$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Dit protocol werd goedgekeurd door de Ethische Commissie van de Faculteit Geneeskunde van de Universiteit van Ege. Alle perifere bloedmonsters zijn genomen nadat schriftelijke geïnformeerde toestemming was verkregen van patiënten of hun wettelijke voogden, in overeenstemming met de Verklaring van Helsinki. Deze retrospectieve studie met één centrum was ontworpen om de frequentie van interferonopathie-geassocieerde varianten bij patiënten die genetische analyse ondergaan op vermoedelijke auto-inflammatoire ziekte te evalueren en om hun relatie met vasculitis te onderzoeken. Tussen 2022 en 2025 werden perifere bloedmonsters opgenomen die naar het Laboratorium voor Moleculaire Geneeskunde van de Universiteit van Ege werden gestuurd met een voorlopige diagnose van autoinflammatoire ziekte. In totaal ondergingen 1.204 monsters een genetische analyse. CES/WES werd gebruikt als een next-generation sequencing (NGS) benadering gericht op exonen en aangrenzende intronic-sequenties. Varianten werden geclassificeerd volgens ACMG-criteria en bio-informatische analyse. Goedaardige en mogelijk goedaardige varianten werden uitgesloten. Hiervan werden 132 pediatrische gevallen met geïdentificeerde interferonopathie-geassocieerde varianten die aan de inclusiecriteria voldeden, opgenomen in de laatste studiecohort.
Binnen deze pediatrische cohort werden klinische gegevens opgehaald uit een reumatologiekliniekdatabase. In totaal werden 92 unieke genetische varianten geïdentificeerd onder de 132 patiënten, waaronder 13 eerder gerapporteerde pathogene of waarschijnlijk pathogene varianten die zijn gedocumenteerd in openbare variantdatabases (bijv. ClinVar) en 79 nieuwe varianten die in februari 2026 ontbraken in openbare databases. De meeste varianten waren heterozygoot en werden geassocieerd met CAPS-achtige fenotypes of complexe auto-inflammatoire vasculitis-presentaties. WES gebruikte een NGS-benadering gericht op eiwitcoderende regio's (exonen) en aangrenzende intronic-sequenties om splitsite- en regulatievarianten te detecteren. Hoewel WES ongeveer 1%–2% van het menselijk genoom beslaat, vangt het bijna 85% van de bekende ziekteverwekkende mutaties, waardoor het een zeer efficiënt hulpmiddel is voor het opsporen van zeldzame varianten.
De laboratoriumworkflow omvatte genomische DNA-extractie uit perifere bloed, DNA-fragmentatie, adapter-ligated library preparation en exoomverrijking met behulp van hybridisatie-gebaseerde capture probes via biotine-streptavidine pulldown. High-throughput paired-end sequencing werd uitgevoerd op een DNA-nanoballsequencingplatform, waarbij een gemiddelde dekkingsdiepte van 100–200x werd bereikt om betrouwbare variantdetectie te garanderen. Bio-informatische analyse hield in dat het werd uitgelijnd op het referentiegenoom, variantroep werd gebruikt en werd annoteerd met behulp van gecureerde variantdatabases, waarbij variantclassificatie werd uitgevoerd volgens de richtlijnen van het American College of Medical Genetics and Genomics (ACMG). Varianten werden gecategoriseerd als eerder gerapporteerd of nieuw. Geselecteerde varianten werden gevalideerd door Sanger-sequencing.
Naast standaard bio-informatische pijplijnen werden fysica-gebaseerde signaalverwerkingsprincipes en vereenvoudigde computationele modellering toegepast om sequencingdiepte, dekkingsuniformiteit en signaal-ruiskenmerken te beoordelen, waardoor een verkennende, aanvullende laag werd geboden voor het analyseren van ruwe sequencingdiepte en regionale dekking. Bovendien werden biofysische modelleringsconcepten gebruikt om de cumulatieve impact van vasculitis-geassocieerde genetische varianten te evalueren.
Dit interdisciplinaire kader dient als een voorlopig laboratoriummodel om variantfilteringskenmerken te bestuderen in een verkennende onderzoekscontext, met name om anti-interferon therapeutische strategieën te sturen. Beperkingen zijn onder meer een verminderde gevoeligheid voor laag-niveau mozaïekvarianten en de noodzaak van functionele validatie van nieuwe bevindingen. Potentiële toepassingen zijn onder meer vroege diagnose van pediatrische vasculitis, gepersonaliseerde therapeutische besluitvorming en uitbreiding van variantendatabases die relevant zijn voor immunologie, reumatologie en vasculaire geneeskunde.
DNA-fragmentatie
Twintig microliter verdund DNA werden overgebracht in nieuwe steriele PCR-buizen. Aan elke buis werden 2 μL fragmentatie-/adenylatiebuffer en 3 μL fragmentatie/adenylatie-enzymmengsel toegevoegd; het totale reactievolume was 25 μL. Het mengsel werd voorzichtig gemengd, kort gecentrifugeerd, en het fragmentatieprogramma werd uitgevoerd op de thermische cycler. Direct na voltooiing werden de buizen kort gecentrifugeerd en op ijs geplaatst. De verwachte uitkomst was een gemiddelde DNA-fragmentgrootte van 200–300 bp.
Adapterligatie
Aan elk fragmentatieproduct werd 2,5 μL sequencingadapter toegevoegd, gevolgd door 10 μL ligatie-mastermix (zonder vortexen). Het mengsel werd voorzichtig gepipetteerd om homogeniteit te waarborgen, kort gecentrifugeerd en 15 minuten geïncubeerd bij 20 °C met het deksel van de thermische cycler open. Na de incubatie werden de buizen kort gecentrifugeerd en op ijs gelaten.
Zuivering op basis van kralen
Dertig microliter magnetische kralen werden aan elk monster toegevoegd en grondig gemengd door pipetten totdat een homogene suspensie was verkregen. Het mengsel werd 5 minuten op kamertemperatuur geïncubeerd, waarna de buizen 3 minuten op een magnetische standaard werden geplaatst. Nadat het supernatant was verdwenen, werd het voorzichtig verwijderd. De pellet werd twee keer gewassen met 100 μL 80% ethanol, en de resterende ethanol werd na de laatste wasbeurt verwijderd. De kralen werden vervolgens tot 5 minuten aan de lucht gedroogd op de magnetische standaard. Negen microliter nucleasevrij water werden toegevoegd, de pellet werd opnieuw opgehangen door pipetten en 2 minuten bij kamertemperatuur geïncubeerd. Na 3 minuten magnetische scheiding werd 7,5 μL supernatant overgebracht naar een nieuwe, gelabelde PCR-buis.
PCR-versterking
In vitro transcriptie (IVT) primers werden verdund (20 μL primervoorraad + 80 μL nucleasevrij water). Voor de PCR-reactie (totaal volume 17,5 μL) werden 2,5 μL IVT primer 1, 2,5 μL IVT primer 2 en 12,5 μL bibliotheekversterking mastermix toegevoegd. Het mengsel werd voorzichtig gepipetteerd en het PCR-3 programma werd uitgevoerd.
Zuivering na PCR
Vijfentwintig microliter magnetische kralen werden aan elk PCR-product toegevoegd. Na 5 minuten incubatie bij kamertemperatuur en magnetische scheiding werden de kralen twee keer gewassen met 100 μL 80% ethanol. Na tot 5 minuten aan de lucht drogen werd 11 μL nucleasevrij water toegevoegd. Tien microliter supernatant werden overgebracht naar een nieuwe buis. De concentratie van de bibliotheek werd gemeten; Doelwit: >25 ng/μL.
Pooling en hybridisatie (samples per pool)
Bibliotheken werden samengevoegd met acht patiëntenmonsters per pool (93,75 ng per monster, totaal 750 ng). Het volume werd aangepast naar 12,5 μL met nucleasevrij water indien nodig. De hybridisatiemix werd 15 minuten pre-incubated bij 65 °C. Blokkerende oplossing, universele blokkerende oligonucleottiden, exoomvangstprobe, nucleasevrij water en hybridisatie-enhancer werden sequentieel toegevoegd. Het 16 uur durende hybridisatieprogramma werd gestart (18:00–10:00).
Vangst van gehybridiseerde doelen op streptavidine-kralen
Streptavidinekralen werden drie keer gewassen met een bindende buffer. Na de 16 uur durende hybridisatie werd het mengsel aan de kralen toegevoegd en 30 minuten geïncubeerd bij 25 °C met zacht mengen elke 5 minuten. Het wassen werd uitgevoerd met capture wash buffer 1 bij kamertemperatuur, gevolgd door drie washes met voorverwarmde (48 °C) capture wash buffer 2, inclusief incubatie bij 48 °C. Na de laatste wasbeurt werd de pellet opnieuw opgehangen in 23 μL nucleasevrij water.
Enkelstrengs DNA (ssDNA) voorbereiding
Vierentwintig microliter TE-buffer werden toegevoegd en het mengsel werd 3 minuten bij 95 °C gedenatureerd, waarna het direct op ijs werd gelegd. Er werd een mastermix toegevoegd met splint ligatiebuffer en rapid DNA-ligase, en het SS-2-programma (37 °C, 30 min) werd uitgevoerd om het enkelstrengige DNA te circulariseren. Er werden een mengsel van verteringsbuffer en verteringsenzym toegevoegd, en het SS-3-programma (37 °C, 30 min) werd uitgevoerd. Vervolgens werd 3,75 μL verteringsstopbuffer toegevoegd. Vijfentachtig microliter magnetische kralen werden toegevoegd, gevolgd door standaard kralenzuivering. Vijftien microliter supernatant werden overgebracht in een nieuwe buis; de verwachte concentratie was 0,8–2 ng/μL.
DNA nanoball (DNB) voorbereiding
De ssDNA-producten werden gebruikt voor de vorming van DNB. DNB-vormingsbuffer, low-EDTA TE-buffer en DNB-enzymmengsels 1 en 2 werden toegevoegd. DNB-1 en DNB-2 programma's werden achtereenvolgens uitgevoerd. Na voltooiing werd 20 μL DNB reactiestopbuffer toegevoegd en voorzichtig gemengd (5–8x) met breed-boring pipettoppen; De verwachte concentratie was 8–40 ng. De voorbereide DNB's werden geladen op het DNA-nanoball-sequencingplatform voor high-throughput sequencing.
Sequencing dataverwerking en signaalanalyse
Ruwe sequencing-reads werden kwaliteitsgecontroleerd met FastQC (v0.11.9) en fastp (v0.23.1). De signaal-ruisverhouding (SNR) drempel van 20 dB werd geoptimaliseerd met behulp van een receiver operating characteristic (ROC) curve-analyse tegen een benchmarkdataset van bekende auto-inflammatoire varianten, waarbij een false discovery rate (FDR) van <1% werd gebalanceerd met een streefgevoeligheid van >95% voor laagfrequente varianten; reads die onder deze 20 dB-drempel vielen, werden verworpen. Uitlijning met het Genome Reference Consortium Human Build 38 (GRCh38) referentiegenoom en initiële variantaanroep werden uitgevoerd met BWA-MEM (v0.7.17) en de Genome Analysis Toolkit (GATK, v4.2.6).
Voor de fysica-gebaseerde signaalverwerkingsstappen werden nucleotidensequenties omgezet in binaire numerieke signalen (0 staat voor purinen; 1 voor pyrimidinen). Om de DFT te berekenen, werd het binaire signaal verwerkt met een schuifvenster van N = 512 basenparen en een overlap van 50% (256 bp stapgrootte) om gelokaliseerde genomische resolutie te behouden. De DFT werd gedefinieerd als:

Om hoogfrequente sequencing-artefacten te filteren zonder echte single-nucleotide varianten (SNV's), die zich manifesteren als scherpe, hoogfrequente gelokaliseerde overgangen, te verzachten, werd een low-pass digitaal filter programmatisch gekalibreerd. De optimale genormaliseerde cutofffrequentie (fc) werd iteratief bepaald door het bereik van 0,05–0,25 cycli/basis te scannen. Het optimalisatie-algoritme selecteerde fc = 0,15 cycli/basis, gedefinieerd als het kantelpunt waarbij het signaalvermogenspectrum ≥85% van de totale variantie van bekende true-positive controlevarianten behield, terwijl achtergrondruis werd geëlimineerd. DFT-gebaseerde filtering werd toegepast met behulp van aangepaste scripts geschreven in Python (v3.9), waarbij specifiek de NumPy (v1.23.0) en SciPy (v1.9.1) libraries werden gebruikt, om hoogfrequente ruis te verminderen terwijl mutatie-gerelateerde spectrale kenmerken behouden bleven. Filterparameters werden iteratief programmatisch gekalibreerd om overglading van zeldzame variantsignalen te voorkomen. De geïntegreerde workflow voor signaalverwerking en biofysisch modelleren wordt samengevat in Figuur 2.
Biofysische en stochastische modellering van interferonsignalering
Om de functionele gevolgen van geïdentificeerde varianten te onderzoeken, werden de dynamica van JAK–STAT-paden gemodelleerd met gewone differentiaalvergelijkingen (ODE's) gedefinieerd als:

Deterministische ODE-simulaties werden uitgevoerd met COPASI (Complex Pathway Simulator, v4.36) en bevestigd met aangepaste Python-scripts met behulp van de scipy.integrate.solve_ivp module. Biologisch realistische beginvoorwaarden werden vastgesteld en gevoeligheidsanalyses werden uitgevoerd op versterkingssnelheidsconstanten met behulp van de SALib (Sensitivity Analysis Library in Python, v1.4.5). TYK2-gemedieerde IFN-α signaalkinetica werden geïntegreerd om versterking door versterking van functie te simuleren.
Stochastische effecten werden geïntroduceerd met behulp van een Langevin-formulering:
dX = f(X) dt + g(X)dW
Daarnaast werden Gillespie-stochastische simulaties uitgevoerd met gebruik van de GillesPy2 (v1.7.0) Python-bibliotheek om transcriptionele bursting en heterogene IFN-β-geïnduceerde interferon-gestimuleerde genactivatie (ISG) te modelleren. Gedistribueerde vertragingsfuncties die worden weergegeven door gamma-kernelformuleringen werden in Python geïmplementeerd met numerieke integratie om vertraagde transcriptiefeedbackmechanismen te simuleren. Alle computationele pijplijnen, inclusief signaalfiltering en wiskundige modellering, werden uitgevoerd op een op Linux gebaseerde high-performance computing (HPC) omgeving.

Figuur 2. Geïntegreerd raamwerk voor signaalverwerking en biofysische modellering van JAK-STAT signalering. 1: Signaalverwerkingsfase: binaire mapping van nucleotidensequenties (purines = 0, pyrimidines = 1) gevolgd door DFT-gebaseerde filtering. Let op de kritische SNR-drempel van 20 dB voor nauwkeurige variantcalling. 2: Biofysische modellering: ODE-gebaseerde simulatie van versterkingssnelheden waarbij kleine verstoringen in begincondities leiden tot drempelverschuivingen in aanhoudende signalering. 3: Biologisch fenotype: modellering van TYK2-gain-of-function varianten in de IFN-α route, wat leidt tot versterkte STAT2-activatie en resulterende interferonopathiefenotypen. Afkortingen: DFT = discrete Fouriertransformatie; IFN-α = interferon alfa; JAK-STAT = Janus kinase-signaaltransducer en activator van transcriptie; ODE = gewone differentiaalvergelijking; SNR = signaal-ruisverhouding; STAT2 = signaaltransducer en activator van transcriptie 2; TYK2 = tyrosinekinase 2. Klik hier om een grotere versie van deze figuur te bekijken.
Figuur 2 vat de integratie samen van DFT-gebaseerde signaalverwerking met ODE- en stochastische modelleringscomponenten die worden gebruikt in de verkennende computationele workflow. Dit uitgebreide protocol integreert geavanceerde moleculaire genetica, high-throughput sequencingtechnologieën, signaalverwerkingsalgoritmen en biofysische modellering om de detectie en functionele interpretatie van interferonopathie-geassocieerde varianten bij pediatrische autoinflammatoriese vasculitis te ondersteunen.
Statistisch kader en signaalkaartverdeling van kansverdeling
Om de digitale mapping van genomische sequenties vóór signaalfiltering te formaliseren, werd een binair conversiekader opgesteld gebaseerd op nucleotidebiochemie. Voor elk gegeven structureel genomisch venster van lengte N worden purines {A, G} afgebeeld naar een digitale waarde van 0, en pyrimidinen {C, T} naar 1. Onder de nulhypothese (H0) van een onbevooroordeelde, uniforme achtergrondgenomische verdeling volgt deze binaire conversie een Bernoulli-proefkader. De kansmassafunctie (PMF) van het afgebeelde signaal X wordt als volgt gedefinieerd
P(X = x) = px(1 - p)1-x voor x ∈ {0,1}
waarbij p = 0,5 de kans vertegenwoordigt om een pyrimidineresidu tegen te komen op een niet-geselecteerde achtergrondspoor. Bij het schalen van deze omzetting over sequentiële bases voor vermogensspectrale dichtheid (PSD) berekening via de DFT, gedraagt de cumulatieve achtergrondruisverdeling zich als een willekeurige wandeling, convergerend naar een Gaussische witte ruisverdeling door de centrale limietstelling. Bijgevolg volgt het genormaliseerde vermogensspectrum van deze nulverdeling een chi-kwadraat (χ2) verdeling met 2 vrijheidsgraden. Om een strikte statistische significantiedrempel (α = 0,05) te handhaven, werd de kritische vermogensintensiteitsdrempel voor het definiëren van een echte pathogene variant signaalpiek analytisch berekend met behulp van de volgende waarschijnlijkheidsdichtheidsintegratie:
Drempel = - In(a) x a2
waarbij σ2 de operationele variantie van de lokale achtergrond-genomische ruisvloer vertegenwoordigt. Elke spectrale piek die deze drempel overschrijdt (p < 0,05, gelijk aan een SNR > 20 dB) werd geprioriteerd voor downstream in silico filtratiepoorten, waardoor variant calling data-gedreven is en minder wordt beïnvloed door stochastische sequencing-ruis.
Operationele efficiëntie en kostenanalyse (Figuur 3)
Vanuit een translationeel en klinisch implementatieperspectief werden de operationele efficiëntie, klinische doorlooptijd (TAT) en economische haalbaarheid van dit geïntegreerde protocol vergeleken met traditionele diagnostische routes, zoals sequentiële Sanger-sequencing of beperkte gerichte genpanelen. Hoewel conventionele diagnostische odyssees voor pediatrische vasculitis of vermoedelijke type I interferonopathieën vaak 8–12 weken beslaan vanwege iteratief enkelgentesten, bereikt de gestroomlijnde workflow—waaronder high-throughput WES, geoptimaliseerde 16-uur hybridisatie en geparallelliseerde DFT-signaalfiltering op een high-performance computing (HPC) cluster—een gerapporteerde totale klinische TAT van 10–14 dagen vanaf de ontvangst van het eerste monster tot het definitieve moleculaire rapport. Bovendien wordt door efficiënte samplemultiplexing (het samenvoegen van acht patiëntenmonsters per hybridisatieblok) de kosten van het kernreagens en sequencing geschat op ongeveer $250–$300 per patiënt, vergeleken met traditionele uitgebreide panels die vaak meer dan $1.200–$1.800 bedragen. Deze compressie van zowel diagnostische tijdlijn als kostenkaders suggereert dat de voorgestelde fysica-geïnspireerde bio-informaticaworkflow haalbaar en schaalbaar kan zijn voor routinematige klinische geneticalaboratoria.