Name: Określanie prawdopodobieństwa patogenności wariantów za pomocą analizy zmienności genetycznej na poziomie aminokwasów (Wideo) | JoVE Journal
Uploaded: 2019-01-16T14:00:00.000+00:00
Duration: 7 min 15 s
Description: Poznaj analizę sygnał-szum na poziomie aminokwasów wykorzystującą dane z badań eksomowych i genomowych. Ta metoda bioinformatyczna pozwala odróżnić warianty związane z chorobą od naturalnej zmienności genetycznej w populacji.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

APL jest wspierany przez National Institutes of Health K08-HL136839.

<ol><li>Yang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+whole-exome+sequencing+for+the+diagnosis+of+mendelian+disorders%5BTitle%5D)+AND+%22New+England+Journal+of+Medicine%22%5BJournal%5D)">Clinical whole-exome sequencing for the diagnosis of mendelian disorders.</a> New England Journal of Medicine. 369 (16), 1502-1511 (2013).</li>
<li>Meng, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+Exome+Sequencing+for+Infants+in+Intensive+Care+Units%3A+Ascertainment+of+Severe+Single-Gene+Disorders+and+Effect+on+Medical+Management%5BTitle%5D)+AND+%22Journal+of+the+American+Medical+Association+Pediatrics%22%5BJournal%5D)">Use of Exome Sequencing for Infants in Intensive Care Units: Ascertainment of Severe Single-Gene Disorders and Effect on Medical Management.</a> Journal of the American Medical Association Pediatrics. 171 (12), 173438(2017).</li>
<li>Kalia, S. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recommendations+for+reporting+of+secondary+findings+in+clinical+exome+and+genome+sequencing%2C+2016+update+%28ACMG+SF+v2.0%29%3A+a+policy+statement+of+the+American+College+of+Medical+Genetics+and+Genomics%5BTitle%5D)+AND+%22Genetics+in+Medicine%22%5BJournal%5D)">Recommendations for reporting of secondary findings in clinical exome and genome sequencing, 2016 update (ACMG SF v2.0): a policy statement of the American College of Medical Genetics and Genomics.</a> Genetics in Medicine. 19 (2), 249-255 (2017).</li>
<li>Landstrom, A. P., Ackerman, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Achilles%27+heel+of+cardiovascular+genetic+testing%3A+distinguishing+pathogenic+mutations+from+background+genetic+noise%5BTitle%5D)+AND+%22Clinical+Pharmacology+and+Therapeutics%22%5BJournal%5D)">The Achilles' heel of cardiovascular genetic testing: distinguishing pathogenic mutations from background genetic noise.</a> Clinical Pharmacology and Therapeutics. 90 (4), 496-499 (2011).</li>
<li>Landstrom, A. P., Tester, D. J., Ackerman, M. J. Role of genetic testing for sudden death predisposing heart conditions in athletes. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aLandstrom%2C+AP+%22Sports+Cardiology+Essentials%22">Sports Cardiology Essentials</a>. Lawless, C. , Springer. New York, NY. (2011).</li>
<li>Wang, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Positional+cloning+of+a+novel+potassium+channel+gene%3A+KVLQT1+mutations+cause+cardiac+arrhythmias%5BTitle%5D)+AND+%22Nature+Genetics%22%5BJournal%5D)">Positional cloning of a novel potassium channel gene: KVLQT1 mutations cause cardiac arrhythmias.</a> Nature Genetics. 12 (1), 17-23 (1996).</li>
<li>Kapa, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genetic+testing+for+long-QT+syndrome%3A+distinguishing+pathogenic+mutations+from+benign+variants%5BTitle%5D)+AND+%22Circulation%22%5BJournal%5D)">Genetic testing for long-QT syndrome: distinguishing pathogenic mutations from benign variants.</a> Circulation. 120 (18), 1752-1760 (2009).</li>
<li>Ackerman, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ethnic+differences+in+cardiac+potassium+channel+variants%3A+implications+for+genetic+susceptibility+to+sudden+cardiac+death+and+genetic+testing+for+congenital+long+QT+syndrome%5BTitle%5D)+AND+%22Mayo+Clinic+Proceedings%22%5BJournal%5D)">Ethnic differences in cardiac potassium channel variants: implications for genetic susceptibility to sudden cardiac death and genetic testing for congenital long QT syndrome.</a> Mayo Clinic Proceedings. 78 (12), 1479-1487 (2003).</li>
<li>Kumar, P., Henikoff, S., Ng, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+the+effects+of+coding+non-synonymous+variants+on+protein+function+using+the+SIFT+algorithm%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">Predicting the effects of coding non-synonymous variants on protein function using the SIFT algorithm.</a> Nature Protocols. 4 (7), 1073-1081 (2009).</li>
<li>Adzhubei, I., Jordan, D. M., Sunyaev, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+functional+effect+of+human+missense+mutations+using+PolyPhen-2%5BTitle%5D)+AND+%22Current+Protocols+in+Human+Genetics%22%5BJournal%5D)">Predicting functional effect of human missense mutations using PolyPhen-2.</a> Current Protocols in Human Genetics. , Chapter 7 (Unit 7.20) (2013).</li>
<li>Flanagan, S. E., Patch, A. M., Ellard, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+SIFT+and+PolyPhen+to+predict+loss-of-function+and+gain-of-function+mutations%5BTitle%5D)+AND+%22Genetic+Testing+and+Molecular+Biomarkers%22%5BJournal%5D)">Using SIFT and PolyPhen to predict loss-of-function and gain-of-function mutations.</a> Genetic Testing and Molecular Biomarkers. 14 (4), 533-537 (2010).</li>
<li>Ackerman, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((HRS%2FEHRA+expert+consensus+statement+on+the+state+of+genetic+testing+for+the+channelopathies+and+cardiomyopathies+this+document+was+developed+as+a+partnership+between+the+Heart+Rhythm+Society+%28HRS%29+and+the+European+Heart+Rhythm+Association+%28EHRA%29%5BTitle%5D)+AND+%22Heart+Rhythm%22%5BJournal%5D)">HRS/EHRA expert consensus statement on the state of genetic testing for the channelopathies and cardiomyopathies this document was developed as a partnership between the Heart Rhythm Society (HRS) and the European Heart Rhythm Association (EHRA).</a> Heart Rhythm. 8 (8), 1308-1339 (2011).</li>
<li>Lek, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+protein-coding+genetic+variation+in+60%2C706+humans%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Analysis of protein-coding genetic variation in 60,706 humans.</a> Nature. 536 (7616), 285-291 (2016).</li>
<li>Landstrom, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Amino+acid-level+signal-to-noise+analysis+of+incidentally+identified+variants+in+genes+associated+with+long+QT+syndrome+during+pediatric+whole+exome+sequencing+reflects+background+genetic+noise%5BTitle%5D)+AND+%22Heart+Rhythm%22%5BJournal%5D)">Amino acid-level signal-to-noise analysis of incidentally identified variants in genes associated with long QT syndrome during pediatric whole exome sequencing reflects background genetic noise.</a> Heart Rhythm. 15 (7), 1042-1050 (2018).</li>
<li>Hubbard, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ensembl+2005%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">Ensembl 2005.</a> Nucleic Acids Research. 33, Database issue 447-453 (2005).</li>
<li>O'Leary, N. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reference+sequence+%28RefSeq%29+database+at+NCBI%3A+current+status%2C+taxonomic+expansion%2C+and+functional+annotation%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation.</a> Nucleic Acids Research. 44, 733-745 (2016).</li>
<li>Kent, W. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+human+genome+browser+at+UCSC%5BTitle%5D)+AND+%22Genome+Research%22%5BJournal%5D)">The human genome browser at UCSC.</a> Genome Research. 12 (6), 996-1006 (2002).</li>
<li>The 100 Genome Projects Consortium. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+integrated+map+of+genetic+variation+from+1%2C092+human+genomes%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">An integrated map of genetic variation from 1,092 human genomes.</a> Nature. 491 (7422), 56-65 (2012).</li>
<li>Fu, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+6%2C515+exomes+reveals+the+recent+origin+of+most+human+protein-coding+variants%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Analysis of 6,515 exomes reveals the recent origin of most human protein-coding variants.</a> Nature. 493 (7331), 216-220 (2013).</li>
<li>Mulder, N. J., Apweiler, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tools+and+resources+for+identifying+protein+families%2C+domains+and+motifs%5BTitle%5D)+AND+%22Genome+Biology%22%5BJournal%5D)">Tools and resources for identifying protein families, domains and motifs.</a> Genome Biology. 3 (1), (2002).</li>
<li>Cirino, A. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Comparison+of+Whole+Genome+Sequencing+to+Multigene+Panel+Testing+in+Hypertrophic+Cardiomyopathy+Patients%5BTitle%5D)+AND+%22Circulation+Cardiovascular+Genetics%22%5BJournal%5D)">A Comparison of Whole Genome Sequencing to Multigene Panel Testing in Hypertrophic Cardiomyopathy Patients.</a> Circulation Cardiovascular Genetics. 10 (5), (2017).</li>
<li>Landstrom, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interpreting+Incidentally+Identified+Variants+in+Genes+Associated+With+Catecholaminergic+Polymorphic+Ventricular+Tachycardia+in+a+Large+Cohort+of+Clinical+Whole-Exome+Genetic+Test+Referrals%5BTitle%5D)+AND+%22Circulation+Arrhythmia+and+Electrophysiology%22%5BJournal%5D)">Interpreting Incidentally Identified Variants in Genes Associated With Catecholaminergic Polymorphic Ventricular Tachycardia in a Large Cohort of Clinical Whole-Exome Genetic Test Referrals.</a> Circulation Arrhythmia and Electrophysiology. 10 (4), (2017).</li>
<li>Whiffin, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+high-resolution+variant+frequencies+to+empower+clinical+genome+interpretation%5BTitle%5D)+AND+%22Genetics+in+Medicine%22%5BJournal%5D)">Using high-resolution variant frequencies to empower clinical genome interpretation.</a> Genetics in Medicine. 19 (10), 1151-1158 (2017).</li>
<li>Walsh, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reassessment+of+Mendelian+gene+pathogenicity+using+7%2C855+cardiomyopathy+cases+and+60%2C706+reference+samples%5BTitle%5D)+AND+%22Genetics+in+Medicine%22%5BJournal%5D)">Reassessment of Mendelian gene pathogenicity using 7,855 cardiomyopathy cases and 60,706 reference samples.</a> Genetics in Medicine. 19 (2), 192-203 (2017).</li>
<li>Buske, O. J., Manickaraj, A., Mital, S., Ray, P. N., Brudno, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+deleterious+synonymous+variants+in+human+genomes%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">Identification of deleterious synonymous variants in human genomes.</a> Bioinformatics. 31 (5), 799(2015).</li>
<li>Wen, P., Xiao, P., Xia, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((dbDSM%3A+a+manually+curated+database+for+deleterious+synonymous+mutations%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">dbDSM: a manually curated database for deleterious synonymous mutations.</a> Bioinformatics. 32 (12), 1914-1916 (2016).</li>
<li>Bagnall, R. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Whole+Genome+Sequencing+Improves+Outcomes+of+Genetic+Testing+in+Patients+With+Hypertrophic+Cardiomyopathy%5BTitle%5D)+AND+%22Journal+of+the+American+College+of+Cardiology%22%5BJournal%5D)">Whole Genome Sequencing Improves Outcomes of Genetic Testing in Patients With Hypertrophic Cardiomyopathy.</a> Journal of the American College of Cardiology. 72 (4), 419-429 (2018).</li>
<li>Giudicessi, J. R., Roden, D. M., Wilde, A. A. M., Ackerman, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classification+and+Reporting+of+Potentially+Proarrhythmic+Common+Genetic+Variation+in+Long+QT+Syndrome+Genetic+Testing%5BTitle%5D)+AND+%22Circulation%22%5BJournal%5D)">Classification and Reporting of Potentially Proarrhythmic Common Genetic Variation in Long QT Syndrome Genetic Testing.</a> Circulation. 137 (6), 619-630 (2018).</li>
<li>Sundaram, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+the+clinical+impact+of+human+mutation+with+deep+neural+networks%5BTitle%5D)+AND+%22Nature+Genetics%22%5BJournal%5D)">Predicting the clinical impact of human mutation with deep neural networks.</a> Nature Genetics. 50, 1161-1170 (2018).</li>
<li>Krittanawong, C., Zhang, H., Wang, Z., Aydar, M., Kitai, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Artificial+Intelligence+in+Precision+Cardiovascular+Medicine%5BTitle%5D)+AND+%22Journal+of+the+American+College+of+Cardiology%22%5BJournal%5D)">Artificial Intelligence in Precision Cardiovascular Medicine.</a> Journal of the American College of Cardiology. 69 (21), 2657-2664 (2017).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

W ciągu ostatniej dekady wysokoprzepustowe testy genetyczne znacznie się rozwinęły pod względem zastosowania i dostępności. Jednak w przypadku wielu chorób o ugruntowanych podstawach genetycznych, takich jak kardiomiopatie, rozszerzone badania nie poprawiły wydajności diagnostycznej21. Ponadto istnieje znaczna niepewność co do użyteczności diagnostycznej wielu zidentyfikowanych wariantów. Wynika to częściowo z rosnącej liczby przypadkowo zidentyfikowanych rzadkich wariantów odkrytych na WES i WGS,...

Szybki postęp w platformach sekwencjonowania genetycznego zrewolucjonizował dostępność i rolę genetyki w medycynie. Kiedyś ograniczone do pojedynczego genu lub kilku genów, zmniejszenie kosztów i wzrost szybkości sekwencjonowania genetycznego nowej generacji doprowadziły do rutynowego sekwencjonowania całej sekwencji kodującej genom (sekwencjonowanie całego eksomu, WES) i całego genomu (sekwencjonowanie całego genomu, WGS) w warunkach klinicznych. WES i WGS są często stosowane w leczeniu krytycznie chorych noworodków i dzieci z problemem zespołu genetycznego, gdzie jest to sprawdzone narzędzie diagnostyczne, które może zmienić postępowanie kliniczne1,2. Chociaż doprowadziło to do zwiększonej identyfikacji prawdopodobnych mutacji patogennych związanych z zespołami genetycznymi, dramatycznie zwiększyło również liczbę przypadkowo znalezionych wariantów genetycznych lub nieoczekiwanych pozytywnych wyników o nieznanym znaczeniu diagnostycznym (VUS). Podczas gdy niektóre z tych wariantów są ignorowane i nie są zgłaszane, często zgłaszane są warianty lokalizujące się w genach związanych z potencjalnie śmiertelnymi lub wysoce chorobliwymi chorobami. Obecne wytyczne zalecają zgłaszanie przypadkowych wariantów znalezionych w określonych genach, które mogą być korzystne medycznie dla pacjenta, w tym genów związanych z rozwojem chorób predysponujących do nagłej śmierci sercowej, takich jak kardiomiopatie i kanałopatie3. Chociaż zalecenie to miało na celu uchwycenie osób zagrożonych chorobą predysponującą do SCD, czułość wykrywania wariantów znacznie wykracza poza swoistość. Znajduje to odzwierciedlenie w rosnącej liczbie VUS i przypadkowo zidentyfikowanych wariantów o niejasnej użyteczności diagnostycznej, które znacznie przekraczają częstotliwość występowania odpowiednich chorób w danej populacji4. Jedna z takich chorób, zespół wydłużonego odstępu QT (LQTS), jest kanoniczną kanałopatią serca spowodowaną mutacjami lokalizującymi geny kodujące kanały jonowe serca lub białka oddziałujące z kanałami, powodujące opóźnioną repolaryzację serca5. Ta opóźniona repolaryzacja, obserwowana przez wydłużony odstęp QT na spoczynkowym elektrokardiogramie, powoduje predyspozycje elektryczne do potencjalnie śmiertelnych komorowych zaburzeń rytmu serca, takich jak torsades de pointes. Podczas gdy wiele genów zostało powiązanych z rozwojem tej choroby, mutacje w kodowanym przez KCNQ1 kanale potasowym IKs (KCNQ1, Kv7.1) są przyczyną LQTS typu 1 i są wykorzystywane jako przykład poniżej6. Ilustrując złożoność interpretacji wariantów, obecność rzadkich wariantów w genach związanych z LQTS, tzw. "zmienność genetyczna tła" została wcześniej opisana7,8.
Oprócz dużych baz danych znanych wariantów patogenów w stylu kompendium, istnieje kilka strategii przewidywania efektu, jaki wywołają różne warianty. Niektóre z nich są oparte na algorytmach, takich jak SIFT i Polyphen 2, które mogą filtrować dużą liczbę nowych wariantów niesynonimicznych w celu przewidywania szkodliwości9,10. Pomimo szerokiego zastosowania tych narzędzi, niska swoistość ogranicza ich zastosowanie, jeśli chodzi o "wywoływanie" klinicznych VUSs11. Analiza "sygnał-szum" jest narzędziem, które identyfikuje prawdopodobieństwo powiązania wariantu z chorobą na podstawie częstości znanej zmienności patologicznej w danych loci, znormalizowanej w stosunku do rzadkiej zmienności genetycznej w populacji. Warianty lokalizujące się w loci genetycznych, w których występuje wysoka częstość występowania mutacji związanych z chorobą w porównaniu ze zmiennością populacyjną, wysoką zamianą sygnału do szumu, są bardziej prawdopodobne, że same w sobie są związane z chorobą. Co więcej, rzadkie warianty, u których przypadkowo zlokalizowano się w genie o wysokiej częstości występowania rzadkich wariantów populacji w porównaniu z częstością związaną z chorobą, niską zamianą sygnału do szumu, mogą być mniej prawdopodobne, że będą związane z chorobą. Przydatność diagnostyczna analizy sygnału do szumu została zilustrowana w najnowszych wytycznych dotyczących badań genetycznych w kardiomiopatiach i kanałopatiach; Jednak został on zastosowany tylko na poziomie całego genu lub na poziomie specyficznym dla domeny12. Ostatnio, biorąc pod uwagę zwiększoną dostępność zarówno wariantów patologicznych (bazy danych chorób, badania kohortowe w literaturze), jak i wariantów kontroli populacyjnych (Exome Aggregation Consortium, ExAC i Genome Aggregation Database, GnomAD13), zostało to zastosowane do pozycji poszczególnych aminokwasów w pierwotnej sekwencji białka. Analiza sygnału do szumu na poziomie aminokwasów okazała się przydatna w kategoryzowaniu przypadkowo zidentyfikowanych wariantów genów związanych z LQTS jako prawdopodobną "tło" zmienności genetycznej, a nie związaną z chorobą. Spośród trzech głównych genów związanych z LQTS, w tym KCNQ1, te przypadkowo zidentyfikowane warianty nie miały znaczącego stosunku sygnału do szumu, co sugeruje, że częstość występowania tych wariantów w poszczególnych pozycjach aminokwasów odzwierciedla rzadką zmienność populacji, a nie mutacje związane z chorobą. Ponadto, gdy topologia domeny specyficznej dla białka została nałożona na obszary o wysokim poziomie sygnału do szumu, "gorące punkty" mutacji patologicznych zlokalizowane w kluczowych domenach funkcjonalnych białek14. Metodologia ta jest obiecująca w określaniu 1) prawdopodobieństwa, że wariant jest związany z chorobą lub populacją oraz 2) identyfikowaniu nowych krytycznych domen funkcjonalnych białka związanego z chorobą u ludzi.

<table><tbody><tr><td>1000 Genome Project</td><td>N/A</td><td>www.internationalgenome.org</td><td></td></tr><tr><td>ClinVar</td><td>N/A</td><td>www.ncbi.nlm.nih.gov/clinvar</td><td></td></tr><tr><td>Ensembl Genome Browser</td><td>N/A</td><td>uswest.ensembl.org/index.html</td><td></td></tr><tr><td>Excel</td><td>Microsoft</td><td>office.microsoft.com/excel/</td> <td>Używany dla wszystkich przykładowych formuł i funkcji</td></tr><tr><td>Exome Aggregation Consortium& nbsp;</td><td>Nie dotyczy</td><td>www.exac.broadinstitute.org</td><td></td></tr><tr><td>Baza danych agregacji genomu&nbsp;</td><td>Nie dotyczy</td><td>www.gnomad.broadinstitute.org</td><td></td></tr><tr><td>Narodowe Centrum Informacji Biotechnologicznej Baza Danych Domen i Struktur</td><td></td> Nie dotyczy <td>www.ncbi.nlm.nih.gov/guide/domains-structures/</td><td></td></tr> <tr><td>Narodowe Centrum Informacji Biotechnologicznej Baza danych genów</td><td>Nie dotyczy</td><td>www.ncbi.nlm.nih.gov/gene/</td><td></td></tr> <tr><td>Narodowe Centrum Informacji Biotechnologicznej Baza danych białek</td><td>Nie dotyczy</td><td>www.ncbi.nlm.nih.gov/protein/</td><td></td></tr> <tr><td>Narodowy Instytut Serca, Płuc i Krwi GO Projekt sekwencjonowania egzomu</td><td>N/A</td><td>www.evs.gs.washington.edu/EVS/</td><td></td></tr> <tr><td>SnapGene</td><td>GSL Biotech LCC</td><td>www.snapgene.com</td><td></td></tr><tr><td>Uniwersytet Kalifornijski, Santa Cruz Przeglądarka Genomu Człowieka</td><td>Nie</td><td>dotyczy www.genome.ucsc.edu</td><td></td></tr></tbody></table>

określanie prawdopodobieństwa patogenności wariantów za pomocą analizy zmienności genetycznej na poziomie aminokwasów

Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation

Postęp w kosztach i szybkości sekwencjonowania genetycznego nowej generacji spowodował eksplozję klinicznych testów całego egzomu i całego genomu. Chociaż doprowadziło to do zwiększonej identyfikacji prawdopodobnych mutacji patogennych związanych z zespołami genetycznymi, dramatycznie zwiększyło również liczbę przypadkowo znalezionych wariantów genetycznych o nieznanym znaczeniu (VUS). Określenie znaczenia klinicznego tych wariantów jest dużym wyzwaniem zarówno dla naukowców, jak i klinicystów. Podejściem pomocnym w określeniu prawdopodobieństwa patogenności jest analiza sygnału do szumu na poziomie sekwencji białka. Protokół ten opisuje metodę analizy sygnału do szumu na poziomie aminokwasów, która wykorzystuje częstotliwość wariantów w każdej pozycji aminokwasu białka o znanej topologii białka w celu zidentyfikowania obszarów sekwencji pierwszorzędowej o podwyższonym prawdopodobieństwie zmienności patologicznej (w stosunku do zmienności "tła" populacji). Metoda ta może zidentyfikować "gorące punkty" lokalizacji reszt aminokwasowych o wysokim sygnale patologicznym, co można wykorzystać do udoskonalenia masy diagnostycznej VUS, takich jak te zidentyfikowane za pomocą testów genetycznych nowej generacji.

Reprezentatywny wynik analizy stosunku sygnału do szumu na poziomie aminokwasów dla KCNQ1 przedstawiono na Rysunku 6. W tym przykładzie ukazano rzadkie warianty zidentyfikowane w kohorcie GnomAD (kohorta kontrolna), warianty WES zidentyfikowane przypadkowo (kohorta eksperymentalna nr 1) oraz warianty związane z przypadkami LQTS, uznane za prawdopodobnie powiązane z chorobą (kohorta eksperymentalna nr 2). Ponadto przedstawiono analizę stosunku sygnału do szumu...

Analiza sygnału do szumu na poziomie aminokwasów określa rozpowszechnienie zmienności genetycznej na danej pozycji aminokwasu, znormalizowanej do zmienności genetycznej tła danej populacji. Pozwala to na identyfikację wariantowych "gorących punktów" w sekwencji białka (sygnału), która wzrasta powyżej częstości występowania rzadkich wariantów występujących w populacji (szum).

Określanie prawdopodobieństwa patogenności wariantów za pomocą analizy zmienności genetycznej na poziomie aminokwasów

Advancements in the cost and speed of next generation genetic sequencing have generated an explosion of clinical whole exome and whole genome testing. ...

Analiza sygnału do szumu na poziomie aminokwasów zapewnia miarę prawdopodobieństwa, że wariant genetyczny jest związany ze stanem chorobowym lub jest częścią naturalnej zmienności genetycznej w populacji. Technika ta wykorzystuje dwa duże zasoby genetyczne, mutacje związane z chorobą, dostępne w literaturze lub w domenie publicznej z populacyjnymi badaniami eksomów i genomu, które identyfikują rzadką wariancję genetyczną. Aby zidentyfikować konkretny gen i izoformę splicingu, który Cię interesuje, otwórz stronę główną Ensembl i wybierz gatunek z menu rozwijanego.Wprowadź akronim odpowiadający interesującemu Cię genowi i kliknij przycisk Przejdź. Wybierz linki odpowiadające interesującemu genowi i interesowi transkrypcyjnemu oraz identyfikatorowi zainteresowania z tabeli Transkrypt. Zanotuj specyficzny dla transkryptu transkryptu RNA i iloczyn białkowy numerów identyfikacyjnych transkryptu RNA w kolumnie sekwencji referencyjnej tabeli transkryptów do wykorzystania w przyszłości.Wybierz link powiązany z produktem białkowym o numerze identyfikacyjnym transkryptu RNA, aby otworzyć nową stronę internetową z National Center for Biotechnology Information lub NCBI Protein Database, i przewiń w dół do sekcji Origin, aby uzyskać pierwotną sekwencję białka dla interesującego nas transkryptu genu. Następnie przewiń w górę do sekcji Cechy, aby uzyskać listę cech białka. Aby obliczyć częstość alleli podrzędnych dla każdej pozycji aminokwasu z wariantem kontrolnym, otwórz arkusz kalkulacyjny z możliwością tworzenia wykresów i utwórz kolumnę z pozycjami wszystkich wariantów eksperymentalnych.Usuń teksty wariantów, aby pozostawić tylko pozycje wariantów i posortuj warianty według wartości rosnącej, aby określić, które pozycje mają więcej niż jeden skojarzony wariant. Uzyskaj sumę wszystkich częstości występowania alleli drugorzędnych dla danej pozycji, łącząc częstość alleli drugorzędnych dla każdego wariantu związanego z daną pozycją i oblicz częstość występowania alleli drugorzędnych dla każdej pozycji aminokwasu z wariantem eksperymentalnym. Następnie utwórz kolumnę pozycji aminokwasów, które mają warianty eksperymentalne, i oblicz częstość występowania alleli drugorzędnych wszystkich wariantów związanych z tą pozycją dla wszystkich pozycji wariantów.Aby utworzyć średnią kroczącą częstości występowania alleli drugorzędnych zarówno dla wariantu eksperymentalnego, jak i kontrolnego, utwórz kolumnę zawierającą wszystkie pozycje aminokwasów w genie będącym przedmiotem zainteresowania i dodaj częstość alleli podrzędnych równą zero dla wszystkich pozycji, które nie mają wariantów zarówno dla zestawu danych kontrolnych, jak i eksperymentalnych. Aby utworzyć średnią kroczącą dla każdej kolumny rozpowszechnienia eksperymentalnego i kontrolnego, należy utworzyć kolumnę reprezentującą średnią kroczącą częstości występowania alleli podrzędnych zarówno dla zbiorów danych kontrolnych, jak i eksperymentalnych, a w kolumnie średniej kroczącej umieścić średnią odpowiedniej częstości występowania allelu podrzędnego dla pięciu pozycji wariantu N i C na każdej pozycji. Aby obliczyć minimalną częstość kohorty, podziel najniższy allel poboczny zidentyfikowany przez dwa i wprowadź tę wartość w dowolnej komórce z częstotliwością kontrolnego allelu pobocznego równą zero.Pozwoli to uniknąć dzielenia przez zero przy obliczaniu stosunku sygnału do szumu. Aby obliczyć stosunek sygnału do szumu na poziomie aminokwasów, podziel każdą eksperymentalną średnią kroczącą pozycji aminokwasu przez odpowiednią kontrolną średnią kroczącą i przedstaw ten stosunek w stosunku do pozycji aminokwasu. Aby zidentyfikować zgodne lokalizacje aminokwasów domen i cech funkcjonalnych lub obszary modyfikacji potranslacyjnej białka będącego przedmiotem zainteresowania, zidentyfikuj pozycje aminokwasów związane z domenami i cechami białka i otwórz stronę internetową NCBI.Wprowadź produkt białkowy transkryptu RNA interesującego białka w polu wyszukiwania i zidentyfikuj znane domeny i cechy białka w obszarze Cechy. Zidentyfikuj i zanotuj nazwę i typ domeny oraz pozycje aminokwasów, a następnie wybierz link odpowiadający funkcji, aby zobrazować region w sekwencji pierwotnej białka będącego przedmiotem zainteresowania. Utwórz kolumnę obok kolumny sygnał-szum, aby można było odwoływać się do kolumny położenia aminokwasów, i zidentyfikuj komórki odpowiadające w końcowym aspekcie N lub C każdej domeny i funkcji.Następnie umieść jedynkę w każdej komórce, utwórz wykres z tymi granicami na osi y i pozycją aminokwasów na osi x i nałóż ten wykres na wykres sygnału do szumu. Aby zmapować pozycje poszczególnych wariantów do nałożenia wykresów stosunku sygnału do szumu i topologii domeny białka, utwórz kolumnę obok kolumny cechy domeny tak, aby wiersze w kolumnie odpowiadały pozycjom aminokwasów, i umieść po jednym w każdej komórce w dodanym wierszu, odpowiadającą pozycji zawierającej odpowiedni wariant. Następnie utwórz wykres z tą kolumną jako osią y i pozycjami aminokwasów na osi x, a następnie nałóż ten wykres na wykresy topologii sygnału do szumu i białka.W tym miejscu przedstawiono reprezentatywny wynik analizy sygnału do szumu na poziomie aminokwasów dla podrodziny Q kanału bramkowanego napięciem potasu w genie jeden. Wykazano rzadką wariancję zidentyfikowaną w kohorcie kontrolnej oraz eksperymentalnie przypadkowo zidentyfikowane sekwencjonowanie całych ekssome oraz warianty związane z zespołem długiego odstępu QT, które uważa się za prawdopodobnie związane z chorobą. Reprezentowane są również analizy sygnał-szum porównujące całe sekwencjonowanie ekssometyczne oraz częstość występowania wariantów kohorty zespołu długiego odstępu QT, znormalizowaną w stosunku do częstości występowania wariantów kohorty kontrolnej.W tym eksperymencie warianty związane z zespołem długiego odstępu QT wykazały wysoki stosunek sygnału do szumu w domenach odpowiadających nalewaniu kanału, filtrowi selektywności i jednej domenie wiążącej podrodziny kanałów bramkowanych napięciem potasowym. Dla porównania, przypadkowo zidentyfikowane warianty w całej kohorcie sekwencjonowania exsome nie wykazały wyraźnie określonych regionów o wysokim wzroście sygnału do szumu, co sugeruje, że warianty te odzwierciedlają zmienność genetyczną tła. Metodologia ta może być stosowana do oceny wagi diagnostycznej wariantów o nieznanym znaczeniu, które pojawiają się podczas klinicznych badań genetycznych.

determining-likelihood-variant-pathogenicity-using-amino-acid-level

Research

JoVE Journal

Genetics

Genetyka

Powiązania genetyczne często pozostają niewyjaśnione na poziomie funkcjonalnym. Niniejsza metoda ma na celu ocenę wpływu markerów genetycznych powiązanych z fenotypem na ekspresję genów poprzez analizę komórek heterozygotycznych w obrębie transkrybowanych SNP. Technologia ta umożliwia precyzyjny pomiar za pomocą spektrometrii mas MALDI-TOF w celu ilościowego oznaczenia produktów specyficznego dla alleli przedłużania starterów.

Analiza allelo-specyficznej ekspresji genów w celu zbadania funkcjonalnych podstaw powiązań genetycznych

Niniejszy artykuł opisuje kroki niezbędne do izolacji i charakterystyki wariantów polimerazy RNA o różnym stopniu wierności replikacji w przypadku wirusów RNA oraz sposób wykorzystania danych o częstotliwości mutacji do potwierdzenia zmian wierności w hodowlach tkankowych.

Izolacja wariantów wierności replikacji wirusów RNA i charakterystyka częstotliwości mutacji wirusa

Fundamentalnym celem biologii komórki jest zdefiniowanie mechanizmów leżących u podstaw tożsamości organelli tworzących komórki eukariotyczne. W niniejszej pracy proponujemy metodę identyfikacji genów odpowiedzialnych za integralność morfologiczną i funkcjonalną organelli roślinnych, wykorzystując mikroskopię fluorescencyjną oraz narzędzia sekwencjonowania następnej generacji.

Przesiew mikroskopii fluorescencyjnej i sekwencjonowanie następnej generacji: użyteczne narzędzia do identyfikacji genów zaangażowanych w integralność organelli

Przedstawiamy strategiczny plan i protokół identyfikacji niekodujących wariantów genetycznych wpływających na wiązanie DNA czynnika transkrypcyjnego (TF). Przedstawiono szczegółowy protokół eksperymentalny dla testu przesunięcia ruchliwości elektroforetycznej (EMSA) i testu powinowactwa DNA (DAPA) analizy wiązania TF DNA zależnego od genotypu.

Badania przesiewowe w kierunku funkcjonalnych niekodujących wariantów genetycznych przy użyciu testu przesunięcia ruchliwości elektroforetycznej (EMSA) i testu precypitacji powinowactwa DNA (DAPA)

Ukierunkowane sekwencjonowanie nowej generacji to efektywne czasowo i kosztowo podejście, które staje się coraz bardziej popularne zarówno w badaniach nad chorobami, jak i w diagnostyce klinicznej. Opisany tutaj protokół przedstawia złożony przepływ pracy wymagany do sekwencjonowania i procesu bioinformatycznego wykorzystywanego do identyfikacji wariantów genetycznych, które przyczyniają się do choroby.

Ukierunkowane sekwencjonowanie nowej generacji i bioinformatyka w celu oceny genetycznych uwarunkowań chorób konstytucjonalistycznych

Sekwencjonowanie nowej generacji (NGS) to potężne narzędzie do charakterystyki genomu, które jest ograniczone przez wysoki poziom błędów platformy (~0,5–2,0%). Opisujemy nasze metody sekwencjonowania z korekcją błędów, które pozwalają nam wyeliminować wskaźnik błędów NGS i wykryć mutacje przy frakcjach alleli wariantów tak rzadkich, jak 0,0001.

Wykrywanie rzadkich zdarzeń za pomocą sekwencjonowania DNA i RNA z korekcją błędów

Tutaj prezentujemy protokół umożliwiający efektywny dostęp i analizę wielu baz danych organizmów ludzkich i modelowych. Protokół ten demonstruje wykorzystanie MARRVEL do analizy potencjalnych wariantów wywołujących chorobę zidentyfikowanych w wyniku sekwencjonowania nowej generacji.

Poruszanie się po MARRVEL, narzędziu internetowym, które integruje informacje z genomiki człowieka i genetyki organizmów modelowych

Celem tego protokołu jest przedstawienie projektu i wydajności eksperymentów in vivo na Drosophila melanogaster w celu oceny funkcjonalnych konsekwencji rzadkich wariantów genów związanych z chorobami ludzkimi.

Badanie funkcjonalne in vivo rzadkich wariantów ludzkich związanych z chorobą przy użyciu Drosophila

Opracowaliśmy międzygatunkowe porównawcze podejście onkogenomiczne, wykorzystując analizy genomiczne i funkcjonalne badania genomowe do identyfikacji i porównania celów terapeutycznych w nowotworach powstających w genetycznie modyfikowanych modelach mysich i odpowiadającym im typie nowotworu ludzkiego.

Profilowanie genetyczne i badania przesiewowe w skali genomu w celu identyfikacji celów terapeutycznych w mysich modelach złośliwego guza osłonki nerwów obwodowych

Badanie to wprowadza wieloskalowe ramy, obejmujące od DNA po funkcję białek i zachowanie neuronalne. Przedstawiono w nim nowatorskie podejście do badania przewidywanych mutacji patogennych w podjednostce receptora GABAA , stawiając hipotezę, że mutacje padaczkowe i mutacje proksymalne, przewidywane jako patogenne, mogą mieć podobny wpływ na model neuronu piramidowego CA1.

Identyfikacja i klasyfikacja specyficznych dla pozycji wariantów missense podjednostki receptora GABAA pod kątem ich roli w neuronach piramidowych hipokampa

Poznaj analizę sygnał-szum na poziomie aminokwasów wykorzystującą dane z badań eksomowych i genomowych. Ta metoda bioinformatyczna pozwala odróżnić warianty związane z chorobą od naturalnej zmienności genetycznej w populacji.

Określanie prawdopodobieństwa patogenności wariantów za pomocą analizy zmienności genetycznej na poziomie aminokwasów

Przeglądaj więcej filmów