Application of programming languages in detecting chromosomal abnormalities with single nucleotide polymorphisms genotype array data

Abstract

Đặt vấn đề: Bất thường nhiễm sắc thể là nguyên nhân của nhiều rối loạn di truyền và bệnh lý bẩm sinh. Dữ liệu mảng kiểu gen SNP cho phép khảo sát đồng thời số lượng lớn biến thể di truyền trên toàn hệ gen. Tuy nhiên hiệu quả khai thác phụ thuộc nhiều vào phương pháp phân tích tin sinh học phù hợp. Nghiên cứu này nhằm xây dựng quy trình ứng dụng ngôn ngữ lập trình để phát hiện bất thường nhiễm sắc thể giới tính từ dữ liệu mảng SNP. Đối tượng - phương pháp: Nghiên cứu sử dụng dữ liệu định kiểu gen của 1.019 bệnh nhân viêm khớp dạng thấp được thực hiện trên nền tảng Illumina Infinium Global Screening Array-24. Dữ liệu phân tích bao gồm các giá trị Log R Ratio (LRR) tại các marker SNP trên nhiễm sắc thể X và Y. Thuật toán được xây dựng bằng Python nhằm tính giá trị trung vị LRR và phân loại bất thường nhiễm sắc thể theo các ngưỡng đã được công bố. Quy trình được tối ưu hóa bằng phương pháp xử lý dữ liệu theo từng phần nhằm phù hợp với tập dữ liệu lớn. Kết quả: Khi áp dụng trên toàn bộ tập dữ liệu nghiên cứu, không ghi nhận trường hợp bất thường nhiễm sắc thể giới tính thuộc các nhóm 47,XXY; 47,XYY hoặc 48,XXYY. Tuy nhiên, trên dữ liệu mô phỏng, thuật toán nhận diện chính xác các mẫu bất thường đã được thiết lập trước, cho thấy khả năng xử lý ổn định và hỗ trợ phân loại bất thường nhiễm sắc thể giới tính dựa trên tín hiệu LRR. Kết luận: Nghiên cứu đã xây dựng quy trình phân tích dữ liệu mảng SNP bằng ngôn ngữ Python nhằm phát hiện bất thường nhiễm sắc thể giới tính. Phương pháp có khả năng xử lý dữ liệu SNP quy mô lớn và có tiềm năng ứng dụng trong các nghiên cứu di truyền và tin sinh học Abstract Background: Chromosomal abnormalities are a major cause of various genetic disorders and congenital conditions. Advances in single nucleotide polymorphism (SNP) genotyping arrays enable the simultaneous analysis of a large number of genomic loci, providing valuable opportunities for detecting chromosomal alterations. However, efficient utilization of such large-scale data requires appropriate computational approaches. This study aimed to develop and implement a Python – based computational pipeline for detecting chromosomal abnormalities, with a particular focus on sex chromosomes, using SNP array data. Methods: Genotyping data from 1019 patients diagnosed with rheumatoid arthritis were analyzed using the Illumina Infinium Global Screening Array-24 platform. The analysis focused on fluorescence intensity measures, specifically Log R Ratio (LRR). A custom algorithm was developed to calculate median LRR values for chromosomes X and Y (mLRR-X and mLRR-Y), which were then used to classify chromosomal abnormalities based on predefined thresholds. The pipeline was optimized for large-scale data processing using a chunk-based approach to improve computational efficiency. Results: The proposed algorithm was successfully implemented and applied to the entire dataset. No sex chromosome abnormalities were detected among in the study population. However, validation using simulated datasets demonstrated that the algorithm accurately identified common chromosomal abnormalities, including 47,XXY, 47,XYY, and 48,XXYY, indicating the robustness and reliability of the method. Conclusions: This study presents a computational approach for detecting chromosomal abnormalities from SNP array data using Python. The method performed showed effectively performance in handling large-scale genomic data and demonstrated high accuracy in validation analyses. This approach may serve as a useful tool for genetic research and has potential applications in large-scale genomic studies and clinical data analysis.