精確檢測尿苷二磷酸葡萄糖醛酸轉移酶 1A1（UGT1A1）基因啟動子區域的胸腺嘧啶-腺嘌呤（TA）重複次數，對於診斷吉伯特氏症候群（Gilbert’s syndrome）以及優化伊立替康（irinotecan）與阿扎那韋（atazanavir）等藥物的個人化治療至關重要。然而，傳統聚合酶連鎖反應（PCR）技術在處理富含腺嘌呤與胸腺嘧啶（AT-rich）的序列時，常因 7TA 與 8TA 等高度同源等位基因的熔解溫度（Tm）重疊而面臨技術瓶頸。為此，研究團隊開發出一套結合優化擴增聚合酶連鎖反應與熔解曲線分析（aPCR-MCA）及自動化分類器的新型基因分型方法，旨在克服上述技術限制，並透過分析俄羅斯四個區域的族群樣本，驗證該技術的臨床應用價值。
在技術開發方面，研究團隊導入了一種專門的雙頭一維卷積神經網路（Dual Head 1D-convolutional neural network, 1D-CNN）整合模型，並輔以測試時增強（Test-Time Augmentation, TTA）技術。該模型首先利用 1,620 個工程質體樣本進行訓練與內部驗證，隨後針對 440 個臨床患者的基因組去氧核糖核酸（DNA）檢體進行獨立評估。實驗過程分別在 CFX96 與 DTprime 平台上執行即時聚合酶連鎖反應（Real-time PCR），以確保數據在不同儀器環境下的穩定性與可靠度。
研究發現，儘管 5TA 與 6TA 等位基因在分析中易於區分，但 7TA 與 8TA 等位基因的絕對熔解溫度分布存在顯著重疊，且不同儀器平台間會產生 0.8°C 至 1.4°C 的非均勻熔解溫度偏移。傳統的絕對熔解溫度閾值判定法已無法滿足臨床精確度需求。透過評估相對於共同擴增的 7TA/7TA 與 7TA/8TA 參考錨點的相對形態曲線差異，1D-CNN 整合模型成功抵銷了儀器雜訊。該模型在內部驗證中達到 100% 的準確率，並與臨床參考焦磷酸定序（pyrosequencing）結果達成 100%（440/440）的一致性。
俄羅斯族群基因分型與臨床應用前景
在完成技術驗證後，研究團隊進一步針對來自莫斯科（Moscow）、薩哈共和國（Sakha/Yakutia）、達吉斯坦（Dagestan）及羅斯托夫（Rostov）四個地區的 997 份存檔臨床樣本進行族群篩檢。分析結果顯示，達吉斯坦、雅庫特（Yakutia）與羅斯托夫的族群樣本，其基因分布與歐洲族群高度相似。此外，研究亦在雅庫特與莫斯科的樣本中，檢測到頻率極低的 5TA 與 8TA 等位基因，顯示該檢測系統具備偵測罕見變異的敏感度，能有效提供臨床醫師更精確的遺傳資訊。
總結而言，將鎖核酸（LNA）修飾的擴增聚合酶連鎖反應與熔解曲線分析，結合比較式一維卷積神經網路模型，成功規避了熱力學限制並消除了人為操作偏差。這套整合系統不僅提供了一種易於操作、高通量且具備臨床效力的解決方案，更為常規的 UGT1A1 藥物基因體學檢測奠定了堅實基礎。隨著精準醫療的需求日益增加，此類結合人工智慧（AI）與分子生物技術的創新方法，預計將在未來藥物代謝相關基因檢測中扮演關鍵角色，協助臨床醫療團隊制定更安全、有效的治療策略。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機
Date: Please provide the content you would like me to format! I am ready to convert your dates into the **Month Day, Year** format.