针对罕见病患者的Genomiser的临床和数据驱动优化:来自香港基因组项目经验

科学领域:

• 基因组学就是基因组学.
• 医学遗传学 医学遗传学
• 生物信息学是一种生物信息学.

背景情况:

• 基因组仪是用于罕见疾病诊断的表型驱动工具,优先考虑编码和非编码变体.
• 需要对Genomiser在现实世界的全基因组测序数据进行全面评估.
• 香港基因组项目此前在其诊断管道中使用了Exomiser.

研究的目的:

• 评估升级从Exomiser到Genomiser的可行性.
• 优化Genomiser参数以改善罕见疾病诊断.
• 将非编码变体分析集成到临床工作流程中.

主要方法:

• 经过修改的Genomiser具有延长间隔过器 (±2000 bp),调整小等位基因频率 (MAF) 到3%,并包括SpliceAI.
• 使用207个阳性罕见疾病病例优化了基因组仪参数.
• 对778个负案例应用了优化参数,以评估增加的产量.
• 确保遵守ACMG/AMP和ClinGen变种解释指南.

主要成果:

• 默认的Genomiser对顶级候选人的敏感性低于Exomiser.
• 优化的ReMM分数 (0.963) 缓解了非编码变体噪声,将Genomiser灵敏度提高到92.54% (前15名候选人).
• 优化的参数检测到20个非编码变体在负面情况下,其中5个被验证为引起疾病,产生2.6%的增加.

结论:

• 优化的Genomiser参数提高了罕见疾病的诊断产量,包括非编码变体.
• 拟议的方法将非编码变异分析集成到临床管道中,遵守解释准则.
• 这项研究验证了Genomiser在使用现实世界的全基因组测序数据进行罕见疾病诊断的实用性.