Article de méthode

Naviguer MARRVEL, un outil Web qui intègre la génomique humaine et l'information génétique des organismes modèles

9K vues

⸱

DOI :

10.3791/59542

⸱

15 août 2019

 ,  ,  , 
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

Dans cet article

Résumé

Ici, nous présentons un protocole pour accéder et analyser de nombreuses bases de données d'organismes humains et modèles efficacement. Ce protocole démontre l'utilisation de MARRVEL pour analyser les variantes candidates causant la maladie identifiées dans les efforts de séquençage de la prochaine génération.

Résumé

Grâce au séquençage de l'exome/génome, les généticiens humains identifient les variantes rares qui se séparent avec les phénotypes de la maladie. Pour évaluer si une variante spécifique est pathogène, il faut interroger de nombreuses bases de données pour déterminer si le gène d'intérêt est lié à une maladie génétique, si la variante spécifique a été rapportée auparavant, et quelles données fonctionnelles sont disponibles dans l'organisme modèle bases de données qui peuvent fournir des indices sur la fonction du gène chez l'homme. MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration) est un outil unique de collecte de données pour les gènes et variantes humains et leurs gènes orthologues dans sept organismes modèles, y compris chez la souris, le rat, le poisson zèbre, la mouche des fruits, le ver nématode, la fission levure, et la levure en herbe. Dans ce protocole, nous fournissons un aperçu de ce que MARRVEL peut être utilisé pour et discuter de la façon dont différents ensembles de données peuvent être utilisés pour évaluer si une variante d'importance inconnue (VUS) dans un gène pathogène connu ou une variante dans un gène d'importance incertaine (GUS) peut être Pathogènes. Ce protocole guidera un utilisateur à travers la recherche de plusieurs bases de données humaines simultanément en commençant par un gène humain avec ou sans une variante d'intérêt. Nous discutons également de la façon d'utiliser les données de OMIM, ExAC/gnomAD, ClinVar, Geno2MP, DGV et DECHIPHER. En outre, nous illustrons comment interpréter une liste de gènes candidats ortholog, modèles d'expression, et go termes dans les organismes modèles associés à chaque gène humain. En outre, nous discutons de la valeur des annotations de domaine structurel de protéine fournies et expliquons comment employer la fonction d'alignement de protéine de plusieurs espèces pour évaluer si une variante d'intérêt affecte un domaine évolué ou acide aminé. Enfin, nous discuterons de trois cas d'utilisation différents de ce site Web. MARRVEL est un site Web en libre accès facilement accessible conçu pour les chercheurs cliniques et de base et sert de point de départ pour concevoir des expériences pour des études fonctionnelles.

Introduction

L'utilisation de la technologie de séquençage de nouvelle génération est en pleine expansion dans les laboratoires de recherche et de génétique clinique1. Les analyses du séquençage de l'exome entier (WES) et du génome entier (WGS) révèlent de nombreuses variantes rares d'importance inconnue (VUS) dans des gènes pathogènes connus ainsi que des variantes dans des gènes qui n'ont pas encore été associés à une maladie mendélienne (GUS : gènes d'incertitude signification). Avec une liste de gènes et de variantes dans un rapport de séquence clinique, les généticiens médicaux doivent visiter manuellement plusieurs ressources en ligne pour obtenir plus d'informations pour évaluer quelle variante peut être responsable d'un certain phénotype vu chez le patient d'intérêt . Ce processus prend beaucoup de temps et son efficacité dépend fortement de l'expertise de l'individu. Bien que plusieurs documents de référence aient été publiés2,3, l'interprétation de WES et WGS nécessite une curation manuelle car il n'y a pas encore de méthodologie normalisée pour l'analyse des variantes. Pour l'interprétation de VUS, la connaissance sur la relation génotype-phénotype précédemment rapportée, le mode d'héritage, et les fréquences d'allèle dans la population générale deviennent valables. En outre, la connaissance de si la variante affecte un domaine critique de protéine, ou un résidu conservationnaire évolutionnellement peut augmenter ou diminuer la probabilité de pathogénie. Pour recueillir toutes ces informations, il faut généralement naviguer à travers 10-20 bases de données d'organismes humains et modèles puisque l'information est dispersée à travers le World Wide Web.

De même, les scientifiques de l'organisme modèle qui travaillent sur des gènes et des voies spécifiques sont souvent intéressés à relier leurs résultats aux mécanismes des maladies humaines et souhaitent tirer parti des connaissances qui sont générées dans le domaine de la génomique humaine. Cependant, en raison de l'expansion et de l'évolution rapides des ensembles de données concernant le génome humain, il a été difficile d'identifier les bases de données qui fournissent des informations utiles. En outre, étant donné que la plupart des bases de données d'organismes modèles sont conçues pour les chercheurs qui travaillent quotidiennement avec l'organisme spécifique, il est très difficile, par exemple, pour un chercheur de souris de rechercher des informations spécifiques dans une base de données Drosophila et vice versa. Semblable aux recherches d'interprétation de variante effectuées par les généticiens médicaux, l'identification de l'information utile d'organisme humain et d'autres modèles est longue et dépend fortement de l'arrière-plan du chercheur de l'organisme modèle. MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration)4 est un outil conçu pour les deux groupes d'utilisateurs afin de rationaliser leur flux de travail.

MARRVEL (http://marrvel.org) a été conçu comme un moteur de recherche centralisé qui recueille systématiquement des données de manière efficace et cohérente pour les cliniciens et les chercheurs. Grâce à l'information provenant de 20 bases de données accessibles au public ou plus, ce programme permet aux utilisateurs de recueillir rapidement des informations et d'accéder à un grand nombre de bases de données d'organismes humains et modèles sans recherches réitatrices. Les pages de résultats de recherche contiennent également des hyperliens vers les sources d'information d'origine, permettant aux individus d'accéder aux données brutes et de recueillir des informations supplémentaires fournies par les sources.

Contrairement à bon nombre des outils de priorisation de variante qui nécessitent une entrée de données de séquençage à grande échelle sous la forme de fichiers VCF ou BAM et d'installations de logiciels souvent propriétaires/commerciaux, MARRVEL fonctionne sur n'importe quel navigateur Web. Il peut être utilisé sans frais et compatible avec les appareils portables (par exemple smartphones, tablettes) tant que l'on est connecté à Internet. Nous avons choisi ce format puisque de nombreux cliniciens et chercheurs ont généralement besoin de rechercher un ou quelques gènes et variantes à la fois. Notez que nous développons des fonctionnalités de téléchargement par lots et d'API (interface de programmation d'applications) pour MARRVEL afin de permettre éventuellement aux utilisateurs de rechercher des centaines de gènes et de variantes à la fois grâce à des outils de requête personnalisés si nécessaire.

En raison de la large gamme d'applications, dans ce protocole, nous décrirarons une approche largement globale sur la façon de naviguer à travers différents ensembles de données que MARRVEL affiche. Des exemples plus ciblés qui sont adaptés aux besoins spécifiques des utilisateurs seront décrits dans la section Résultats représentatifs. Il est important de noter que le résultat de MARRVEL nécessite encore un certain niveau de connaissances de base en génétique humaine ou en organismes modèles pour extraire des informations précieuses. Nous renvoyons les lecteurs au tableau qui répertorie les documents primaires qui décrivent la fonction de chacune des bases de données originales qui sont organisées par MARRVEL (tableau 1). Le protocole suivant est divisé en trois sections : (1) Comment commencer une recherche, (2) comment interpréter les résultats génétiques humains DE MARRVEL, et (3) comment utiliser les données de l'organisme modèle dans MARRVEL. Dans la section Résultats représentatifs, des approches plus ciblées et spécifiques sont décrites. MARRVEL est activement mis à jour donc s'il vous plaît se référer à la page FAQ du site Web actuel pour plus de détails sur les sources de données. Nous recommandons fortement aux utilisateurs de MARRVEL de s'inscrire afin de recevoir des notifications de mise à jour par le biais du formulaire de soumission par e-mail au bas de la page d'accueil de MARRVEL.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

1. Comment commencer une recherche

  1. Pour la recherche basée sur le gène humain et les variantes, passez aux étapes 1.1.1.-1.1.2. Pour la recherche basée sur des gènes humains (pas d'entrée de variante), passez à l'étape 1.2. Pour la recherche basée sur les gènes de l'organisme modèle, reportez-vous aux étapes 1.3.1.-1.3.2.
    1. Rendez-vous sur la page d'accueil de MARRVEL4 à http://marrvel.org/. Commencez par entrer dans un symbole génétique humain. Assurez-vous que les noms de gènes candidats sont énumérés sous la boîte d'entrée avec chaque entrée de caractère. Si la recherche revient négative, assurez-vous que le symbole génétique utilisé est à jour en utilisant le site Web du Comité de nomenclature génique HUGO5 (HGNC; https://www.genenames.org/).
    2. Entrez une variante humaine. La barre de recherche est compatible avec deux types de nomenclature de variante : l'emplacement du génome similaire à la façon dont les variantes sont affichées sur ExAC et GnomAD6 et la nomenclature basée sur la transcription selon les directives du SGV. Des exemples de ces formats sont affichés en texte gris dans la zone de recherche. Pour la nomenclature de localisation génomique, utilisez les coordonnées selon hg19/GRCh37. Procéder à l'étape 2.
      REMARQUE : Si une recherche renvoie une erreur, les problèmes les plus courants sont soit le symbole génétique n'est pas à jour, soit la nomenclature variante est incorrecte. Dans ces cas, les sites Web HGNC (https://www.genenames.org/), Mutalyzer7 (https://www.mutalyzer.nl/) et TransVar8 (https://bioinformatics.mdanderson.org/transvar/) sont d'excellentes ressources pour corriger l'erreur. HGNC fournit des symboles génétiques officiels et leurs alias pour tous les gènes humains.
    3. Si vous rencontrez encore des messages d'erreur après avoir confirmé que le nom du gène est à jour, utilisez Mutalyzer et TransVar pour vérifier et convertir la nomenclature des variantes.
    4. Dans certaines situations, comme un changement de symbole génétique très récent dans HGNC, essayez d'utiliser un synonyme pour le gène et s'il vous plaît contacter l'équipe d'exploitation MARRVEL en utilisant l'onglet "Feedback" afin de mettre à jour les données source, comme MARRVEL peut ne pas fournir les informations correctes en raison d'un décalage dans les données jusqu'à date.
  2. Entrez un symbole de gène humain et laissez la barre de recherche de variante humaine vide. Si une erreur est rencontrée, rendez-vous à HGNC (https://www.genenames.org/) pour vérifier le symbole génétique officiel ou essayez un ancien symbole génétique.
    1. Cliquez sur l'onglet Recherche d'organismes modèles sur la bannière supérieure (Figure 1) ou rendez-vous sur http://marrvel.org/model. Sélectionnez l'organisme modèle de choix et entrez un symbole de gène d'organisme modèle. Cliquez sur le symbole du gène lorsque le nom est autoterminé, puis cliquez sur Recherche. Si le résultat de la recherche est négatif, vérifiez le symbole génétique officiel qui est utilisé dans les bases de données des organismes modèles (tableau 1).
    2. Si le résultat de la recherche est toujours négatif, accédez à DIOPT (DRSC Integrative Ortholog Prediction Tool, https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl) et HCOP (https://www.genenames.org/tools/hcop/) pour évaluer s'il n'y a pas de bons orthologs prévus pour le gène d'intérêt. DIOPT est un moteur de recherche ortholog prédiction géré par le DRSC (Drosophila RNAi Screening Center) et HCOP est une suite similaire développée par HGNC.
      REMARQUE : Des recherches supplémentaires à l'aide de BLAST (https://blast.ncbi.nlm.nih.gov/Blast.cgi) peuvent permettre aux utilisateurs de trouver des orthologs qui peuvent être manqués par les algorithmes de prédiction utilisés dans DIOPT et HCOP.
    3. Cliquez sur le MARRVEL il en bas pour l'ortholog humain prédit de choix. Vérifier le score DIOPT9 et meilleur score du gène humain à l'organisme modèle? pour la sélection du gène humain. Passez à l'étape 2.
      REMARQUE : Le score9 de DIOPT(https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl) est une valeur du nombre d'algorithmes de prédiction ortholog prédisent qu'une paire de gènes dans deux organismes sera orthologue l'un à l'autre. Pour plus d'informations sur ces valeurs et les algorithmes spécifiques utilisés pour calculer ce score, se référer à Hu et al9. Lorsque le meilleur score du gène humain à l'organisme modèle? est Oui, il indique que le gène humain est plus probable un véritable orthologs humains du gène d'intérêt, mais il pourrait y avoir des exceptions, surtout lorsque plusieurs gènes humains sont orthologues à gènes d'organismes modèles multiples en raison d'événements de duplication de gènes au cours de l'évolution. Si le gène d'intérêt est un membre d'une famille de gènes complexes qui ont subi une évolution divergente chez plusieurs espèces, les utilisateurs doivent identifier une publication qui a effectué une analyse phylogénétique approfondie de la famille de gènes d'intérêt pour identifier le plus gène candidat ortholog probable.

2. Comment interpréter les résultats génétiques humains MARRVEL pour une recherche de gènes et de variantes

REMARQUE : Sur la page des résultats, sept bases de données humaines sont affichées (tableau1, figure 1). Pour chaque boîte de sortie, il y a un bouton de lien externe (petite boîte avec uneflèche diagonale) sur le coin supérieur droit qui sera relié à la base de données d'origine pour plus de détails.

  1. Cliquez sur OMIM (Online Mendelian Inheritance in Man, https://www.omim.org/)10, la première base de données qui est affichée.
    REMARQUE : L'OMIM est une base de données organisée manuellement qui regroupe et résume l'information sur les maladies génétiques et les traits chez l'humain.
    1. Utilisez la boîte de description des gènes humains de l'OMIM pour un bref résumé de ce que l'on sait sur le gène et le produit génétique.
    2. Utilisez la boîte De relations gènes-phénotypes pour déterminer si ce gène est un gène pathogène connu ou non. Cette boîte fournit des associations connues de maladie ou de phénotype ascurées manuellement avec le gène d'intérêt.
    3. Utilisez les Allèles signalés de la boîte OMIM pour obtenir une liste de variantes pathogènes organisées par OMIM.
      REMARQUE : Étant donné que la conservation manuelle d'une publication concernant une nouvelle découverte de gène de la maladie est nécessaire pour que toute association de gène-maladie apparaisse dans OMIM, un certain décalage et/ou publications manquées peuvent mener à l'idée fausse. Il est recommandé aux utilisateurs d'effectuer des recherches PubMed (https://www.ncbi.nlm.nih.gov/pubmed/) pour examiner la littérature récente (voir 4.1.2.). Pour plus d'informations organisée dans OMIM, se référer à Amberger10,11.
  2. claquerExAC (En)(Consortium d'agrégation d'exome, http://exac.broadinstitute.org/)6et gnomAD(Genome Aggregation Database, http://gnomad.broadinstitute.org/), de grandes bases de données de génomique de population basées sur WES et WGS des personnes qui sont choisies pour exclure les maladies pédiatriques graves.
    REMARQUE : L'ExAC contient 60 000 WES tandis que le gnomAD contient 120 000 WES et 15 000 WGS. L'ExAC et le gnomAD peuvent être utilisés comme base de données de population témoin, particulièrement pour les désordres pédiatriques graves, mais son interprétation exige un certain degré de prudence. En général, le gnomAD peut être considéré comme une version mise à jour et élargie de l'ExAC puisque la plupart des cohortes qui sont incluses dans l'ExAC sont également incluses dans le gnomAD. Toutefois, comme il y a quelques exceptions (voir les données de cohorte dans http://exac.broadinstitute.org/about et http://gnomad.broadinstitute.org/about, respectivement), MARRVEL affiche les données des deux sources.
    1. Utilisez la case Desynthèse des gènes de la population témoin pour obtenir des statistiques génétiques telles que la probabilité de trouver la perte de fonction (LOF) allèle dans la population générale. C'est ce qu'on appelle le score pLI (probabilité d'intolérance LOF) dans ExAC et peut être utilisé pour déduire la probabilité d'une copie unique d'un allèle LOF pour un gène spécifique peut causer une maladie dominante par des mécanismes haplo-insuffisants.
      REMARQUE : En regardant le score de pLI d'un gène a la valeur, particulièrement en traitant des désordres dominants qui présentent comme maladies pédiatriques graves liées aux variantes de novo. Si un gène a un score de pLI de 0,00, cela signifie qu'il est très tolérant des variantes de LOF donc le gène cause peu probable la maladie par l'intermédiaire d'un mécanisme dominant d'haploinsufficiency. Ceci n'exclut pas nécessairement d'autres gains dominants de fonction (GOF) ou les mécanismes négatifs dominants négociés peuvent causer la maladie. En outre, les gènes qui causent les maladies récessives peuvent avoir de faibles scores pLI puisque les carrières sont censées être trouvées dans la population générale. D'autre part, si un gène a un score pLI de 1,00, il est possible que la perte d'une copie de ce gène est préjudiciable pour la santé humaine. D'autres recherches dans des sites Web tels que DOMINO (https://wwwfbm.unil.ch/domino/) peuvent également être utilisées en combinaison pour évaluer la probabilité d'une variante dans un gène spécifique causant un trouble dominant.
    2. Utilisez les deux cases suivantes pour obtenir les fréquences allèle de la variante d'intérêt dans ExAC et gnomAD, respectivement pour aider à interpréter si oui ou non la variante peut être pathogène selon si le patient a la maladie dominante ou récessive. Cette boîte ne s'affiche que lorsque l'utilisateur saisit des informations variables lors de l'lancement de la recherche.
      REMARQUE : Si l'on émet l'hypothèse d'un scénario de maladie récessive et que le score pLI du gène d'intérêt est faible, il faut prêter attention à la fréquence d'allèle énumérée ici. Certains généticiens peuvent établir un point de coupure de 0,005 à 0,0001 comme fréquence maximale d'allèle pour les variantes pathogènes qui peuvent causer une maladie récessive ment héréditaire grave2. D'autre part, si l'on émet l'hypothèse d'un scénario de maladie dominante, il est moins probable de trouver la variante identique ou similaire dans une population témoin. Encore une fois, cela exige la prudence parce que les personnes avec des désordres de début tardif, des maladies avec la présentation douce, les désordres psychiatriques ou les maladies non examinées par les chercheurs d'ExAC/gnomAD peuvent toujours être incluses et la variante peut toujours être une pathogène dominante variante. En outre, il y a eu quelques exemples de variantes liées aux conditions pédiatriques trouvées dans quelques individus dans ces bases de données12,13,14, potentiellement dues à la penetrance incomplète ou au mosaicism somatique13 , 15 Annonces , 16. En outre, bien que l'ExAC et le gnomAD affichent des variantes qui se trouvent dans un état homozygote, il n'indiquera pas si l'une des variantes se trouve dans un état hétérozygous composé. Enfin, certaines variantes trouvées dans ces bases de données sont étiquetées comme étant peu confiantes en raison de difficultés techniques dans le séquençage (p. ex. faible couverture de séquence, séquence répétitive). Pour examiner plus attentivement ces ensembles de données, il est recommandé aux utilisateurs d'utiliser le bouton de lien externe pour visiter les sites Web ExAC et gnomAD d'origine pour obtenir des informations supplémentaires.
  3. Cliquez sur Geno2MP (Genotype to Mendelian Phenotype Browser, http://geno2mp.gs.washington.edu/Geno2MP/), une collection de données basées sur WES du Centre de génétique mendélienne de l'Université de Washington. Il contient environ 9 600 exomes (au 18/10/2019) de personnes touchées et de parents non affectés avec quelques descriptions phénotypiques (figure 1).
    1. Utilisez la boîte de population de la maladie pour obtenir la fréquence allèle de la variante d'intérêt dans cette cohorte.
    2. Utilisez la boîte De relations génotype pour obtenir HPO (ontologie phénotype humaine)17 termes pour les personnes ayant la variante d'intérêt. C'est l'une des nombreuses façons pour l'on de chercher des patients qui peuvent avoir la même maladie.
      REMARQUE : Si un gène d'intérêt est suspecté d'être associé à la maladie d'un patient et qu'il existe des correspondances trouvées dans Geno2MP, des informations importantes supplémentaires peuvent être présentes dans la source de données au-delà de ce qui est affiché.
      1. Cliquez sur le bouton de lien externe vers la page spécifique au gène sur Geno2MP, filtrez les mutations similaires à celles du patient (p. ex., missense, LOF), et examinez attentivement les listes de variantes. Prenez note des variantes avec des scores CADD18 élevés et cliquez sur les profils HPO. Par exemple, les scores CADD supérieurs à 20 sont dans le top 1% de toutes les variantes prévues pour être délétères, les scores CADD qui sont supérieurs à 10 sont dans le top 10%. Les termes HPO fournissent une description normalisée des phénotypes humains. Ici, assurez-vous de vérifier si la variante a été identifiée chez une personne touchée ou chez un parent.
      2. Si des variantes sont trouvées chez les patients qui sont affectés dans le même système d'organes que le patient, envisagez d'utiliser le formulaire de courriel pour contacter le médecin qui a soumis ces cas à Geno2MP en utilisant la fonctionnalité fournie sur le site Web geno2MP.
        REMARQUE : Tous les médecins ne répondent pas à de telles questions, alors on devrait explorer d'autres avenues de jumeletme pour les patients. D'autres façons de rassembler une cohorte de patients touchés par les mêmes maladies est d'utiliser des outils tels que GeneMatcher19 (https://www.genematcher.org/) et d'autres bases de données qui font partie de la Matchmaker Exchange19,20 ( https://www.matchmakerexchange.org/). Voir l'article joVE d'accompagnement pour plus d'informations sur le jumelet21.
  4. Utiliser la base de données ClinVar (https://www.ncbi.nlm.nih.gov/clinvar/)22, soutenue par les National Institutes of Health (NIH), où chercheurs et cliniciens soumettent des variantes avec ou sans détermination de la pathogénie, pour vérifier variantes de nucléotide unique (SNV), petites indels et plus grandes variations de nombre de copies (CNV).
    1. Utilisez la rangée supérieure pour consulter un résumé du nombre de variations signalées dans ClinVar (Figure 1).
    2. Consultez la liste des variantes ci-dessous dans la boîte Alleles signalés de ClinVar.
      REMARQUE : Si une variante a été incluse dans la recherche initiale, les variantes mises en évidence dans sarcelle sont toutes des variantes qui incluent l'emplacement génomique de la variante d'intérêt [y compris les grands CNV, qui sont souvent étiquetés comme; coordonnées génomiques... x1 (suppression) et ... x3 (duplication)].
  5. Utilisez DGV23 (Database of Genomic Variants, http://dgv.tcag.ca/dgv/app/home) et DECIPHER24 (DatabasE of genomiC varIation and Phenotype in Humans using Ensembl Resources, https://decipher.sanger.ac.uk/), both collections de CNV. DGV est la plus grande collection d'accès public de variantes structurelles de plus de 54 000 personnes. Cette base de données comprend des échantillons d'individus en bonne santé, au moment de la vérification, de jusqu'à 72 études différentes. De même, les données affichées à partir de DECIPHER comprennent des variantes communes de la population témoin.
    REMARQUE : Étant donné que MARRVEL n'a pas la permission d'afficher les données provenant de DECIPHIER, les utilisateurs sont encouragés à visiter directement le site Web de DECIPHER pour accéder à des renseignements potentiellement pathogènes sur le VNC.
    1. Cliquez sur la case De variation du nombre de copies dans la base de données de contrôle (base de données DGV) pour obtenir des variantes qui contiennent le gène d'intérêt. Des informations telles que la taille, le sous-type et la référence de la variation du nombre de copies se trouvent dans la même boîte.
    2. Cliquez sur la case Variables de nombre de copie commune (base de données DECIPHER) pour obtenir des variantes qui contiennent l'emplacement génomique de la variante d'intérêt. Ces informations peuvent aider à déterminer si le gène est dupliqué ou supprimé chez les personnes témoins.
      REMARQUE : Si le gène d'intérêt est supprimé chez de nombreuses personnes de la population témoin, cela signifie que ce gène est susceptible d'être très tolérant aux variantes de LOF. Comme les scores bas de pLI, ceci suggère qu'une perte simple de copie de ce gène soit moins susceptible de causer une maladie grave par l'intermédiaire d'un mécanisme d'haploinsufficiency. Cela n'exclut pas nécessairement d'autres gains dominants de fonction ou de mécanismes négatifs dominants (p. ex. alleles antimorphes, hypermorphes et néomorphes) causés par des alleles spécifiques de mauvaise sensibilité et de tronquation.  Parmi les limites possibles à ces données, mentionnons la variation de la source et de la méthode des données acquises, le manque d'information sur la pénétration incomplète des VNC pathogènes et la question de savoir si les individus ont développé certaines maladies après la collecte de données.

3. Comment utiliser les données de l'organisme modèle dans MARRVEL

  1. Utilisez le tableau de la fonction génique pour obtenir les informations suivantes pour huit organismes modèles, y compris l'homme (humain, rat, souris, poisson zèbre, drosophila, C elegans, levure en herbe et levure de fission):
    1. Nom du gène: Étant donné que chaque nom de gène est hyperrelié aux pages génétiques des bases de données respectives des organismes modèles, cliquez sur ces liens pour en savoir plus sur les informations phénotypiques et les ressources disponibles pour chaque organisme modèle. Par exemple sur FlyBase25 (http://flybase.org/), il y aura une liste de tous les allèles qui ont été générés, leurs phénotypes respectifs et la disponibilité de chaque allèle des centres publics de stock.
    2. Lien PubMed: Cliquez sur le lien PubMed pour aller à une liste de publications qui se rapporte au gène d'intérêt dans chaque organisme. Sans utiliser ces liens, la recherche du gène humain directement dans PubMed peut conduire à manquer certaines publications qui ont utilisé un ancien pseudonyme de gène pour se référer au gène humain. De même, les noms de gènes d'organisme modèle peuvent avoir fluctué historiquement.
    3. DIOPT DIOPT 9 score: Vérifiez cette colonne pour un score de combien d'algorithmes de prédiction ortholog prédire le gène est susceptible d'être un ortholog du gène humain d'intérêt. On peut utiliser un score DIOPT de 3 ou plus comme une coupure raisonnable pour identifier les candidats ortholog solides. Cependant, il y a des cas où les orthologs authentiques ont seulement un score de DIOPT de 1 dû à l'homologie limitée. En haut de la table de la fonction génique, décochez la case « Montrez seulement le meilleur gène de score DIOPT » pour afficher tous les candidats qui incluent généralement des gènes homologues qui ne sont pas nécessairement des orthologs.
    4. Expression: Consultez cette colonne pour la liste des tissus où le gène ou la protéine d'intérêt a été signalé pour être exprimé dans les bases de données des organismes humains ou modèles. Les données sur l'expression des gènes et des protéines humaines proviennent respectivement de GTEx26 (https://gtexportal.org/) et de Human Protein Atlas27 (https://www.proteinatlas.org/), respectivement. Certains ont un bouton avec des liens pop-up, comme pour l'homme et pour la mouche qui affichent le modèle d'expression à l'aide d'une carte thermique, tandis que d'autres sont hyperliés à des pages de bases de données d'organismes modèles respectifs.
    5. Généologie de l'Ontario 28 (GO) termes: Filtrer par des codes de preuves expérimentales et obtenir à partir de bases de données respectives des organismes humains ou modèles. Les termes GO basés sur les « codes de preuve d'analyse computationnelle » et les « codes de preuve d'annotation électronique » (prévisions) ne sont pas affichés. Veuillez visiter chaque site Web de l'organisme modèle pour recueillir ces informations si nécessaire.
    6. D'autres liens tels que Monarch Initiative29 (https://monarchinitiative.org/) et IMPC30 (http://www.mousephenotype.org/): Utilisez l'hyperlien Monarch Initiative pour naviguer vers la page Phenogrid pour le gène humain spécifique, un tableau qui fournit une comparaison rapide entre les phénotypes associés au gène d'intérêt aux maladies humaines connues et aux mutants modèles d'organismes qui ont des chevauchements phénotypiques. Si un gène de souris a une souris knock-out faite ou planifiée par l'International Mouse Phenotyping Consortium (IMPC), le "IMPC" liens vers la page qui détaille le phénotype de la souris knock-out et sa disponibilité à partir de centres boursiers publics.
  2. L'homme Domaines protéiques: Utilisez la boîte de domaines de protéines génétiques humaines pour obtenir les domaines protéiques prévus du gène humain. Les données sont dérivées de DIOPT, qui utilise Pfam (https://pfam.xfam.org/) et CCD (Conserved Domains Database, https://www.ncbi.nlm.nih.gov/Structure/cdd/cdd.shtml). Un seul résidu peut-être annoté plus d'une fois en raison d'un certain chevauchement dans les domaines annotés dans les deux sources.
  3. Utilisez la boîte d'alignement des protéines multiples pour obtenir l'alignement multiple d'acide aminé généré par DIOPT9 qui comprend l'homme (hs), le rat (rn), la souris (mm), le poisson zèbre (dr), la mouche des fruits (dm), le ver (ce) et les levures (sc et sp). Pour mettre en évidence l'acide aminé d'intérêt, faites défiler vers le bas de la boîte et entrez les nombres d'acides aminés ci-dessous et les acides aminés d'intérêt seront mis en évidence dans sarcelle. L'alignement est fourni par DIOPT et utilise mAFFT aligner (programme d'alignement multiple pour les séquences d'acide aminé ou de nucléotide, https://mafft.cbrc.jp/alignment/software/31).
    REMARQUE: Si l'acide aminé qui est mis en évidence en fonction du nombre n'est pas celui prévu, il peut être dû à différents isoformes d'épissage utilisés pour l'alignement. En principe, DIOPT utilise l'isoforme le plus long pour s'afficher dans cette boîte. En outre, pour les segments de gènes qui ne sont pas bien conservés, l'alignement des séquences multi-espèces en utilisant des paramètres par défaut peut ne pas être optimal. Nous vous recommandons d'utiliser d'autres sites Web et logiciels comme Clustal Omega et ClustalW/X (http://www.clustal.org/)32 afin d'optimiser les paramètres d'alignement et les matrices en conséquence.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Les généticiens humains et les scientifiques modèles d'organismes utilisent chacun MARRVEL de manière distincte, chacun ayant des résultats différents souhaités. Voici trois vignettes d'utilisations possibles pour MARRVEL.

Évaluer la pathogénie d'une variante d'une maladie dominante
La plupart des utilisateurs qui visitent MARRVEL utilisent ce site Web pour analyser la probabilité qu'une variante humaine rare peut causer une certaine maladie. Par exemple, une variante erron...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Les étapes critiques de ce protocole comprennent l'entrée initiale (étapes 1.1-1.3) et l'interprétation ultérieure de la sortie. La raison la plus courante pour laquelle les résultats de recherche sont négatifs est en raison des nombreuses façons dont un gène et / ou une variante peut être décrite. Bien que MARRVEL soit mis à jour sur une base planifiée, ces mises à jour peuvent provoquer des déconnexions entre les différentes bases de données auxquelles MARRVEL est lié. Ainsi, la première étape du dépannage consiste inv...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n'ont rien à révéler.

Remerciements

Nous remercions les Drs 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, et Norbert Perrimon pour leur soutien dans le développement et l'entretien de MARRVEL. Nous sommes reconnaissants à Samantha L. Deal et à J. Michael Harnish pour leur contribution sur ce manuscrit.

Le développement initial de MARRVEL a été soutenu en partie par le Centre de dépistage des organismes modèles du Réseau des maladies non diagnostiquées par l'entremise du Fonds commun des NIH (U54NS093793) et par l'intermédiaire du Bureau des programmes d'infrastructure de recherche des NIH (ORIP) (R24OD022005). JW est soutenu par le NIH Eunice Kennedy Shriver National Institute of Child Health and Human Development (F30HD094503) et The Robert and Janice McNair Foundation McNair MD/PhD Student Scholar Program au BCM. HJB est également soutenu par le NIH National Institute of General Medical Sciences (R01GM067858) et est un chercheur de l'Institut médical Howard Hughes. ZL est soutenu par le NIH National Institute of General Medical Science (R01GM120033), National Institute of Aging (R01AG057339), et la Fondation Huffington. SY a reçu un soutien supplémentaire de l'Institut national des NIH sur la surdité et d'autres troubles de la communication (R01DC014932), de la Fondation Simons (Prix SFARI : 368479), de la Alzheimer's Association (New Investigator Research Grant: 15-364099), de la famille Naman Fonds pour la recherche fondamentale et Fonds de droit Caroline Wiess pour la recherche en médecine moléculaire.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Génétique humaineClinVarPMID : 29165669 https://www.ncbi.nlm.nih.gov/clinvar/
Génétique humaineDECHIFFRERPMID : 19344873https://decipher.sanger.ac.uk/
Génétique humaineDGVPMID :  ; 24174537http://dgv.tcag.ca/dgv/app/home
Prédiction d’orthologieDIOPTPMID : 21880147  ;https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl
Nomenclature des gènes/transcrits humainsEnsemblPMID : 29155950  ;https://useast.ensembl.org/
Génétique humaineExAC  ;PMID : 27535533http://exac.broadinstitute.org/
Primary Model Organism DatabasesFlyBase (Drosophila)PMID :26467478http://flybase.org
Organism Database Integration ToolsGene2FunctionPMID :28663344 http://www.gene2function.org/search/
Human GeneticsGeno2MPN/Ahttp://geno2mp.gs.washington.edu/Geno2MP/
Génétique humainegnomADPMID : 27535533http://gnomad.broadinstitute.org/
Ontologie géniqueGO CentralPMID : 10802651, 25428369http://www.geneontology.org/
Expression génique/protéique humaineGTExPMID : 29019975, 23715323https://gtexportal.org/home/
Nomenclature des gènes humainsHGNCPMID : 27799471  ;https://www.genenames.org/
Bases de données primaires sur les organismes modèlesIMPC (souris)PMID : 27626380http://www.mousephenotype.org/
Bases de données primaires sur les organismes modèlesMGI (souris)PMID : 25348401http://www.informatics.jax.org/
Outils d’intégration de bases de données d’organismes modèlesInitiative Monarch PMID: 27899636https://monarchinitiative.org/
Variant NomenclatureMutalyzerPMID : 18000842https://mutalyzer.nl/
Génétique humaineOMIMPMID :28654725 https://omim.org/
Bases de données d’organismes modèles primairesPomBase (levure à fission)PMID :22039153https://www.pombase.org/
LittératurePubMedN/Ahttps://www.ncbi.nlm.nih.gov/pubmed/
Bases de données d’organismes modèles primairesRGD (rat)PMID :25355511https://rgd.mcw.edu/
Bases de données sur les organismes modèles primairesSGD (levure bourgeonnante)PMID : 22110037https://www.yeastgenome.org/
Expression des gènes/protéines humainsL’Atlas des protéines humainesPMID : 21752111https://www.proteinatlas.org/
Bases de données sur les organismes modèles primairesWormBase (C. elegans)PMID : 26578572http://wormbase.org
Bases de données sur les organismes modèles primairesZFIN (poisson zèbre)Réf. : 26097180https://zfin.org/
Model Human

Références

  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).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Analyse des variants raresRecherche de variants g niquesPr diction d orthologuesAnnotation des domaines prot iquesAlignement de prot ines multiplesTermes de l ontologie g niqueDiagnostic de maladies

Articles connexes