使用Exomiser有效地重新解释罕见疾病病例
Letizia Vestito1, Julius O B Jacobsen1, Susan Walker2
1William Harvey Research Institute, Clinical Pharmacology and Precision Medicine, Queen Mary University of London, London, UK.
NPJ genomic medicine
|December 18, 2024
概括
使用Exomiser重新分析全基因组测序数据,可以发现新的罕见疾病诊断. 这种由表型驱动的工具有效地优先考虑变体,改善未解决病例的诊断产量.
科学领域:
- 基因组学就是基因组学.
- 罕见疾病研究 罕见疾病研究
- 临床生物信息学 临床生物信息学
背景情况:
- 全基因组测序 (WGS) 已经推进了罕见疾病研究,但很大一部分患者仍未被诊断出来.
- 重新分析WGS数据对于识别新诊断至关重要,特别是随着疾病基因关联知识的不断发展.
- 需要有效的工具来支持WGS数据的临床解释,以诊断罕见疾病.
研究的目的:
- 开发和优化使用Exomiser的再分析策略,以有效识别罕见疾病候选者.
- 评估Exomiser在重新分析以前未解决的WGS病例中的性能,重点关注最近的基因发现和变异分类.
- 评估Exomiser自动化ACMG/AMP分类器在变体解释中的实用性.
主要方法:
- 实施了使用Exomiser的再分析策略,这是一种基于表型的变异优先级工具.
- 优化了Exomiser设置,以从新的疾病基因发现和更新的变异分类中识别候选变异.
- 集成的Exomiser的自动ACMG/AMP变体分类器进入重新分析工作流程.
主要成果:
- 在10万个基因组项目中,在24,015个以前未解决的罕见疾病病例中,Exomiser重新分析发现了463个新诊断.
- 优化的再分析策略实现了高回忆率 (82%) 和在突出新诊断候选者的精度 (88%).
- 自动化的ACMG/AMP分类器成功地将92%的变异从未知意义转变为致病性/可能致病性.
结论:
- 在罕见疾病研究中,Exomiser为重新解释以前未解决的全基因组测序病例提供了高效和有效的工具.
- 开发的再分析策略通过结合最近的遗传发现和自动变体分类,显著提高了诊断产量.
- 这种方法简化了临床解释,加速了罕见病患者的诊断.


