Skip to main content

Neue Wege in der bioinformatischen Phänotypanalyse

Die Human Phenotype Ontology

Computational methods for the study of human disease manifestations

The Human Phenotype Ontology

Zusammenfassung

Die präzise Beschreibung phänotypischer Auffälligkeiten ist für die klinische Diagnostik und für unser wissenschaftliches Verständnis von Erkrankungen von grundlegender Bedeutung. Derzeit sind mehrere tausend hereditäre Erkrankungen des Menschen bekannt, die jeweils durch eine mehr oder weniger spezifische Kombination phänotypischer Merkmale charakterisiert sind. Eine besondere Schwierigkeit bei der computergestützten Analyse phänotypischer Daten ergab sich bislang durch das Fehlen eines standardisierten medizinischen Vokabulars und den Mangel an adäquaten Datenstrukturen zur Erfassung phänotypischer Merkmale.

Die Human Phenotype Ontology (HPO) wurde von unserer Arbeitsgruppe mit dem Ziel entwickelt, alle phänotypischen Auffälligkeiten, die bei monogenen Erkrankungen des Menschen auftreten können, zu beschreiben (http://www.human-phenotype-ontology.org). Die HPO stellt ein hierarchisch strukturiertes, deskriptives und standardisiertes Vokabular zur Beschreibung phänotypischer Merkmale bereit und ist somit geeignet, signifkante phänotypische Ähnlichkeiten und Unterschiede verschiedener hereditärer Erkrankungen zu erfassen.

Eine Ontologie wie die HPO eröffnet viele neuartige Möglichkeiten, insbesondere auch auf dem Gebiet der klinisch-genetischen Diagnostik. Ein Beispiel hierfür ist der von uns entwickelte Phenomizer (http://compbio.charite.de/phenomizer), ein neuartiges, frei verfügbares ontologisches Suchprogramm. Der Phenomizer nutzt die semantische Struktur der HPO, um klinische Symptome anhand ihrer Spezifität zu wichten, und kann als Werkzeug für eine computergestützte klinische Differenzialdiagnostik verwendet werden.

Abstract

An accurate description of phenotypic abnormalities is the foundation of clinical diagnostics and the basis of our understanding of diseases. There are many thousands of hereditary diseases in humans, each of which displays a more or less specific combination of phenotypic features. Computational analysis of phenotypic data has been hampered by the lack of a controlled medical vocabulary for describing phenotypic abnormalities and adequate computational data structures to capture phenotypic data. This prompted us to develop the Human Phenotype Ontology (HPO), a hierarchical, descriptive vocabulary for human phenotypes constructed with the goal of covering all phenotypic abnormalities which are commonly encountered in human monogenic diseases (http://www.human-phenotype-ontology.org). The HPO provides a standardized vocabulary for the description of human phenotypes and is able to capture phenotypic similarities between diseases in a highly significant fashion. Clinical ontologies, such as the HPO allow many novel forms of analyzing the human phenotype for research or clinical purposes. We developed the Phenomizer (http://compbio.charite.de/phenomizer), a novel, freely available ontological search routine which uses the semantic structure of the HPO to weight clinical features based on specificity and thereby harnesses the semantic structure of human phenotypic abnormalities to assist with the process of differential diagnostics.

This is a preview of subscription content, access via your institution.

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5

Literatur

  1. 1.

    Orphanet: Das Portal für seltene Krankheiten und Orphan Drugs. Inserm, Paris. http://www.orpha.net

  2. 2.

    Brunner HG, Driel MA van (2004) From syndrome families to functional genomics. Nat Rev Genet 5(7):545–551

    Article  CAS  PubMed  Google Scholar 

  3. 3.

    Gene Ontology Consortium (2001) Creating the gene ontology resource: design and implementation. Genome Res 11(8):1425–1433

    Article  Google Scholar 

  4. 4.

    Fryns J-P, Ravel TJL de (2002) London Dysmorphology Database, London Neurogenetics Database and Dysmorphology Photo Library on CD-ROM (Version 3) 2001. In: Winter RM, Baraitser M (eds), Oxford University Press. Hum Genet 111(1):113

    Article  PubMed  Google Scholar 

  5. 5.

    Gelb BD, Tartaglia M (2006) Noonan syndrome and related disorders: dysregulated ras-mitogen activated protein kinase signal transduction. Hum Mol Genet 15(Spec No 2):R220–R226

    Article  CAS  PubMed  Google Scholar 

  6. 6.

    Goh Kl, Cusick ME, Valle D et al (2007) The human disease network. Proc Natl Acad Sci U S A 104(21):8685–8690

    Article  CAS  PubMed  Google Scholar 

  7. 7.

    Hamosh A, Scott AF, Amberger JS et al (2005) Online mendelian inheritance in man (OMIM), a knowledgebase of human genes and genetic disorders. Nucleic Acids Res 33(Database issue):D514–D517

    Article  CAS  PubMed  Google Scholar 

  8. 8.

    Köhler S, Bauer S, Horn D, Robinson PN (2008) Walking the interactome for prioritization of candidate disease genes. Am J Hum Genet 82(4):949–958

    Article  PubMed  Google Scholar 

  9. 9.

    Köhler S, Schulz MH, Krawitz P et al (2009) Clinical diagnostics in human genetics with semantic similarity searches in ontologies. Am J Hum Genet 85(4):457–464

    Article  PubMed  Google Scholar 

  10. 10.

    Oti M, Brunner HG (2007) The modular nature of genetic diseases. Clin Genet 71(1):1–11

    Article  CAS  PubMed  Google Scholar 

  11. 11.

    POSSUM. http://www.possum.net.au/

  12. 12.

    Rauch A, Hoyer J, Guth S et al (2006) Diagnostic yield of various genetic approaches in patients with unexplained developmental delay or mental retardation. Am J Med Genet A 140(19):2063–2074

    PubMed  Google Scholar 

  13. 13.

    Robinson PN, Arteaga-Solis E, Baldock C et al (2006) The molecular genetics of marfan syndrome and related disorders. J Med Genet 43(10):769–787

    Article  CAS  PubMed  Google Scholar 

  14. 14.

    Robinson PN, Köhler S, Bauer S et al (2008) The Human Phenotype Ontology: a tool for annotating and analyzing human hereditary disease. Am J Hum Genet 83(5):610–615

    Article  CAS  PubMed  Google Scholar 

  15. 15.

    Srour M, Mazer B, Shevell MI (2006) Analysis of clinical features predicting etiologic yield in the assessment of global developmental delay. Pediatrics 118(1):139–145

    Article  PubMed  Google Scholar 

  16. 16.

    Wu X, Jiang R, Zhang MQ, Li S (2008) Network-based global inference of human disease genes. Mol Syst Biol 4:189

    Article  PubMed  Google Scholar 

Download references

Interessenkonflikt

Der korrespondierende Autor gibt an, dass kein Interessenkonflikt besteht.

Author information

Affiliations

Authors

Corresponding author

Correspondence to P.N. Robinson.

Rights and permissions

Reprints and Permissions

About this article

Cite this article

Doelken, S., Köhler, S., Bauer, S. et al. Neue Wege in der bioinformatischen Phänotypanalyse. medgen 22, 221–228 (2010). https://doi.org/10.1007/s11825-010-0215-2

Download citation

Schlüsselwörter

  • Human Phenotype Ontology
  • Phenomizer
  • Biomedizinische Ontologien
  • Differenzialdiagnostik

Keywords

  • Human Phenotype Ontology (HPO)
  • Phenomizer
  • Biomedical ontology
  • Differential diagnosis