প্রভাবগুলির সাথে বৈকল্পিক সনাক্ত করতে সক্ষম করে এবং সাধারণত উন্নয়নমূলক ব্যাধিগুলি অধ্যয়নের জন্য উপযুক্ত। মানব জিনোমের কোডিং অঞ্চলে তুলনামূলকভাবে কম মিউটেশন হারের উপর ভিত্তি করে, একই জিন এবং পথের কোডিং অঞ্চলে পুনরাবৃত্ত ডি নভো ভ্যারিয়েন্টগুলি রোগ সৃষ্টিকারী হতে পারে। এই অধ্যয়নের নকশাটি অনেক নিউরোসাইকিয়াট্রিক ডিসঅর্ডার, বুদ্ধিবৃত্তিক অক্ষমতা এবং জন্মগত হৃদরোগের জন্য জিন সনাক্তকরণের দিকে পরিচালিত করেছে কিন্তু কিডনি বিকাশজনিত ব্যাধিগুলি অধ্যয়নের জন্য পদ্ধতিগতভাবে নেওয়া হয়নি (57-61)।

উল্লেখযোগ্য জিনগত বৈচিত্র্যের কারণে, জিন আবিষ্কারের প্রচেষ্টা প্রায়ই প্রার্থী জিনে ইঙ্গিতপূর্ণ সংকেত দেয় যা স্বাধীন মিউটেশন সনাক্তকরণের মাধ্যমে নিশ্চিতকরণের প্রয়োজন হয়। ম্যাচমেকার এক্সচেঞ্জের মতো সরঞ্জামগুলি নতুন জিন-রোগ অ্যাসোসিয়েশন নিশ্চিত করতে অনুরূপ ফেনোটাইপযুক্ত পৃথক ব্যক্তির ডেটার সাথে বিভিন্ন কেন্দ্রকে সংযুক্ত করতে সফল হয়েছে এবং সম্ভবত ভবিষ্যতে প্রভাব বাড়তে থাকবে (62)। এই ম্যাচমেকিং পরিষেবাগুলি ব্যাপক ক্লিনিকাল তথ্য সংগ্রহের জন্য গবেষকদের উপর নির্ভর করে, কারণ সিকোয়েন্সিংয়ের দিকে পরিচালিত ইঙ্গিতগুলি সাধারণত গবেষকের আগ্রহের দ্বারা পক্ষপাতদুষ্ট হয়। প্রায়শই, অতিরিক্ত রেনাল প্রকাশগুলি সিন্ড্রোমিক কেসগুলিকে লিঙ্ক করার জন্য গুরুত্বপূর্ণ যা গবেষকদের নিশ্চিতকরণ পক্ষপাতের কারণে অচেনা যেতে পারে (63, 64)।

2. কেস-কন্ট্রোল স্টাডিজ

নতুন জিন-ডিজিজ অ্যাসোসিয়েশন সনাক্তকরণের ক্ষেত্রে প্রয়োগ করা আরেকটি পন্থা নির্ভর করে একটি সেট থেকে জেনেটিক ডেটা তুলনা করার উপর, প্রায়শই একটি নির্দিষ্ট ক্লিনিকাল ফেনোটাইপ দ্বারা সংজ্ঞায়িত করা হয়, নিয়ন্ত্রণের একটি সেটের সাথে। এই অধ্যয়নগুলি রোগের সাথে জড়িত বৈকল্পিকগুলি ক্যাপচার করার জন্য অনুযোগ বা ব্যাপকভাবে সমান্তরাল সিকোয়েন্সিং সহ মাইক্রোয়ারে ডেটা ব্যবহার করতে পারে। যেহেতু মেন্ডেলিয়ান কিডনি রোগের সাথে জড়িত বেশিরভাগ রূপগুলি খুব বিরল বা ব্যক্তিগত, তাই একক-ভেরিয়েন্ট অ্যাসোসিয়েশন অধ্যয়নগুলি কম ক্ষমতাসম্পন্ন। তাই, ভেরিয়েন্টগুলি প্রায়শই জিন দ্বারা একত্রিত বা ভেঙে পড়ে, বা একটি জিন সেটের মধ্যে যা একটি ভাগ করা পথ বা নেটওয়ার্কের মধ্যে জিন ধারণ করে (65)। এমএএফ কাট-অফের উপর ভিত্তি করে এবং সিলিকো টুলে সবচেয়ে ক্ষতিকারক বলে ভবিষ্যদ্বাণী করা ভেরিয়েন্টগুলিকে বেছে নেওয়ার জন্য বৈকল্পিকগুলি সাধারণত ফিল্টার এবং স্তরিত করা হয়। অনুশীলনে, একাধিক হাইপোথিসিস পরীক্ষার জন্য পরবর্তী সংশোধনের সাথে বিভিন্ন মডেল পরীক্ষা করা হয়।

Cistanche নির্যাস

নেফ্রোলজি ক্ষেত্রে, বিরল ব্যাধিগুলির জন্য কয়েকটি জিন-ভিত্তিক পতনের বিশ্লেষণ করা হয়েছে। একটি গবেষণায় রেনাল হিপ ডিসপ্লাসিয়া দ্বারা প্রভাবিত 195 টি ক্ষেত্রে থেকে 6,905টি অপ্রভাবিত নিয়ন্ত্রণের (66) সাথে ES ডেটা তুলনা করা হয়েছে। তারা প্রাইভেট প্রোটিন ছেঁটে ফেলার দ্বারা চালিত GREB1L-এ একটি ইঙ্গিতপূর্ণ সংকেত শনাক্ত করেছে এবং ক্ষতিকারক ভুল ভেরিয়েন্টের ভবিষ্যদ্বাণী করেছে (p=4.1 × 10^–6) পরিসংখ্যানগত শক্তির উন্নতির জন্য পারিবারিক পৃথকীকরণ ডেটা একীভূত করার পরে, তারা এক্সোম-ওয়াইড তাত্পর্য প্রদর্শন করেছে (p=2.3 × 10^–7) রেনাল হিপ ডিসপ্লাসিয়ার জন্য একটি সংবেদনশীলতা জিন হিসাবে GREB1L এর অবস্থা এবং কিডনি মরফোজেনেসিসে এর ভূমিকা তারপর একটি জেব্রাফিশ মডেল ব্যবহার করে বৈধ করা হয়েছিল।

যাইহোক, বেশিরভাগ ক্ষেত্রে-নিয়ন্ত্রণ অধ্যয়ন জিন-স্তরের ধসে পড়া বিশ্লেষণ ব্যবহার করে নতুন কিডনি রোগের জিন সনাক্ত করতে পারেনি। এই পদ্ধতির প্রধান সীমাবদ্ধতা কিডনি রোগের উচ্চ জেনেটিক ভিন্নতা বলে মনে হয়। যখন বিভিন্ন ক্লিনিকাল উপস্থাপনা সহ রোগীদের একটি বড় দল একত্রিত হয়, তখন শুধুমাত্র পরিচিত জিনগুলি যেগুলি আরও সাধারণ মনোজেনিক রোগে অবদান রাখে তা পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ (67)। যখন শুধুমাত্র একটি নির্দিষ্ট উপস্থাপনা সহ ব্যক্তিদের অন্তর্ভুক্ত করা হয়, তখন মামলার সংখ্যা যথেষ্ট নয় (68)। অতিরিক্তভাবে, এই বিশ্লেষণগুলির জন্য কঠোর বৈকল্পিক ফিল্টারিং প্রয়োজন কারণ নিয়ন্ত্রণ জনসংখ্যার 1-5 শতাংশ কিডনি রোগ-সম্পর্কিত জিনে (19, 68) পূর্বাভাসিত ক্ষতিকারক রূপগুলি বহন করতে পারে।

3. বড় ডেটা সেটের ইন্টিগ্রেশন

উপরে বর্ণিত পন্থাগুলি গবেষণার উদ্দেশ্যে সংগৃহীত দলগুলির উপর দৃষ্টি নিবদ্ধ করেছে যেগুলির আকার একক পরিবার থেকে কয়েক হাজার ব্যক্তি পর্যন্ত। বায়োমেডিকাল ডাটাবেস তৈরি করার জন্য একাধিক প্রচেষ্টা চলছে যা জেনেটিক সিকোয়েন্সিং ডেটাকে কয়েক হাজার থেকে লক্ষ লক্ষ ব্যক্তি যেমন ইউকে বায়োব্যাঙ্ক (ইউকেবি), অল অফ আস, মিলিয়ন ভেটেরান প্রোগ্রাম এবং গেইসিঞ্জার হেলথ সিস্টেমের ডিসকোভইএইচআর-এর মতো অংশগ্রহণকারীদের ডেটার সাথে লিঙ্ক করে। এই বৃহৎ ডেটা সেটগুলি অনেকগুলি বিভিন্ন জেনেটিক এবং ফিনোটাইপিক বৈশিষ্ট্যগুলিকে একই সাথে বৃহৎ স্কেলে মূল্যায়ন করার অনুমতি দেয় সংকেতগুলি আবিষ্কার করতে যা ছোট নমুনা আকারের সাথে সম্ভব হবে না। এই বৃহৎ বায়োব্যাঙ্কগুলির ফলাফলগুলি প্রকাশিত হতে শুরু করেছে, এবং সবচেয়ে আকর্ষণীয় ডেটা সেটগুলির মধ্যে একটি হল 281,104টি ES ফলাফল ইন্টারন্যাশনাল ক্লাসিফিকেশন অফ ডিজিজেস (ICD-10)-ভিত্তিক ফেনোটাইপিং এবং ইউকেবি (69) এর ল্যাব ডেটার সাথে একীভূত। এই সমীক্ষাটি সম্পূরক উপকরণগুলির মধ্যে উপলব্ধ প্রচুর পরিমাণে ডেটা সহ সম্পাদিত সমগোত্রের একটি উচ্চ-স্তরের ওভারভিউ এবং বিশ্লেষণ উপস্থাপন করেছে, যা আমরা কিডনি রোগের গুরুত্বের ফলাফলগুলি সনাক্ত করতে পার্স করেছি। একটি সম্পর্কিত পদ্ধতি হল বিশেষ জনসংখ্যার অধ্যয়ন করা যার গঠন তাদের জিন আবিষ্কারের জন্য আরও সুবিধাজনক করে তোলে। উদাহরণ স্বরূপ, পাকিস্তানি জিনোমিক রিসোর্সের লক্ষ্য পাকিস্তানি জনসংখ্যার সাধারণ রোগগুলি চিহ্নিত করা, যেগুলির মিলনের হার বেশি (70)৷ যেহেতু মিলিত মিলনের ফলে সন্তানসন্ততি সমজাতীয় ক্ষতি-অফ-ফাংশন মিউটেশন বহন করার সম্ভাবনা বেশি, এই জনসংখ্যার বিশ্লেষণ মানুষের মধ্যে নাল অ্যালিলের ফিনোটাইপিক পরিণতির আরও ভাল মূল্যায়ন করতে সক্ষম করে এবং নতুন জিন আবিষ্কারের সুবিধা দেয়। অবশেষে, একাধিক বৃহৎ ডেটা সেট একত্রিত করা প্রতিরক্ষামূলক সংকেত সনাক্তকরণ সক্ষম করতে পারে। উদাহরণ স্বরূপ, বৃহৎ সমগোত্রের বিশ্লেষণ লস-অফ-ফাংশন মিউটেশন সনাক্ত করতে সক্ষম করেছে যা দীর্ঘস্থায়ী লিভার ডিজিজ এবং এথেরোস্ক্লেরোটিক কার্ডিওভাসকুলার রোগের জন্য সুরক্ষা প্রদান করে যা ড্রাগ থেরাপির সুযোগের পরামর্শ দেয় (71-73)।

Cistanche বড়ি

4. ইউকে বায়োব্যাঙ্কে এক্সোম সিকোয়েন্সিং

ইউকেবি-এর এক্সোম-ওয়াইড অ্যাসোসিয়েশন স্টাডি (এক্সডব্লিউএএস) ES ডেটা থেকে 2,108,983টি সাধারণ এবং বিরল রূপগুলি ব্যবহার করে 17,361টি বাইনারি এবং 1,419 পরিমাণগত বৈশিষ্ট্যগুলিকে মূল্যায়ন করার জন্য সম্পাদিত হয়েছিল, যার মধ্যে কিডনি রোগ-সম্পর্কিত ফলাফলগুলি অ্যাকিউট কিডনি, কেডিকেডনি এবং ট্রান্সজ্যুট, , সেইসাথে কিডনি-প্রাসঙ্গিক বায়োমার্কার ক্রিয়েটিনিন এবং সিস্টাটিন সি স্তর (69)। AKI, CKD, কিডনি প্রতিস্থাপন এবং কিডনির ক্যালকুলির বাইনারি বৈশিষ্ট্যের মধ্যে, 78টি উল্লেখযোগ্য বৈকল্পিক-ফেনোটাইপ জোড়া চিহ্নিত করা হয়েছে, তিনটি জিনে 11টি বৈচিত্র দ্বারা চালিত। এই রূপগুলির মধ্যে পাঁচটি বিরল এবং উল্লেখযোগ্য সংকেতের 42 (53 শতাংশ) জন্য দায়ী৷ সাধারণ বৈকল্পিক ফলাফলগুলি পূর্ববর্তী GWAS-এর সাথে সারিবদ্ধ, যেখানে প্রধানত ছোট প্রতিরক্ষামূলক এবং ক্ষতিকারক প্রভাবগুলির সাথে সমার্থক রূপগুলি চিহ্নিত করা হয়েছিল। বিরল রূপগুলি বেশ ভিন্ন, কারণ এগুলি সবই বড় ক্ষতিকারক প্রভাবগুলির সমার্থক। বিরল রূপগুলির প্রভাবের আকার 9-5073770-JAK2-তে GT-এর সাথে যুক্ত AKI-এর জন্য 9-এর বিজোড় অনুপাত থেকে শুরু করে UMOD-এ 16–20349020-CA-C-এর সাথে যুক্ত CKD স্টেজ G5-এর জন্য 2,358 পর্যন্ত। যদিও এটি অনুমান করা হয়েছে যে মেন্ডেলিয়ান কিডনি রোগের সাথে যুক্ত জিনের সাধারণ রূপগুলি CKD-এর সাধারণ ফর্মগুলির সাথে যুক্ত হতে পারে, সেখানে কোনও উল্লেখযোগ্য ExWAS সংকেত ছিল না। আইসিডি কোড-ভিত্তিক ফেনোটাইপিংয়ের ব্যবহার ফেনোটাইপিক গ্রানুলারিটি সীমাবদ্ধ করে এবং ভাগ করা জেনেটিক ইটিওলজিগুলির সাথে একটি অভিন্ন কেস কোহর্ট সনাক্ত করার ক্ষমতা সীমিত করতে পারে। এটি একটি সাম্প্রতিক GWAS দ্বারা সমর্থিত যা UKB থেকে অভিযুক্ত মাইক্রোয়ারে ডেটা ব্যবহার করে গ্লোমেরুলার হেমাটুরিয়ার সাথে জেনেটিক অ্যাসোসিয়েশনের জন্য মূল্যায়ন করার জন্য আরও নির্দিষ্ট কেস নির্বাচন পদ্ধতি ব্যবহার করেছে এবং পরিচিত COL4A3 এবং COL4A4 জিনে দুটি উল্লেখযোগ্য বিরল বৈকল্পিক সংকেত চিহ্নিত করেছে (74-76)।

একই ডেটা সেটটি 12টি স্বতন্ত্র বৈকল্পিক নির্বাচন মডেলের অধীনে 18,762টি জিন এবং 18,780টি ফিনোটাইপ জুড়ে বৈকল্পিক সমৃদ্ধকরণের মূল্যায়ন করার জন্য একটি জিন-ভিত্তিক ভেঙে পড়া বিশ্লেষণ করতে ব্যবহৃত হয়েছিল। এটি দুটি পরিচিত জিন, PKD1 এবং PKD2 সহ কিডনি রোগের ফিনোটাইপের সাথে সংশ্লিষ্ট চারটি জিন সনাক্ত করেছে। এছাড়াও, কিডনি রোগ এবং অন্য দুটি পরিচিত জিনের মধ্যে সম্ভাব্য অভিনব সংস্থাগুলি চিহ্নিত করা হয়েছিল, তবে উত্তরাধিকারের একটি ভিন্ন পদ্ধতির অধীনে: IFT140 এবং UMOD। সিস্টিক কিডনি রোগে আক্রান্ত 521 জন, পলিসিস্টিক কিডনি রোগে 326 জন এবং গ্লোমেরুলোনফ্রাইটিস সহ 1,695 জন ব্যক্তির অন্তর্ভুক্ত হওয়া সত্ত্বেও, মেন্ডেলিয়ান কিডনি রোগের সাথে সম্পর্কিত কোনও অভিনব জিন উন্মোচিত হয়নি।

সবচেয়ে তাৎপর্যপূর্ণ সম্পর্কযুক্ত জিন এবং সবচেয়ে শক্তিশালী সমৃদ্ধি হল PKD1, যা পলিসিস্টিক কিডনি রোগ, CKD, কিডনি ব্যর্থতা, এবং কিডনি প্রতিস্থাপনকে ক্যাপচারকারী ফেনোটাইপ জুড়ে বিরল এবং অতি বিরল প্রোটিন ছেঁটে ফেলার পাশাপাশি সমার্থক রূপের সমৃদ্ধি প্রদর্শন করেছে। একটি ফেনোটাইপ হিসাবে কিডনি ব্যর্থতার দিকে তাকানোর সময়, প্রোটিন-কাঁটা বৈকল্পিকগুলি সবচেয়ে বড় প্রভাবের আকারের সাথে যুক্ত থাকে [অডডস রেশিও (OR)=328, p=1.01 × 10−31], যখন বিরল সমার্থক রূপগুলি ক্ষুদ্রতম প্রভাব আকারের সাথে যুক্ত (বা=3.2-5.8)। সমার্থক ভেরিয়েন্টের মধ্যে, আল্ট্রারেয়ার ভ্যারিয়েন্টের বিরল ভ্যারিয়েন্টের চেয়ে বড় প্রভাবের আকার (অথবা=32–54) থাকে, ছোট প্রভাবের আকারের আরও সাধারণ রূপের দৃষ্টান্তের সাথে সামঞ্জস্য রেখে (চিত্র 3)।

উপরন্তু, TET2 জিনের মধ্যে বিরল প্রোটিন-কাঁটা সোম্যাটিক ভেরিয়েন্ট এবং ASXL1-এ সাধারণ প্রোটিন-ট্রাঙ্কেটিং সোম্যাটিক ভেরিয়েন্টগুলি কোভেরিয়েট হিসাবে বয়স অন্তর্ভুক্ত করা সত্ত্বেও CKD-এর ক্ষেত্রে সমৃদ্ধ হতে দেখা গেছে। TET2 এবং ASXL1-এর সোম্যাটিক ভেরিয়েন্টগুলি CHIP-এর ব্যক্তিদের মধ্যে সাধারণ ড্রাইভারের বৈকল্পিক, এবং এই UKB কোহর্টে দেখা সম্পর্কিত প্রভাবের আকারটি CKD-এর সাথে অন্যান্য কোহর্টে দেখা যায় এমনই ছিল, যা পরামর্শ দেয় যে এই অনুসন্ধানটি সম্ভবত CHIP সহ অচেনা ব্যক্তিদের দ্বারা চালিত হয়েছে (বা=3–5) (17)।

5. ফেনোম-ওয়াইড অ্যাসোসিয়েশন স্টাডি এবং ইলেকট্রনিক ফেনোটাইপিং

বৃহৎ বায়োব্যাঙ্ক ডেটা সেটগুলি একই সাথে অনেকগুলি ফিনোটাইপ জুড়ে একটি ফেনোম-ওয়াইড অ্যাসোসিয়েশন স্টাডি (PheWAS) পরিচালনার জন্য একটি জিনোটাইপ-টু-ফেনোটাইপ পদ্ধতিতেও ব্যবহার করা যেতে পারে, সংশ্লিষ্ট ফেনোটাইপগুলি সনাক্ত করতে পৃথক বৈকল্পিক বা জিন-ভিত্তিক সমষ্টিগত বৈকল্পিক গণনাগুলি মূল্যায়ন করে। PheWAS পদ্ধতিগুলি এমন রোগীদের সনাক্ত করতে পারে যারা রোগের ক্লিনিকাল নির্ণয় বহন করতে পারে না কিন্তু তাদের ক্লিনিকাল রেকর্ডের মধ্যে প্রকাশের প্রমাণ রয়েছে এবং এটি প্লিওট্রপি প্রদর্শনকারী জিনগুলির জন্য কার্যকর হতে পারে। PheWAS পেন মেডিসিন বায়োব্যাঙ্কে প্রয়োগ করা হয়েছিল LMNA-তে ভেরিয়েন্টের সাথে সম্পর্কিত ফিনোটাইপগুলি মূল্যায়ন করার জন্য, একটি জিন যা ফেনোটাইপিক ভিন্নতা (77) এর কারণে নির্বাচিত হয়েছিল। LMNA-তে একটি বিরল যোগ্যতার বৈকল্পিক সহ 68 জন ব্যক্তির মধ্যে, শুধুমাত্র 10 (15 শতাংশ) ল্যামিনোপ্যাথি সম্পর্কে উদ্বেগের কারণে জেনেটিক পরীক্ষার মধ্য দিয়েছিলেন, পরামর্শ দেয় যে বেশিরভাগ ক্ষেত্রে স্ট্যান্ডার্ড ক্লিনিকাল মূল্যায়ন দ্বারা চিহ্নিত করা হয়নি। প্রত্যাশিত হিসাবে, কার্ডিওমায়োপ্যাথি এবং অন্যান্য কার্ডিয়াক ফেনোটাইপ যেমন অ্যাট্রিয়াল ফাইব্রিলেশন, হার্ট ফেইলিওর এবং কার্ডিয়াক ট্রান্সপ্লান্টের সাথে LMNA ভেরিয়েন্টগুলিকে যুক্ত করে একটি উল্লেখযোগ্য সংকেত চিহ্নিত করা হয়েছিল। উপরন্তু, LMNA এবং CKD স্টেজ G3-এর ভেরিয়েন্টের মধ্যে একটি উল্লেখযোগ্য সম্পর্ক পরিলক্ষিত হয়েছে, যা আনুমানিক গ্লোমেরুলার পরিস্রাবণ হার 60 mL/min/1.73 m2 এর কম বা সমান হিসাবে সংজ্ঞায়িত করা হয়েছে (বা=4.91, p {{15}) }}.13 × 10−6), যা কার্ডিওমায়োপ্যাথির শীর্ষ ফেনোটাইপিক সিগন্যালে কন্ডিশনার করার জন্য তুলনামূলকভাবে শক্তিশালী ছিল (p=1.33 × 10−3), এটি পরামর্শ দেয় যে এটি অন্তর্নিহিত কার্ডিয়াক রোগের কারণে নাও হতে পারে। যদিও প্রোটিনিউরিক কিডনি রোগের রিপোর্ট পাওয়া গেছে, বিশেষত FSGS, সাহিত্যে LMNA রূপের কারণে অর্জিত আংশিক লাইপোডিস্ট্রফির সাথে যুক্ত, এই PheWAS ফলাফলগুলি একটি কম নির্ণয় করা কিডনি ফেনোটাইপকে সমর্থন করে এবং নতুন জিন-রোগ মূল্যায়নে PheWAS-এর উপযোগিতা প্রদর্শন করে 80)। ভবিষ্যতে, PheWAS পন্থাগুলি পরিচিত মেন্ডেলিয়ান কিডনি রোগের ফেনোটাইপিক প্রকাশ সনাক্ত করতে ব্যবহার করা যেতে পারে যা অনুপ্রবেশ, ক্লিনিকাল সূক্ষ্মতা, বা অগঠিত কেস মূল্যায়নের কারণে অচেনা হয়ে গেছে।

নতুন জিন-রোগ সমিতিগুলি সনাক্ত করতে বৃহৎ ডেটা সেটগুলি ব্যবহার করার প্রত্যাশিত সুবিধাগুলি এখনও নেফ্রোলজিতে উপলব্ধি করা যায়নি, কারণ প্রায় সমস্ত চিহ্নিত সমিতিগুলি ছোট, ভাল-ফেনোটাইপ করা পারিবারিক অধ্যয়ন বা কেস-নিয়ন্ত্রণ বিশ্লেষণ থেকে এসেছে। জেনেটিক অবস্থার প্রত্যাশিত বিরলতা এবং কিডনি রোগের ক্লিনিকাল বৈচিত্র্যের পরিপ্রেক্ষিতে, এমনকি বড় নমুনার আকার ব্যবহার করা আবিষ্কারের দিকে পরিচালিত করতে কম হতে পারে। বিদ্যমান বৃহৎ দলগুলোর ফিনোটাইপিংয়ে উন্নতি তাদের সম্ভাব্যতা আনলক করার চাবিকাঠি হবে। শুধুমাত্র আইসিডি কোডের উপর নির্ভর না করে ইলেকট্রনিক হেলথ রেকর্ডে একাধিক ডেটা সোর্স ব্যবহার করে CKD আক্রান্ত ব্যক্তিদের সনাক্তকরণ অত্যন্ত সফল হয়েছে কিন্তু এখনও কিডনি রোগের সাবটাইপ (81) এর সমজাতীয় কেস কোহর্ট তৈরি করতে প্রয়োজনীয় গ্রানুলারিটির অভাব রয়েছে। তা সত্ত্বেও, CKD-এর জন্য একটি ইলেকট্রনিক অ্যালগরিদমের উদ্ভব জিনোম-ওয়াইড পলিজেনিক স্কোর (GPS) এর ডেরিভেশন এবং বৈধতা সক্ষম করে যা রোগীদের অগ্রগতির উচ্চ ঝুঁকিতে চিহ্নিত করে (82)। যেহেতু রোগ-নির্দিষ্ট পলিজেনিক স্কোর তৈরি করা হয়েছে, এগুলিকে আরও ভাল ঝুঁকি স্তরবিন্যাসের জন্য CKD GPS এবং অন্যান্য ক্লিনিকাল ভবিষ্যদ্বাণীগুলির সাথে একত্রিত করা যেতে পারে। উপরন্তু, বড় আকারের ফেনোটাইপিংয়ের উন্নতি গবেষণার একটি সক্রিয় ক্ষেত্র হিসাবে রয়ে গেছে, যার মধ্যে রয়েছে মেশিন লার্নিং, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ এবং ইমেজিং এবং বায়োপসি ডেটার একীকরণ (83)। উদাহরণস্বরূপ, ফিনোটাইপ ঝুঁকির স্কোরগুলি বায়োব্যাঙ্কে (84, 85) অনির্ধারিত মেন্ডেলিয়ান ব্যাধিগুলি সনাক্ত করতে দেখানো হয়েছে।

সিস্তানচে পাউডার

উপসংহার এবং ভবিষ্যত দিকনির্দেশ

CKD-এর সাধারণ এবং জটিল প্রকৃতির কারণে বিরল রূপগুলি কিডনি রোগে গুরুত্বপূর্ণ ভূমিকা পালন করে। কিডনি রোগে আক্রান্ত ব্যক্তিদের ডায়গনিস্টিক গবেষণায় অত্যন্ত বিরল এবং ব্যক্তিগত রূপগুলি বিশিষ্ট হয়েছে এবং নতুন জিন এবং ফেনোটাইপ অ্যাসোসিয়েশন সনাক্তকরণে ক্রমবর্ধমান গুরুত্বপূর্ণ। কিডনি রোগে আক্রান্ত রোগীদের জন্য বিরল রূপের সম্পূর্ণ ভবিষ্যদ্বাণী করার ক্ষমতা বোঝার জন্য রোগীদের ব্যক্তিগতকৃত প্রগনোস্টিক এবং চিকিত্সার সুপারিশ প্রদানের জন্য আরও গবেষণার প্রয়োজন।

আমরা বিরল বৈকল্পিকগুলির সাথে কাজ করার সীমাবদ্ধতাগুলি দেখেছি, বিশেষত পর্যাপ্ত নমুনার আকারের অভাব এবং স্কেলে ফেনোটাইপিং ক্ষেত্রে অসুবিধা উভয়ের দ্বারা চালিত নতুন সংস্থাগুলি সনাক্ত করার অসুবিধাগুলি। এই চ্যালেঞ্জ কিডনি রোগে জেনেটিক্সের ভূমিকা সম্পর্কে অন্তর্দৃষ্টি অর্জনের জন্য নতুন পদ্ধতির বিকাশের দিকে পরিচালিত করেছে। ভবিষ্যতে, জেনেটিক পরীক্ষা করা লোকের সংখ্যা বাড়তে থাকবে, এবং আমরা ভবিষ্যতের অ্যাসোসিয়েশন অধ্যয়নের শক্তি উন্নত করতে আরও বড় নমুনা আকার ব্যবহার করতে সক্ষম হব। আমরা ফিনোটাইপিং কৌশলগুলির উন্নতিও দেখতে পাব যা স্কেলে আরও সুনির্দিষ্ট এবং গভীর ফিনোটাইপ প্রদান করে, কেসগুলির আরও ভাল শ্রেণীবিভাগ এবং মূল্যায়নের জন্য আরও সমজাতীয় সমগোত্র নির্মাণের অনুমতি দেয়। মাল্টি-ওমিক্স ডেটার বিস্তৃত একীকরণ পরিবেশ, ট্রান্সক্রিপশন এবং অনুবাদ এবং এপিজেনেটিক্সের সাথে জেনেটিক্সের মিথস্ক্রিয়া সম্পর্কে আরও অন্তর্দৃষ্টি সক্ষম করবে, কারণ আমরা কিডনি প্রিসিশন মেডিসিন প্রজেক্ট (86) এর মতো গবেষণায় রূপ নিতে শুরু করেছি ) এই ডেটাগুলি আরও পরিমার্জিত হওয়ার সাথে সাথে, আমরা আশা করি যে তারা আমাদের রোগীদের আণবিক নির্ণয়, সঠিক পূর্বাভাস এবং লক্ষ্যযুক্ত থেরাপির উপর নির্মিত ব্যক্তিগত যত্ন প্রদান করার অনুমতি দেবে।

তথ্যসূত্র

45. Lander ES, Botstein D. 1989. RFLP লিঙ্কেজ ম্যাপ ব্যবহার করে পরিমাণগত বৈশিষ্ট্যের অন্তর্নিহিত মেন্ডেলিয়ান ফ্যাক্টর ম্যাপিং। জেনেটিক্স 121(1):185-99

46. ​​Claussnitzer M, Cho JH, Collins R, et al. 2020. মানব রোগের জেনেটিক্সের একটি সংক্ষিপ্ত ইতিহাস। প্রকৃতি 577(7789):179–89

47. বার্কার DF, Hostikka SL, Zhou J, et al. 1990. আলপোর্ট সিন্ড্রোমে COL4A5 কোলাজেন জিনে মিউটেশনের সনাক্তকরণ। বিজ্ঞান 248(4960):1224–27

48. Mochizuki T, Lemmink HH, Mariyama M, et al. 1994. অটোসোমাল রিসেসিভ আলপোর্ট সিন্ড্রোমে আলফা 3(IV) এবং আলফা 4(IV) কোলাজেন জিনের মিউটেশনের সনাক্তকরণ। নাট. জেনেট। 8(1):77-81

49. ইউর। পলিসিস্টিক কিডনি ডিস। কনসোর্ট 1994. পলিসিস্টিক কিডনি রোগ 1 জিন একটি 14 কেবি ট্রান্সক্রিপ্ট এনকোড করে এবং 16 ক্রোমোজোমের একটি নকল অঞ্চলের মধ্যে থাকে। সেল 77(6):881-94

50. Mochizuki T, Wu G, Hayashi T, et al. 1996. PKD2 হল পলিসিস্টিক কিডনি রোগের একটি জিন যা একটি অবিচ্ছেদ্য ঝিল্লি প্রোটিনকে এনকোড করে। বিজ্ঞান 272(5266):1339–42

51. Cornec-Le Gall E, Alam A, Perrone RD. 2019. অটোসোমাল প্রভাবশালী পলিসিস্টিক কিডনি রোগ। ল্যানসেট 393(10174):919–35

52. Winn MP, Conlon PJ, Lynn KL, et al. 2005. TRPC6 ক্যাটেশন চ্যানেলে একটি মিউটেশন ফ্যামিলিয়াল ফোকাল সেগমেন্টাল গ্লোমেরুলোস্ক্লেরোসিস ঘটায়। বিজ্ঞান 308(5729):1801–4

53. Li AS, Ingham JF, Lennon R. 2020. গ্লোমেরুলার পরিস্রাবণ বাধার জেনেটিক ব্যাধি। ক্লিন। জে. এ.এম. সমাজ নেফ্রোল। 15(12):1818-28

54. Braun DA, Hildebrandt F. 2017. Ciliopathies. কোল্ড স্প্রিং হার্ব। দৃষ্টিভঙ্গি। বায়োল 9(3):a028191

55. Hildebrandt F, Benzing T, Katsanis N. 2011. Ciliopathies. N. ইংরেজি জে মেড. 364(16):1533–43

56. রোচ JC, Glusman G, Smit AFA, et al. 2010. পুরো জিনোম সিকোয়েন্সিং দ্বারা একটি পারিবারিক চতুষ্পাঠে জেনেটিক উত্তরাধিকারের বিশ্লেষণ। বিজ্ঞান 328(5978):636–39

57. সেবাত জে, লক্ষ্মী বি, মালহোত্রা ডি, এবং অন্যান্য। 2007. অটিজমের সাথে ডি নভো কপি নম্বর মিউটেশনের শক্তিশালী সম্পর্ক। বিজ্ঞান 316(5823):445–49

58. Iossifov I, O'Roak BJ, Sanders SJ, et al. 2014. অটিজম স্পেকট্রাম ডিসঅর্ডারে ডি নভো কোডিং মিউটেশনের অবদান। প্রকৃতি 515(7526):216–21

59. Xu B, Roos JL, Dexheimer P, et al. 2011. এক্সোম সিকোয়েন্সিং সিজোফ্রেনিয়ার জন্য একটি ডি নভো মিউটেশনাল প্যারাডাইম সমর্থন করে। নাট. জেনেট। 43(9):864–68

60. Vissers LELM, de Ligt J, Gilissen C, et al. 2010. মানসিক প্রতিবন্ধকতার জন্য একটি নতুন দৃষ্টান্ত। নাট. জেনেট। 42(12):1109–12

61. Zaidi S, Choi M, Wakimoto H, et al. 2013. জন্মগত হৃদরোগে হিস্টোন-পরিবর্তনকারী জিনে নভো মিউটেশন। প্রকৃতি 498(7453):220-23

62. Azzariti DR, Hamosh A. 2020. নভেল মেন্ডেলিয়ান ডিজিজ জিন আবিষ্কারের জন্য জিনোমিক ডেটা শেয়ারিং: ম্যাচমেকার এক্সচেঞ্জ। আন্নু। রেভ. জিনোম। হুম। জেনেট। 21:305-26

63. মার্টিন EMMA, Enriquez A, Sparrow DB, et al. 2020. WBP11 ফাংশনের হেটেরোজাইগাস ক্ষতি মানুষ এবং ইঁদুরের একাধিক জন্মগত ত্রুটি সৃষ্টি করে। হুম। মোল. জেনেট। 29(22):3662–78

64. Connaughton DM, Dai R, Owen DJ, et al. 2020. ট্রান্সক্রিপশনাল কোরপ্রেসার ZMYM2 এর মিউটেশন সিন্ড্রোমিক মূত্রনালীর বিকৃতি ঘটায়। আমি জে. হুম। জেনেট। 107(4):727–42

65. Povysil G, Petrovski S, Hostyk J, et al. 2019. জটিল বৈশিষ্ট্যগুলির জন্য বিরল-ভেরিয়েন্টের পতনের বিশ্লেষণ: নির্দেশিকা এবং অ্যাপ্লিকেশন। নাট. রেভ. জেনেট। 20(12):747–59

66. সান্না-চের্চি এস, খান কে, ওয়েস্টল্যান্ড আর, এট আল। 2017. এক্সোম-ওয়াইড অ্যাসোসিয়েশন স্টাডি জন্মগত কিডনি বিকৃতিতে GREB1L মিউটেশন সনাক্ত করে। আমি জে. হুম। জেনেট। 101(5):789–802

67. ক্যামেরন-ক্রিস্টি এস, ওলক সিজে, গ্রুপম্যান ই, এট আল। 2019. CKD-তে Exome-ভিত্তিক বিরল-ভেরিয়েন্ট বিশ্লেষণ। জে. এ.এম. সমাজ নেফ্রোল। 30(6):1109–22

68. ওয়াং এম, চুন জে, জেনোভেস জি, এট আল। 2019. পারিবারিক এবং বিক্ষিপ্ত FSGS-এ বিরল জিনের রূপের অবদান। জে. এ.এম. সমাজ নেফ্রোল। 30(9):1625–40

69. Wang Q, Dhindsa RS, Carss K, et al. 2021. 281,104 UK Biobank exomes-এ মানুষের রোগে বিরল বৈকল্পিক অবদান। প্রকৃতি 597(7877):527–32

70. সালেহীন ডি, নটরাজন পি, আরমিয়ান আইএম, এবং অন্যান্য। 2017. সংগতির উচ্চ হার সহ একটি দলে মানব নকআউট এবং ফেনোটাইপিক বিশ্লেষণ। প্রকৃতি 544(7649):235–39

71. Verweij N, Haas ME, Nielsen JB, et al. 2022. সিআইডিইবি-তে জীবাণুর মিউটেশন এবং লিভারের রোগের বিরুদ্ধে সুরক্ষা। N. ইংরেজি জে মেড. 387(4):332–44

72. আবুল-হুসন এনএস, চেং এক্স, লি এএইচ, এবং অন্যান্য। 2018. একটি প্রোটিন-কাটা HSD17B13 বৈকল্পিক এবং দীর্ঘস্থায়ী লিভার রোগ থেকে সুরক্ষা। N. ইংরেজি জে মেড. 378(12):1096–106

73. Cohen JC, Boerwinkle E, Mosley TH, et al. 2006. পিসিএসকে 9, কম এলডিএল, এবং করোনারি হৃদরোগের বিরুদ্ধে সুরক্ষার ক্রম পরিবর্তন। N. ইংরেজি জে মেড. 354(12):1264–72

74. বাইক্রফট সি, ফ্রিম্যান সি, পেটকোভা ডি, এট আল। 2018. গভীর ফেনোটাইপিং এবং জিনোমিক ডেটা সহ ইউকে বায়োব্যাঙ্ক সংস্থান৷ প্রকৃতি 562(7726):203–9

75. Das S, Forer L, Schönherr S, et al. 2016. পরবর্তী প্রজন্মের জিনোটাইপ ইমপুটেশন পরিষেবা এবং পদ্ধতি। নাট. জেনেট। 48(10):1284–87

76. Taliun SAG, Sulem P, Sveinbjornsson G, et al. 2022. হেমাটুরিয়ার GWAS। ক্লিন। জে. এ.এম. সমাজ নেফ্রোল। 17(5):672–83

77. Pais LS, Snow H, Weisburd B, et al. 2022. sear: বিরল রোগের জিনোমিক্সের জন্য একটি ওয়েব-ভিত্তিক বিশ্লেষণ এবং সহযোগিতার টুল। হুম। মুতাত। 43(6):698–707

78. Thong KM, Xu Y, Cook J, et al. 2013. LMNA-তে একটি মিউটেশনের কারণে পারিবারিক আংশিক লাইপোডিস্ট্রোফি সহ একটি পরিবারে ফোকাল সেগমেন্টাল গ্লোমেরুলোস্ক্লেরোসিসের কোসেগ্রিগেশন। নেফ্রন ক্লিন। অনুশীলন করুন। 124(1-2):31-37

79. Fountas A, Giotaki Z, Dounousi E, et al. 2017. ফ্যামিলিয়াল আংশিক লাইপোডিস্ট্রফি এবং প্রোটিনিউরিক রেনাল ডিজিজ ভুল ধারণার কারণে c.1045C > T LMNA মিউটেশন। এন্ডোক্রিনোল। ডায়াবেটিস মেটাব। মামলার প্রতিনিধি 2017:17-0049

80. হুসাইন আই, জিন আরআর, বাউম এইচবিএ, এট আল। 2020. LMNA p.R349W ভেরিয়েন্টের কারণে লাইপোডিস্ট্রফি, কার্ডিওমায়োপ্যাথি এবং নেফ্রোপ্যাথি সহ মাল্টিসিস্টেম প্রোজেরয়েড সিন্ড্রোম। জে. এন্ডোক্র। সমাজ 4(10):bvaa104

81. Shang N, Khan A, Polubriaginof F, et al. 2021. ক্লিনিকাল কেয়ার এবং "বিগ ডেটা" পর্যবেক্ষণমূলক এবং জেনেটিক অধ্যয়নের জন্য মেডিকেল রেকর্ড-ভিত্তিক দীর্ঘস্থায়ী কিডনি রোগের ফিনোটাইপ। এনপিজে ডিজিট। মেড. 4(1):70

82. খান এ, টারচিন এমসি, পাটকি এ, এট আল। 2022. পূর্বপুরুষ জুড়ে দীর্ঘস্থায়ী কিডনি রোগের পূর্বাভাস দিতে জিনোম-ওয়াইড পলিজেনিক স্কোর। নাট. মেড. 28(7):1412–20

83. Garcelon N, Burgun A, Salomon R, et al. 2020. বিরল রোগ নির্ণয়ের জন্য ইলেকট্রনিক স্বাস্থ্য রেকর্ড। কিডনি Int. 97(4):676–86

84. Bastarache L, Hughey JJ, Hebbring S, et al. 2018. ফেনোটাইপ ঝুঁকির স্কোর অচেনা মেন্ডেলিয়ান রোগের ধরণ সহ রোগীদের সনাক্ত করে। বিজ্ঞান 359(6381):1233–39

85. Son JH, Xie G, Yuan C, et al. 2018. ইলেকট্রনিক স্বাস্থ্য রেকর্ডে গভীর ফিনোটাইপিং ক্লিনিকাল এক্সোম দ্বারা জেনেটিক নির্ণয়ের সুবিধা দেয়। আমি জে. হুম। জেনেট। 103(1):58-73

86। de Boer IH, Alpers CE, Azeloglu EU, et al. 2021. কিডনি প্রিসিশন মেডিসিন প্রকল্পের যুক্তি ও নকশা। কিডনি Int. 99(3):498–510

মার্ক ডি. এলিয়ট, 1,2,3 হিলা মিলো রাসুলি, 1,2 এবং আলী জি. ঘরাভি 1,2,3

1 Division of Nephrology, Department of Medicine, Columbia University Vagelos College of Physicians and Surgeons, New York, NY, USA; email: ag2239@columbia.edu

2 সেন্টার ফর প্রিসিশন মেডিসিন অ্যান্ড জিনোমিক্স, মেডিসিন বিভাগ, কলম্বিয়া ইউনিভার্সিটি ভ্যাগেলোস কলেজ অফ ফিজিশিয়ানস অ্যান্ড সার্জনস, নিউ ইয়র্ক, এনওয়াই, ইউএসএ

3 ইনস্টিটিউট ফর জিনোমিক মেডিসিন, কলম্বিয়া ইউনিভার্সিটি ভ্যাগেলোস কলেজ অফ ফিজিশিয়ানস অ্যান্ড সার্জনস, নিউ ইয়র্ক, এনওয়াই, ইউএসএ