方法文章

导航MARRVEL：一种整合人类基因组学与模式生物遗传学信息的基于网络的工具

DOI：

10.3791/59542

⸱

2019年8月15日

 ,  ,  , 
1Program in Developmental Biology, Baylor College of Medicine, 2Medical Scientist Training Program, Baylor College of Medicine, 3Department of Pediatrics, Baylor College of Medicine, 4Jan and Dan Duncan Neurological Research Institute, Texas Children's Hospital, 5Department of Molecular and Human Genetics, Baylor College of Medicine, 6Department of Neuroscience, Baylor College of Medicine, 7Howard Hughes Medical Institute, Baylor College of Medicine

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文介绍了一种高效访问和分析多种人类及模式生物数据库的实验方案。该方案演示了如何利用MARRVEL工具分析通过下一代测序技术鉴定出的候选致病性变异位点。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

通过全外显子组/全基因组测序，人类遗传学家能够识别与疾病表型共分离的罕见变异。为了评估某一特定变异是否具有致病性，必须查询多个数据库，以确定目标基因是否与遗传病相关、该特定变异是否曾被报道，以及模式生物数据库中是否存在可能提示该基因在人类中功能的功能性数据。MARRVEL（Model organism Aggregated Resources for Rare Variant ExpLoration，罕见变异探索的模式生物整合资源）是一种一站式数据整合工具，涵盖人类基因和变异及其在七种模式生物中的直系同源基因，这些模式生物包括小鼠、大鼠、斑马鱼、果蝇、线虫、裂殖酵母和芽殖酵母。在本方案中，我们将概述MARRVEL的用途，并讨论如何利用不同数据集来评估已知致病基因中的意义未明变异（VUS），或意义未明基因（GUS）中的变异是否可能具有致病性。本方案将指导用户从一个感兴趣的人类基因（无论是否带有特定变异）出发，同时检索多个数据库。我们还将讨论如何利用OMIM、ExAC/gnomAD、ClinVar、Geno2MP、DGV和DECIPHER中的数据。此外，我们将说明如何解读与每个基因相关联的直系同源候选基因列表、表达模式以及模式生物中的GO术语。进一步地，我们将阐述蛋白质结构域注释信息的价值，并解释如何利用多物种蛋白质序列比对功能，评估目标变异是否影响进化上保守的结构域或氨基酸。最后，我们将介绍该网站的三个不同应用场景。MARRVEL是一个易于访问的开放获取网站，专为临床和基础研究人员设计，可作为开展功能研究实验设计的起点。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

下一代测序技术在科研和临床遗传学实验室中的应用正在不断扩大1。全外显子组测序（WES）和全基因组测序（WGS）分析可在已知致病基因中发现大量意义未明的罕见变异（VUS），同时也会发现尚未与孟德尔遗传病相关联的基因中的变异（GUS：意义未明的基因）。面对临床测序报告中列出的一系列基因和变异，医学遗传学家必须手动访问多个在线资源，以获取更多信息，从而评估哪些变异可能与特定患者所表现出的表型相关。这一过程耗时较长，且其效率高度依赖于个体的专业水平。尽管已有若干指南性文献发表2,3，但由于目前尚无标准化的变异分析方法，WES和WGS的解读仍需依赖人工审校。对于VUS的解读，既往报道的基因型-表型关系、遗传模式以及该变异在普通人群中的等位基因频率等信息具有重要价值。此外，若能了解该变异是否影响关键蛋白结构域或进化上保守的氨基酸残基，将有助于提高或降低其致病可能性的判断。为了收集所有这些信息，通常需要在10至20个人类及模式生物数据库之间进行检索，因为相关信息分散于万维网各处。

同样，研究特定基因和通路的模式生物科学家通常希望将其研究发现与人类疾病的机制相联系，并希望充分利用人类基因组学领域所产生的知识。然而，由于人类基因组相关数据集的快速扩展和不断更新，寻找能够提供有用信息的数据库一直存在挑战。此外，由于大多数模式生物数据库是为日常专门研究特定生物的研究人员设计的，因此对于小鼠研究人员而言，要在其他物种的数据库中检索特定信息极为困难。 果蝇 数据库和 反之亦然与医学遗传学家进行的变异解读搜索类似，识别有用的人类及其他模式生物信息耗时较长，且高度依赖模式生物研究者的背景知识。MARRVEL（罕见变异探索的模式生物整合资源，Model organism Aggregated Resources for Rare Variant ExpLoration）4 是一款专为这两类用户设计的工具，旨在简化其工作流程。

MARRVEL（http://marrvel.org）被设计为一个集中式搜索引擎，旨在以高效且一致的方式系统化地收集临床医生和研究人员所需的数据。该程序整合了20个或更多公开数据库的信息，使用户能够快速获取信息，并无需重复搜索即可访问大量人类及模式生物相关数据库。搜索结果页面还包含指向原始信息来源的超链接，便于用户访问原始数据并获取来源提供的额外信息。

与许多需要以 VCF 或 BAM 文件形式输入大量测序数据，并安装通常为专有或商业软件的变异位点优先排序工具不同，MARRVEL 可在任何网络浏览器上运行。只要连接互联网，用户即可免费使用该工具，并且兼容便携式设备（例如智能手机、平板电脑）。我们选择这种形式，是因为许多临床医生和研究人员通常一次仅需查询一个或少数几个基因及变异位点。请注意，我们正在为 MARRVEL 开发批量下载和 API（应用程序编程接口）功能，以便将来在必要时，用户可通过自定义查询工具一次性整理数百个基因和变异位点。

由于应用范围广泛，本方案将介绍一种全面的方法，用于浏览 MARRVEL 显示的各类数据集。更具针对性、针对特定用户需求的示例将在代表性结果部分进行描述。需要注意的是，要从 MARRVEL 中提取有价值的信息，使用者仍需具备人类遗传学或模式生物领域的一定背景知识。我们建议读者参考列出 MARRVEL 所整理的各个原始数据库功能的原始文献的表格（表 1）。以下方案分为三个部分：（1）如何开始搜索，（2）如何解读 MARRVEL 的人类遗传学输出结果，以及（3）如何利用 MARRVEL 中的模式生物数据。在代表性结果部分，将描述更集中、更具体的操作方法。MARRVEL 正在持续更新，因此请访问当前网站的常见问题解答（FAQ）页面以获取有关数据来源的详细信息。我们强烈建议 MARRVEL 用户在主页底部通过电子邮件提交表单注册，以便接收更新通知。

访问受限。请登录或开始试用以查看此内容。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 如何开始搜索

  1. 对于基于人类基因和变异体的搜索，请参见步骤 1.1.1–1.1.2。对于仅基于人类基因的搜索（无变异体输入），请参见步骤 1.2。对于模式生物基因的搜索，请参见步骤 1.3.1–1.3.2。
    1. 前往 MARRVEL4 的主页 http://marrvel.org/。首先输入一个人类基因符号。确保每输入一个字符后，候选基因名称会显示在输入框下方。如果搜索结果为空，请通过 HUGO 基因命名委员会网站5（HGNC；https://www.genenames.org/）确认所使用的基因符号是否为最新。
    2. 输入一个人类变异体。搜索栏支持两种变异体命名方式：一种是基因组位置命名法，类似于 ExAC 和 GnomAD6 中变异体的显示方式；另一种是依据 HGVS 指南的转录本命名法。搜索框内的灰色文字展示了这些格式的示例。对于基因组位置命名法，请使用 hg19/GRCh37 对应的坐标。完成后进入步骤 2。
      注意：如果搜索返回错误，最常见的原因是基因符号未更新或变异体命名不正确。在这种情况下，可使用 HGNC（https://www.genenames.org/）、Mutalyzer7（https://www.mutalyzer.nl/）和 TransVar8（https://bioinformatics.mdanderson.org/transvar/）网站来纠正错误。HGNC 提供所有人源基因的官方基因符号及其别名。     
    3. 如果在确认基因名称为最新后仍遇到错误信息，请使用 Mutalyzer 和 TransVar 检查并转换变异体命名。
    4. 在某些情况下，例如 HGNC 中最近刚更改了基因符号，可尝试使用该基因的同义名称，并通过 "反馈" 选项卡联系 MARRVEL 运营团队，以便更新源数据，因为 MARRVEL 可能由于数据更新延迟而未能提供正确信息。
  2. 输入一个人类基因符号，并将人类变异体搜索栏留空。如果遇到错误，请访问 HGNC（https://www.genenames.org/）核对官方基因符号，或尝试使用旧的基因符号。
    1. 点击顶部横幅中的 模式生物搜索 选项卡（图 1），或访问 http://marrvel.org/model。选择目标模式生物并输入其基因符号。当基因符号自动补全后，点击该符号，然后点击 搜索。如果搜索结果为空，请核对模式生物数据库中使用的官方基因符号（表 1）。
    2. 如果搜索结果仍然为空，请访问 DIOPT（DRSC 综合直系同源预测工具，https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl）和 HCOP（https://www.genenames.org/tools/hcop/），以评估目标基因是否存在可靠的预测直系同源基因。DIOPT 是由 DRSC（Drosophila RNAi 筛选中心）运行的直系同源预测搜索引擎，而 HCOP 是由 HGNC 开发的类似工具集。
      注意：使用 BLAST（https://blast.ncbi.nlm.nih.gov/Blast.cgi）进行额外搜索，可能帮助用户发现 DIOPT 和 HCOP 中预测算法遗漏的直系同源基因。
    3. 在底部点击 MARRVEL it，以选择预测的人类直系同源基因。查看 DIOPT 评分9 和 从人类基因到模式生物的最佳评分？ 来确定目标人类基因。完成后进入步骤 2。
      注意：DIOPT 评分9（https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl）表示有多少种直系同源预测算法认为两个物种中的某对基因互为直系同源。有关该评分的具体算法和数值含义的更多信息，请参见 Hu 等人9 的研究。当 从人类基因到模式生物的最佳评分？ 为 是 时，表明该人类基因更可能是目标基因的真实直系同源基因，但也可能存在例外情况，尤其是在进化过程中因基因复制事件导致多个人类基因与多个模式生物基因互为直系同源的情况下。如果目标基因属于一个在多个物种中经历了分歧进化的复杂基因家族，用户应查找已对该基因家族进行过系统发育分析的研究文献，以确定最可能的直系同源候选基因。

2. 如何解读 MARRVEL 人类遗传学中基因与变异搜索的结果输出

注意：在结果页面上，会显示七个数据库（表 1，图 1）。每个输出框的右上角均有一个外部链接按钮（带对角箭头的小方框），点击可跳转至原始数据库以获取更多详细信息。

  1. 点击 在线人类孟德尔遗传数据库 （在线人类孟德尔遗传，https://www.omim.org/）10，显示的第一个数据库。
    注意：OMIM 是一个手动整理的数据库，汇总并总结了人类遗传性疾病和性状的相关信息。
    1. 使用 人类基因描述 来自OMIM的框，简要总结有关该基因及其基因产物的已知信息。
    2. 使用 基因-表型关系 方框用于判断该基因是否为已知的致病基因。该方框提供经人工审校的、与目标基因相关的已知疾病或表型信息。
    3. 使用 来自OMIM的已报道等位基因 框以获取由 OMIM 精选的致病性变异列表。
      注意：由于任何基因-疾病关联要出现在OMIM中均需对有关新疾病基因发现的文献进行人工审编，因此可能存在一定的时滞或遗漏文献的情况，从而导致误解。建议用户同时在PubMed（https://www.ncbi.nlm.nih.gov/pubmed/）中检索最新相关文献（参见4.1.2节）。有关OMIM中审编的其他信息，请参阅Amberger10,11.
  2. 点击 ExAC （外显子组聚合联盟，http://exac.broadinstitute.org/）6 和 gnomAD （基因组聚合数据库，http://gnomad.broadinstitute.org/），该数据库是基于外显子组测序（WES）和全基因组测序（WGS）构建的大规模人群基因组数据库，其人群样本在入选时已排除严重儿科疾病。
    注意：ExAC 包含约 60,000 例全外显子组测序（WES）数据，而 gnomAD 包含约 120,000 例 WES 和约 15,000 例全基因组测序（WGS）数据。ExAC 和 gnomAD 均可作为对照人群数据库使用，尤其适用于严重的儿科疾病研究，但其解读需保持一定程度的谨慎。总体而言，gnomAD 可视为 ExAC 的更新与扩展版本，因为纳入 ExAC 的大多数队列也包含在 gnomAD 中。然而，由于存在部分例外情况（详见 http://exac.broadinstitute.org/about 和 http://gnomad.broadinstitute.org/about 中的队列信息），MARRVEL 同时展示了来自这两个数据库的数据。
    1. 使用 对照群体基因概述 框以获取基因水平的统计信息，例如在普通人群中发现功能缺失（LOF）等位基因的概率。这在ExAC中称为pLI（功能缺失不耐受概率）分数，可用于推断特定基因的一个LOF等位基因拷贝是否可能通过单倍剂量不足机制导致显性遗传病。
      注意：查看基因的pLI评分具有重要意义，尤其是在研究表现为严重儿科疾病的显性遗传病时，这类疾病通常与 从头合成 若一个基因的pLI评分为0.00，则表明该基因对功能丧失（LOF）变异具有高度耐受性，因此该基因通过显性单倍剂量不足机制致病的可能性较低。然而，这并不排除该基因可能通过其他显性获得功能（GOF）或显性负性效应机制致病。此外，导致隐性遗传病的基因也可能具有较低的pLI评分，因为携带者在一般人群中较为常见。相反，若一个基因的pLI评分为1.00，则提示该基因的一个拷贝丢失可能对人类健康产生有害影响。此外，还可结合使用DOMINO等网站（https://wwwfbm.unil.ch/domino/）进行进一步检索，以评估特定基因中某个变异导致显性遗传病的可能性。
    2. 使用接下来的两个框分别获取该变异在 ExAC 和 gnomAD 中的等位基因频率，以帮助判断该变异是否可能具有致病性，具体取决于患者所患疾病为显性或隐性遗传模式。当用户在启动搜索时输入变异信息后，此框才会显示。
      注意：如果假设为隐性遗传病情况，且目标基因的pLI评分较低，则应关注此处列出的等位基因频率。一些遗传学家可能会将0.005至0.0001设定为可能导致严重隐性遗传病的致病变异的最大等位基因频率阈值。2另一方面，如果假设为显性遗传病模式，则在对照人群中发现相同或相似变异的可能性较低。然而仍需谨慎，因为晚发性疾病、临床表现较轻的疾病、精神类疾病或ExAC/gnomAD研究未筛查的疾病患者仍可能被纳入对照人群，因此该变异仍有可能是显性致病性变异。此外，已有少数报道显示，某些与儿童期疾病相关的变异也在这些数据库中的个别个体中被发现。12,13,14，可能由于不完全外显率或体细胞嵌合所致13,15,16此外，尽管 ExAC 和 gnomAD 会显示以纯合状态存在的变异，但不会标明任何变异是否处于复合杂合状态。最后，由于测序技术上的挑战（例如序列覆盖度低、重复序列），这些数据库中标注为低置信度的某些变异可能并不可靠。为了更深入地分析这些数据集，建议用户使用 外部链接 点击按钮访问原始 ExAC 和 gnomAD 网站以获取更多信息。
  3. 点击 Geno2MP （孟德尔表型基因型浏览器，http://geno2mp.gs.washington.edu/Geno2MP/），由华盛顿大学孟德尔遗传学中心提供的基于全外显子组测序（WES）的数据集合。该数据库包含约9,600个 外显子组（截至2019年1月18日）来自患病个体及未患病亲属，并附有部分表型描述（图1).
    1. 使用 疾病人群 框以获取该队列中目标变异的等位基因频率。
    2. 使用 基因-表型关系 获取HPO（人类表型本体）的盒子17 针对携带目标变异个体的术语。这是寻找可能患有相同疾病患者的多种方法之一。
      注意：如果怀疑某个目的基因与患者的疾病相关，且在Geno中发现了匹配结果2MP，数据源中可能包含除显示内容之外的其他重要信息。
      1. 点击 外部链接 按钮跳转至 Geno 上的基因特异性页面2MP，筛选与患者突变类型相似的变异（例如错义突变、功能丧失性突变），并仔细审阅变异列表。重点关注CADD评分较高的变异18 评分并点击进入HPO谱型。例如，CADD评分高于20的变异位于所有预测为有害变异的前1%中，CADD评分高于10的变异位于前10%中。HPO术语提供了人类表型的标准化描述。在此，请务必确认该变异是在患病个体中还是在亲属中被鉴定出的。
      2. 如果在与先证者受累器官系统相同的患者中发现变异，可考虑使用电子邮件表格联系向Geno提交这些病例的医生2使用 Geno 上提供的功能进行 MP2MP 网站
        注意：并非所有医生都会回应此类查询，因此应探索其他患者匹配途径。收集患有相同疾病队列的其他方法包括使用 GeneMatcher 等工具。19 （https://www.genematcher.org/）以及其他属于匹配者交换（Matchmaker Exchange）的数据库19,20 （https://www.matchmakerexchange.org/）。有关匹配的更多信息，请参见配套的 JoVE 文章21.
  4. 使用 ClinVar (https://www.ncbi.nlm.nih.gov/clinvar/)22 由美国国立卫生研究院（NIH）支持的数据库，供研究人员和临床医生提交已确定或未确定致病性的基因变异，用于检测单核苷酸变异（SNV）、小片段插入缺失（indel）以及较大的拷贝数变异（CNV）。
    1. 使用第一行查看 ClinVar 中报告的各类变异的数量摘要图1).
    2. 查看下方框中的变异体列表 ClinVar 报告的等位基因.
      注意：如果在初始搜索中包含了一个变异位点，则青绿色高亮显示的所有变异均包含该目标变异的基因组位置［包括较大的CNV，通常标记为：基因组坐标…x1（缺失）和…x3（duplication）］。
  5. 使用 DGV23 （基因组变异数据库，http://dgv.tcag.ca/dgv/app/home）和 解码24 （利用Ensembl资源构建的人类基因组变异与表型数据库，https://decipher.sanger.ac.uk/），均为拷贝数变异（CNV）的集合。DGV是目前最大的公开可访问的结构变异数据库，数据来自超过54,000名个体，包含多达72项不同研究中在采集时被报告为健康个体的样本。同样，DECIPHER展示的数据也包括来自对照人群的常见变异。
    注意：由于 MARRVEL 未获得显示来自 DECIPHER 的患者衍生数据的权限，建议用户直接访问 DECIPHER 网站以获取潜在致病性 CNV 信息。
    1. 点击 对照人群中的拷贝数变异（DGV） 数据库 在该框中获取包含目的基因的变异体。拷贝数变异的大小、亚型及参考信息也可在同一个框中找到。
    2. 点击 常见拷贝数变异（DECIPHER） 数据库 框以获取包含目标变异基因组位置的变异。该信息有助于确定该基因在对照个体中是否发生重复或缺失。
      注意：如果目标基因在对照群体的许多个体中均存在缺失，则表明该基因可能对功能丧失（LOF）变异具有较高的耐受性。与较低的pLI评分类似，这提示该基因的单拷贝缺失通过单倍剂量不足机制导致严重疾病的可能性较小。然而，这并不排除由特定错义突变或截短突变等位基因引起的其他显性获得功能或显性负性机制（例如反式形态、超形态和新形态等位基因）的可能性。  数据可能存在的局限性包括所获取数据的来源和方法存在差异、缺乏关于致病性CNV外显不全的信息，以及无法确定个体在数据收集后是否发展出某些疾病。

3. 如何在 MARRVEL 中使用模式生物数据

  1. 使用基因功能表获取以下八种模式生物（包括人类、大鼠、小鼠、斑马鱼、Drosophila、C elegans、芽殖酵母和裂殖酵母）的相关信息：
    1. 基因名称：由于每个基因名称均链接至相应模式生物数据库的基因页面，点击这些链接可进一步了解各模式生物的表型信息及相关资源。例如，在FlyBase25（http://flybase.org/）上，将列出已构建的所有等位基因、各自的表型以及各等位基因在公共品系中心的可获取情况。
    2. PubMed 链接：点击PubMed链接，可跳转至与各生物中目标基因相关的出版物列表。若不使用这些链接，直接在PubMed中搜索人类基因，可能会遗漏一些使用旧基因别名指代该人类基因的文献。同样，模式生物的基因名称在历史上也可能发生过变动。
    3. DIOPT9 分数：查看此列，了解有多少种直系同源基因预测算法认为该基因可能是目标人类基因的直系同源基因。通常可将DIOPT分数≥3作为筛选可靠直系同源候选基因的合理阈值。然而，在某些情况下，由于同源性有限，真实的直系同源基因DIOPT分数可能仅为1。在基因功能表顶部，取消勾选"仅显示最佳DIOPT 分数 基因"复选框，以显示所有候选基因，通常包括那些同源但不一定是直系同源的基因。
    4. 表达：查看此列，获取在人类或模式生物数据库中已报道的目标基因或蛋白表达的组织列表。人类基因表达数据来自GTEx26（https://gtexportal.org/），人类蛋白表达数据来自Human Protein Atlas27（https://www.proteinatlas.org/）。部分条目配有弹出链接按钮（如人类和果蝇），可通过热图显示表达模式，其余则链接至相应模式生物数据库的页面。
    5. 基因本体28（GO）术语：根据实验性证据代码进行筛选，并从相应的人类或模式生物数据库中获取。基于"计算分析证据代码"和"电子注释证据代码"（预测结果）的GO术语不在此处显示。如有需要，请访问各模式生物网站以获取完整信息。
    6. 其他链接，如Monarch Initiative29（https://monarchinitiative.org/）和IMPC30（http://www.mousephenotype.org/）：使用Monarch Initiative超链接跳转至特定人类基因的Phenogrid页面，该图表可快速比较与目标基因相关的表型、已知人类疾病以及具有表型重叠的模式生物突变体。若某小鼠基因已有或计划由国际小鼠表型联盟（IMPC）构建基因敲除小鼠，则"IMPC"链接将指向详细描述该基因敲除小鼠表型及其在公共品系中心可获取情况的页面。
  2. 人类蛋白结构域：使用人类基因蛋白结构域框获取该人类基因的预测蛋白结构域。数据来源于DIOPT，其基于Pfam（https://pfam.xfam.org/）和CCD（保守结构域数据库，https://www.ncbi.nlm.nih.gov/Structure/cdd/cdd.shtml）。由于两个数据库中注释的结构域存在部分重叠，单个氨基酸残基可能被多次注释。
  3. 使用多序列蛋白比对框获取由DIOPT9  生成的氨基酸多序列比对结果，其中包括人类（hs）、大鼠（rn）、小鼠（mm）、斑马鱼（dr）、果蝇（dm）、线虫（ce）以及酵母（sc和sp）。为高亮显示目标氨基酸，请滚动至该框底部，在下方输入氨基酸编号，目标氨基酸将以蓝绿色高亮显示。该比对由DIOPT提供，使用MAFFT比对工具（用于氨基酸或核苷酸序列的多序列比对程序，https://mafft.cbrc.jp/alignment/software/31）。
    注意：若根据编号高亮的氨基酸与预期不符，可能是由于比对所用的剪接异构体不同所致。原则上，DIOPT在此框中显示最长的异构体。此外，对于保守性较差的基因片段，使用默认参数进行多物种序列比对可能并非最优。建议使用其他网站或软件（如Clustal Omega和ClustalW/X，http://www.clustal.org/）32，根据需要优化比对参数和矩阵。

访问受限。请登录或开始试用以查看此内容。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

人类遗传学家和模式生物科学家以不同的方式使用 MARRVEL，各自具有不同的预期目标。以下是 MARRVEL 可能用途的三个案例。

评估显性遗传病中变异的致病性
大多数访问 MARRVEL 的用户使用该网站分析罕见人类变异可能导致某种疾病的概率。例如，在一个患有畸形特征和腭裂、心脏缺陷、骨骼及指（趾）异常、甲状腺相关表型以及免疫缺陷的小型家系中，发现 TBX2 基因存在一个错义变异（17:59477596 G>A，p.R20Q），该变异以常染色体显性方式遗传12。患有这些症状的母亲和两个孩子均携带该变异，而父亲则未携带。9岁的儿子表型最严重，而36岁的母亲和6岁的女儿病情较轻。为了评估该变异是否可能具有致病性，可在 http://MARRVEL.org 的起始页面输入基因和变异信息，开始 MARRVEL 搜索。请注意，如果原始临床报告中在变异前标注了 Chr 以表示“染色体”，则在变异搜索栏中需将其删除。在原始研究进行时，结果页面显示该...

访问受限。请登录或开始试用以查看此内容。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本方案中的关键步骤包括初始输入（步骤 1.1–1.3）以及后续对输出结果的解读。搜索结果呈阴性的最常见原因是基因和/或变异体存在多种命名方式。尽管 MARRVEL 会定期更新，但这些更新可能导致 MARRVEL 所关联的不同数据库之间出现数据不一致。因此，故障排查的第一步始终是检查使用基因或变异体的其他名称是否可以获得成功的搜索结果。如果问题仍然无法解决，请通过 http://marrvel.org/message 上的反馈表单向开发团队发送消息。

MARRVEL 的一个局限性在于，它尚未包含基因和变异分析所需的所有有用数据库。例如，目前未提供 CADD18 等致病性预测算法。同样，可能为基因中已知致病变异提供结构和功能关联的蛋白质结构信息及蛋白质-蛋白质相互作用信息，目前也未在 MARRVEL 中展示。在下一次主要更新中，我们计划将这些信息整合到 MARRVEL 中，同时还将从模式生物网站、IMPC、Monarch Initiative 以及基因组资源联盟（AGR，https://www.alliancegenome.org/）纳入...

访问受限。请登录或开始试用以查看此内容。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者无任何利益冲突需要披露。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们感谢 Rami Al-Ouran、Seon-Young Kim、Yanhui (Claire) Hu、Ying-Wooi Wan、Naveen Manoharan、Sasidhar Pasupuleti、Aram Comjean、Dongxue Mao、Michael Wangler、Hsiao-Tuan Chao、Stephanie Mohr 和 Norbert Perrimon 博士在 MARRVEL 的开发与维护过程中提供的支持。我们感谢 Samantha L. Deal 和 J. Michael Harnish 对本稿件提出的宝贵意见。 

MARRVEL 的初步开发部分得到了美国国立卫生研究院共同基金资助的未确诊疾病网络模式生物筛选中心（U54NS093793）的支持 通过美国国立卫生研究院研究基础设施项目办公室（ORIP） (R24OD022005) JW 由美国国立卫生研究院尤妮斯·肯尼迪·施莱佛国家儿童健康与人类发展研究所支持 & 人类发展研究所（F30HD094503）以及贝勒医学院罗伯特与简·麦克奈尔基金会麦克奈尔医学博士/哲学博士学生学者项目。HJB 还获得美国国立卫生研究院普通医学科学研究所（R01GM067858）的支持，并为霍华德·休斯医学研究所研究员。ZL 获得美国国立卫生研究院普通医学科学研究所（R01GM120033）、衰老研究所（R01AG057339）以及哈芬顿基金会的支持。SY 额外获得美国国立卫生研究院耳聋及其他沟通障碍研究所（R01DC014932）、西蒙斯基金会（SFARI 奖：368479）、阿尔茨海默病协会（新研究员研究资助：15-364099）、纳曼家族基础研究基金和卡罗琳·维斯·劳分子医学研究基金的支持。 

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
人类遗传学ClinVarPMID: 29165669https://www.ncbi.nlm.nih.gov/clinvar/
人类遗传学DECIPHERPMID: 19344873 https://decipher.sanger.ac.uk/
人类遗传学DGVPMID: 24174537http://dgv.tcag.ca/dgv/app/home
同源基因预测DIOPTPMID: 21880147 https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl
人类基因/转录本命名法EnsemblPMID: 29155950 https://useast.ensembl.org/
人类遗传学ExAC PMID: 27535533http://exac.broadinstitute.org/
主要模式生物数据库FlyBase (黑腹果蝇)PMID:26467478http://flybase.org
模式生物数据库整合工具Gene2FunctionPMID: 28663344http://www.gene2function.org/search/
人类遗传学Geno2MPN/Ahttp://geno2mp.gs.washington.edu/Geno2MP/
人类遗传学gnomADPMID: 27535533http://gnomad.broadinstitute.org/
基因本体GO CentralPMID: 10802651, 25428369 http://www.geneontology.org/
人类基因/蛋白表达GTExPMID: 29019975, 23715323 https://gtexportal.org/home/
人类基因命名法HGNCPMID: 27799471 https://www.genenames.org/
主要模式生物数据库IMPC (小鼠)PMID: 27626380http://www.mousephenotype.org/
主要模式生物数据库MGI (小鼠)PMID:25348401http://www.informatics.jax.org/
模式生物数据库整合工具Monarch InitiativePMID: 27899636https://monarchinitiative.org/
人类变异体命名法MutalyzerPMID: 18000842 https://mutalyzer.nl/
人类遗传学OMIMPMID: 28654725https://omim.org/
主要模式生物数据库PomBase (裂殖酵母)PMID:22039153https://www.pombase.org/
文献PubMedN/Ahttps://www.ncbi.nlm.nih.gov/pubmed/
主要模式生物数据库RGD (大鼠)PMID:25355511https://rgd.mcw.edu/
主要模式生物数据库SGD (芽殖酵母)PMID: 22110037https://www.yeastgenome.org/
人类基因/蛋白表达人类蛋白质图谱PMID: 21752111https://www.proteinatlas.org/
主要模式生物数据库WormBase (秀丽隐杆线虫)PMID:26578572http://wormbase.org
主要模式生物数据库ZFIN (斑马鱼)PMID:26097180https://zfin.org/

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Yang, Y., et al. Clinical whole-exome sequencing for the diagnosis of mendelian disorders. New England Journal of Medicine. 369 (16), 1502-1511 (2013).
  2. Richards, S., et al. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genetics in Medicine. 17 (5), 405-424 (2015).
  3. MacArthur, D. G., et al. Guidelines for investigating causality of sequence variants in human disease. Nature. 508 (7497), 469-476 (2014).
  4. Wang, J., et al. MARRVEL: Integration of Human and Model Organism Genetic Resources to Facilitate Functional Annotation of the Human Genome. American Journal of Human Genetics. 100 (6), 843-853 (2017).
  5. Povey, S., et al. The HUGO Gene Nomenclature Committee (HGNC). Human Genetics. 109 (6), 678-680 (2001).
  6. Lek, M., et al. Analysis of protein-coding genetic variation in 60,706 humans. Nature. 536 (7616), 285-291 (2016).
  7. Wildeman, M., van Ophuizen, E., den Dunnen, J. T., Taschner, P. E. Improving sequence variant descriptions in mutation databases and literature using the Mutalyzer sequence variation nomenclature checker. Human Mutation. 29 (1), 6-13 (2008).
  8. Zhou, W., et al. TransVar: a multilevel variant annotator for precision genomics. Nature Methods. 12 (11), 1002-1003 (2015).
  9. Hu, Y., et al. An integrative approach to ortholog prediction for disease-focused and other functional studies. BMC Bioinformatics. 12, 357(2011).
  10. Amberger, J. S., Hamosh, A. Searching Online Mendelian Inheritance in Man (OMIM): A Knowledgebase of Human Genes and Genetic Phenotypes. Current Protocols in Bioinformatics. 58, 1(2017).
  11. Amberger, J. S., Bocchini, C. A., Scott, A. F., Hamosh, A. OMIM.org: leveraging knowledge across phenotype-gene relationships. Nucleic Acids Research. 47, 1038-1043 (2019).
  12. Liu, N., et al. Functional variants in TBX2 are associated with a syndromic cardiovascular and skeletal developmental disorder. Human Molecular Genetics. 27 (14), 2454-2465 (2018).
  13. Ropers, H. H., Wienker, T. Penetrance of pathogenic mutations in haploinsufficient genes for intellectual disability and related disorders. European Journal of Medical Genetics. 58 (12), 715-718 (2015).
  14. Shashi, V., et al. De Novo Truncating Variants in ASXL2 Are Associated with a Unique and Recognizable Clinical Phenotype. American Journal of Human Genetics. 100 (1), 179(2017).
  15. Chen, R., et al. Analysis of 589,306 genomes identifies individuals resilient to severe Mendelian childhood diseases. Nature Biotechnology. 34 (5), 531-538 (2016).
  16. Halvorsen, M., et al. Mosaic mutations in early-onset genetic diseases. Genetics in Medicine. 18 (7), 746-749 (2016).
  17. Kohler, S., et al. The Human Phenotype Ontology in 2017. Nucleic Acids Research. 45 (1), 865-876 (2017).
  18. Rentzsch, P., Witten, D., Cooper, G. M., Shendure, J., Kircher, M. CADD: predicting the deleteriousness of variants throughout the human genome. Nucleic Acids Research. 47 (1), 886-894 (2019).
  19. Sobreira, N., Schiettecatte, F., Valle, D., Hamosh, A. GeneMatcher: a matching tool for connecting investigators with an interest in the same gene. Human Mutation. 36 (10), 928-930 (2015).
  20. Sobreira, N. L. M., et al. Matchmaker Exchange. Current Protocols in Human Genetics. 95 (9), 31-39 (2017).
  21. Harnish, M., Deal, S., Wangler, M., Yamamoto, S. In vivo functional study of disease-associated rare human variants using Drosophila. Journal of Visualized Experiments. , (2019).
  22. Harrison, S. M., et al. Using ClinVar as a Resource to Support Variant Interpretation. Current Protocols in Human Genetics. 89, 11-18 (2016).
  23. MacDonald, J. R., Ziman, R., Yuen, R. K., Feuk, L., Scherer, S. W. The Database of Genomic Variants: a curated collection of structural variation in the human genome. Nucleic Acids Research. 42, Database issue 986-992 (2014).
  24. Firth, H. V., et al. DECIPHER: Database of Chromosomal Imbalance and Phenotype in Humans Using Ensembl Resources. American Journal of Human Genetics. 84 (4), 524-533 (2009).
  25. Thurmond, J., et al. FlyBase 2.0: the next generation. Nucleic Acids Research. 47, 759-765 (2019).
  26. Consortium, G. T. Human genomics. The Genotype-Tissue Expression (GTEx) pilot analysis: multitissue gene regulation in humans. Science. 348 (6235), 648-660 (2015).
  27. Ponten, F., Jirstrom, K., Uhlen, M. The Human Protein Atlas--a tool for pathology. Journal of Pathology. 216 (4), 387-393 (2008).
  28. The Gene Ontology, C. The Gene Ontology Resource: 20 years and still GOing strong. Nucleic Acids Research. , (2018).
  29. Mungall, C. J., et al. The Monarch Initiative: an integrative data and analytic platform connecting phenotypes to genotypes across species. Nucleic Acids Research. 45 (1), 712-722 (2017).
  30. Meehan, T. F., et al. Disease model discovery from 3,328 gene knockouts by The International Mouse Phenotyping Consortium. Nature Genetics. 49 (8), 1231-1238 (2017).
  31. Katoh, K., Rozewicki, J., Yamada, K. D. MAFFT online service: multiple sequence alignment, interactive sequence choice and visualization. Brief Bioinform. , (2017).
  32. Sievers, F., Higgins, D. G. Clustal Omega for making accurate alignments of many protein sequences. Protein Science. 27 (1), 135-145 (2018).
  33. Yoon, W. H., et al. Loss of Nardilysin, a Mitochondrial Co-chaperone for alpha-Ketoglutarate Dehydrogenase, Promotes mTORC1 Activation and Neurodegeneration. Neuron. 93 (1), 115-131 (2017).
  34. Deal, S., Yamamoto, S. Unraveling novel mechanisms of neurodegeneration through a large-scale forward genetic screen in Drosophila. Frontiers in Genetics. 9, (2019).
  35. Matamoros, A. J., Baas, P. W. Microtubules in health and degenerative disease of the nervous system. Brain Research Bulletin. 126, Pt 3 217-225 (2016).
  36. Theodosiou, A., Arhondakis, S., Baumann, M., Kossida, S. Evolutionary scenarios of Notch proteins. Molecular Biology and Evolution. 26 (7), 1631-1640 (2009).
  37. Shayevitz, C., Cohen, O. S., Faraone, S. V., Glatt, S. J. A re-review of the association between the NOTCH4 locus and schizophrenia. American Journal of Medical Genetics. Part B: Neuropsychiatric Genetics. 159 (5), 477-483 (2012).
  38. Wang, Z., et al. A review and re-evaluation of an association between the NOTCH4 locus and schizophrenia. American Journal of Medical Genetics. Part B: Neuropsychiatric Genetics. 141 (8), 902-906 (2006).
  39. Oriel, C., Lasko, P. Recent Developments in Using Drosophila as a Model for Human Genetic Disease. International Journal of Molecular Sciences. 19 (7), (2018).
  40. Hu, Y., Comjean, A., Mohr, S. E., FlyBase, C., Perrimon, N. Gene2Function: An Integrated Online Resource for Gene Function Discovery. G3. 7 (8), Bethesda. 2855-2858 (2017).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章