针对罕见疾病诊断的优化变异优先级过程:对Exomiser和Genomiser的建议
Isabelle B Cooperstein1, Shruti Marwaha2,3, Alistair Ward1,4
1Department of Human Genetics, University of Utah, Salt Lake City, UT, 84112, USA.
Genome medicine
|October 22, 2025
概括
优化的参数显著改善了使用Exomiser和Genomiser工具对罕见疾病诊断的变异优先级. 这些基于证据的建议提高了从外体和基因组测序数据的诊断产量.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 罕见疾病诊断 罕见疾病诊断
背景情况:
- 外基因组测序 (ES) 和基因组测序 (GS) 对于识别罕见疾病的诊断变异至关重要.
- 变异优先级仍然是一个挑战,阻碍了对遗传数据的有效解释.
- 该Exomiser/Genomiser套件被广泛使用,但缺乏数据驱动优化指南.
研究的目的:
- 为Exomiser和Genomiser工具提供优化的参数和实际建议.
- 改善在罕见疾病病例中的诊断变异优先级.
- 为复杂的病例提出替代工作流程,在复杂的病例中,可能会错过诊断变体.
主要方法:
- 来自未诊断疾病网络 (UDN) 的386名被诊断的试验者的分析.
- 对影响工具性能的参数进行系统评估:基因:表型数据,病原性预测因子,表型术语和家族变异数据.
- 编码和非编码变体的评估.
主要成果:
- 参数优化显著改善了Exomiser对GS (49.7%至85.5%) 和ES (67.3%至88.2%) 编码变体的性能.
- 非编码变异的基因组分离器性能在前10个排名中从15.0%提高到40.0%.
- 研究了精炼策略,包括p值值.
结论:
- 在ES/GS数据中使用Exomiser和Genomiser进行基于证据的变异优先级框架.
- 在Mosaic平台上实施的建议,以提高未被诊断的参与者的诊断产量.
- 强调需要跟踪已解决的案件,以对生物信息学工具进行基准测试.


