|
针对遗传变异的临床意义进行准确解读一直是临床遗传病检测工作的重点和难点，直接影响了遗传病的确诊和相关临床干预的决策。在美国，提供遗传病检测服务的临床检验实验室过去一般会采用自己建立的判断分级方法进行变异位点的临床意义判定，这就出现了不同实验室针对同一变异位点的解释和结论不一致的现象。 为了解决这一问题，ACMG/AMP于2015年发布统一标准，对遗传变异位点的判定标准进行规范（《Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Patholog》，以下简称为《标准》，图1）。自该《标准》发布以来，全球范围内越来越多的实验室参照该标准开展遗传病检测服务。  图1. 2015年ACMG/AMP共同发布的变异解释标准及指南 但最近《美国人类遗传学》杂志（AJHG）上的一篇相关调查报告却发现该标准具体实施过程中仍存在许多问题，并对这些问题进行了详细分析和提出相应的改进建议。虽然这一调查主要是在美国进行，但对国内临床检验实验室的工作开展具有重要参考价值，值得我们参考。希望组团队将这篇调查报告的要点进行翻译和整理，希望可以起到抛砖引玉的作用，让更多的人关注到遗传病检测过程中的数据判读标准的重要性和挑战性，大家共同推动中国遗传病基因检测行业的进一步规范。 调查结论 共计9家实验室（其中8家为CLIA实验室）参加了这项调查，并依据ACMG/AMP的《标准》及实验室自建标准，分别对99个变异位点（覆盖了致病性、疑似致病、临床意义未知、疑似良性、良性的变异）进行临床意义的判读。结果发现这9家实验室间的一致率仅有34%（无论是依据ACMG/AMP的标准还是实验室自建标准），并且存在争议的位点中，有1/3将可能影响临床干预措施的相关决策（图2）。这一结果非常令人意外，必然会对未来的《标准》执行产生重要影响。 图2. 实验室间的一致率调查结果 结果出来之后，9家实验室经过讨论，对部分争议位点的判断结果进行了调整，将实验室间一致率提升到71%——但仍有不少位点的临床意义判读无法达成一致（图3）。 图3. 实验室间的一致率调查结果（协商后） 造成不一致的原因及修正方法 调查报告分析了造成这种情况的两方面原因：1）实验室的依据并不能支持临床意义判断的结论，换句话说，可能是公式计算错误（这就很尴尬了），这种情况的比例大概5%；2）不同实验室对于ACMG/AMP《标准》的理解有所不同，这是导致位点判断结论不一致的主要原因。调查报告建议实验室在计算机工具的辅助下对最终结论进行汇总，以避免第一种类型的失误出现（可以参考：http://wintervar./）；而对于《标准》理解不同而造成的结论差异，调查报告也对所有参与这次调查的位点判断情况，并对其中有所偏差的判读结论重新明确（参照原《标准》对比阅读）。 PVS1：不适用于位于基因3'端及不引发NMD（无义介导的mRNA降解）机制的变异； PS1：强调是不同的碱基改变（不适用于同样的碱基变异） PS2：如果变异为嵌合且与表型相符，则证据强度将为Moderate或者Supporting PM1：不适用于截短变异 PM2,BS1：不适用于过长的indels；使用至少有1000人以上的对照数据库；不适用于低质量的变异数据；必须明确疾病与遗传模式； PM3：在单体型不明确的情况下，该证据强度为supporting；当有一个以上的先证者出现，则此证据可以升级； PM4：仅适用于同框删除及插入，stop-loss变异；不能用于移码，无义和剪接位点变异； PM5：确保之前报道变异的致病性 PP3,BP4：强调“所有（All lines）”的预测软件 PP4：不适用于遗传异质性强的疾病，或者病因未确定的疾病； PP5,BP6：只有在证据无法获取的时候可以采用； BS2：警惕所使用的人群数据尚未明确排除目标表型； BP1：建议将“primary”定义为90%； BP2,BP5：明确与已知致病性变异在同一个基因上，参考BP2；在不同的基因上，则参考BP5。 调查报告中还花大量篇幅对存在争议的位点进行举例解释，可以看到即使在充分讨论后，不同的分析人员对于位点相关证据的理解、采纳乃至结论仍存在分歧。变异位点临床意义的解释如何能够真正树立更清晰、更明确的可执行标准，仍然任重而道远。文末作者提出了一些建设性意见，希望对行业发展有所助益（图4）。 调查报告中还花大量篇幅对存在争议的位点进行举例解释，可以看到即使在充分讨论后，不同的分析人员对于位点相关证据的理解、采纳乃至结论仍存在分歧。变异位点临床意义的解释如何能够真正树立更清晰、更明确的可执行标准，仍然任重而道远。文末作者提出了一些建设性意见，希望对行业发展有所助益（图4）。 图4. 作者的一些建议 1. 确定“stand-alone”的疾病特异性的等位基因频率阈值，替换≥5%的阈值； 2. 汇总基因导致疾病发生的机制，以便于分析人员确定基因变异导致疾病发生是否是由于LOF（Loss of function）导致； 3. 确定实用有效的计算机算法辅助判读； 4. 确定明确的标准以判断何种情况为“well-established”功能研究数据，并确定在何种情况下对该标准降级实用； 5. 建立区分不同强度证据的定量的阈值标准； 6. 开发自动化的基于ACMG-AMP的计算机分析系统。 作者——高勇 北京希望组生物科技有限公司(Grandomics Biosciences Co.,Ltd.) 是一家专注于将生物信息学、基因组学和互联网前沿技术应用于临床医学和个人健康的创新型企业。核心研发团队由知名的生物信息分析专家、资深医学遗传学学者和经验丰富的临床医生组成。 希望组建立了基于二代测序技术的单基因遗传病检测平台，并开发了基于三代单分子测序平台的遗传病研究方法，可以有效覆盖传统的二代测序技术无法检测的复杂重复或不易扩增的区域，显著提高某些遗传病突变的检出率。为了与基因检测服务配套，希望组又自主开发了医学级遗传病大数据分析私有计算平台GrandBox® ，为临床实验室提供一站式的遗传病基因测序数据管理和分析平台。
|
|
|
来自： xiongzhang2017 > 《测序》
