为临床使用优化GRIDSS:针对性NGS过策略,用于检测生殖系结构变异
Elisabet Munté1,2,3, Paula Rofes1,2,3, Miriam Millán-Castillo1,2,4
1Hereditary Cancer Group, Oncobell Program, Institut d'Investigació Biomèdica de Bellvitge (IDIBELL), L'Hospitalet de Llobregat, Barcelona, Spain.
European journal of human genetics : EJHG
|March 17, 2026
概括
在遗传性癌症诊断中检测结构变异 (SV) 是一个挑战. GRIDSS是一种新的工作流程,使用下一代测序面板数据成功识别了致病性生殖系SV,改善了诊断产量.
科学领域:
- 基因组学就是基因组学.
- 分子诊断学 分子诊断
- 生物信息学是一种生物信息学.
背景情况:
- 检测中等大小的结构变异 (SV) 对于诊断遗传性疾病至关重要,但对于当前的诊断工具来说仍然是一个挑战.
- 现有的方法往往不足,需要先进的方法来全面检测变种.
研究的目的:
- 评估GRIDSS (基因组重组识别和序列合成检测) 工具在一大群遗传性癌症患者中检测生殖系结构变异 (SV) 的实用性.
- 开发和优化一个过策略,在诊断工作流程中优先考虑临床相关的SV.
主要方法:
- 分析了使用GRIDSS的9,726名怀疑患有遗传性癌症的患者的下一代测序 (NGS) 面板数据.
- 在GRIDSS框架内,集成的配对端映射,分割读取分析和基于组装的方法.
- 开发并应用过策略,包括参数优化和视觉检查,随后进行桑格/纳米孔长读序列测试以验证.
主要成果:
- 通过使用开发的过策略,成功地将超过一百万个变体减少到89个候选.
- 证实了13个可能的真实阳性生殖系SVs,全部经过实验验证.
- 确定了8种 (可能的) 致病变体,包括框架转移重复,拼接变体和关键癌症倾向基因 (MSH6,BARD1,APC,BRCA2,PALB2) 中的移动元素插入.
结论:
- 在诊断环境中实施GRIDSS显著提高了检测临床相关生殖系SVs的诊断产量.
- 开发的工作流程证明了常规诊断使用的可行性,为生殖线VS检测提供了全面的方法.
更多相关视频
09:34Targeted Next-generation Sequencing and Bioinformatics Pipeline to Evaluate Genetic Determinants of Constitutional Disease
Published on: April 4, 2018
35.0K
11:02Detecting Somatic Genetic Alterations in Tumor Specimens by Exon Capture and Massively Parallel Sequencing
Published on: October 18, 2013
20.0K
