罕见病总的来说占到人群总体的二十分之一【1】,但在这些约10,000种类别的罕见病中,只有不到一半罕见病的遗传学病因是已知的【2】。罕见病患者的大人群标准化基因组测序是病因发现最有力的办法之一,同时也能提高相关罕见病的遗传诊断率【3-5】。迄今为止最大规模的罕见病基因组测序研究是英国的十万人基因组计划 (The 100,000 Genomes Project, 100KGP),这一项目对34,523名英国罕见病患者和43,016名他们的亲属进行了测序,且相关遗传学信息及其表型组数据公开共享 (Genomics England Research Environment)。100KGP数据集的庞大规模和复杂性带来了生物信息学和统计学的诸多挑战[6]。此外,来自数万个体基因组测序的庞大数据也产生了高昂的存储和处理成本。近期相关框架——如Hail7 【7】和OpenCGA 【8】——的开发在这方面提供了更大灵活性,但也存在着自身的限制。近日,西奈山伊坎医学院Ernest Turro团队联合英国剑桥大学、帝国理工大学、伦敦大学学院、美国马里兰大学等诸多单位,在Nature Medicine在线发表了题为Genetic association analysis of 77,539 genomes reveals rare disease etiologies的研究工作。在这一工作中,研究人员应对100KGP数据,开发了一个仅有5.5 GB的数据库架构Rareservoir,继而研究人员通过贝叶斯统计方对编码基因与患者被诊断的269种罕见病间的遗传学关联进行了甄别和分析,鉴定了罕见病新的疾病病因。首先,研究人员搭建了一个简约型的数据库——Rareservoir,这一大小仅有5.5GB的数据库整合了100KGP所包含的罕见病患者及其对照人群 (n = 77,539) 的罕见突变基因型及表型,其中包含超过1千万的罕见外显子或剪切相关单核苷酸位点变异 (Single-nucleotide variants, SNVs) 以及影响蛋白质编码序列的短的插入或缺失位点。随后,研究人员利用贝叶斯遗传关联分析工具BeviMed对基因型以及269种罕见病类别之间的关联进行了分析。最终,鉴定了241个已知的和19个以前未知的罕见病关联位点 (见图1&表1)。图1 BeviMed鉴定的罕见病关联基因 (PPAs > 0.95)。表1 BeviMed鉴定的19个新发现的罕见病遗传学关联进一步地,研究人员通过其他的队列研究分析,抑或是生物信息学、实验科学的角度和方法,验证了其中3个位点——ERG、PMEPA1和GPR156,明确了:
1)ETS家族蛋白ERG的功能缺失导致原发性淋巴水肿;
2)TGFβ调控因子PMEPA1最后一个外显子的缺失导致Loeys-Dietz综合征;
3)GPR156的功能失活导致隐性先天性听力障碍。文章最后,研究人员总结了这一工作的局限之处。首先,这一研究所用的人群数据主要来欧洲血统 (82%),对于其他血统人群的代表性有限。其次,在分析的269种罕见病类型中,有28种地先证者少于5例,限制了相应疾病关联基因的确定。此外,该研究研究只考虑了编码基因中的SNVs以及插入和缺失,缺乏对非编码基因以及调控区域的位点的关注。最后,研究主要基于罕见病的单基因致病模型进行分析,多基因致病的可能也是存在的,且单基因疾病临床表现的变异性可能是由多基因效应引起的。这些局限性也对应着未来相关研究的重点和难点。总结而言,Rareservoir为大人群数据库的轻量级、灵活使用提供了很好的范例。在本研究中,通过结合Rareservoir与适配的统计学工具BeviMed,研究人员鉴定了260个罕见病遗传关联位点,其中241个同之前的报道相一致,剩余19个是新的罕见病关联位点。这一方法的准确性和特异性优于 (FDR ≦ 7.3%) 同期其他方法【9】。原文链接:
https://www.nature.com/articles/s41591-023-02211-z
制版人:十一
1. Boycott, K. M. et al. International cooperation to enable the diagnosis of all rare genetic diseases. Am. J. Hum. Genet 100, 695–705 (2017).2. Ferreira, C. R. The burden of rare diseases. Am. J. Med Genet A 179, 885–892 (2019).3. Turro, E. et al. Whole-genome sequencing of patients with rare diseases in a national health system. Nature 583, 96–102 (2020).4. Wang, Q. et al. Rare variant contribution to human disease in 281,104 UK Biobank exomes. Nature 597, 527–532 (2021).5. Kaplanis, J. et al. Evidence for 28 genetic disorders discovered by combining healthcare and research data. Nature 586, 757–762 (2020).6. Greene, D., Richardson, S. & Turro, E. Phenotype similarity regression for identifying the genetic determinants of rare diseases. Am. J. Hum. Genet 98, 490–499 (2016).7. Hail Team. Hail 0.2. https://github.com/hail-is/hail (2022).8. Lopez, J. et al. HGVA: the Human Genome Variation Archive. Nucleic Acids Res. 45, W189–W194 (2017).9. Smedley, D. et al. 100,000 Genomes pilot on rare-disease diagnosis in health care - preliminary report. N. Engl. J. Med. 385, 1868–1880 (2021).【原创文章】BioArt原创文章,欢迎个人转发分享,未经允许禁止转载,所刊登的所有作品的著作权均为BioArt所拥有。BioArt保留所有法定权利,违者必究。