Simple Science

La science de pointe expliquée simplement

# Sciences de la santé# Médecine génétique et génomique

Évaluation des variantes génétiques : un focus sur REVEL

REVEL propose des idées sur les mutations génétiques nuisibles pour de meilleurs résultats de santé.

― 7 min lire


Variantes Génétiques SousVariantes Génétiques SousLa Loupepour améliorer la santé génétique.REVEL prédit des mutations nuisibles
Table des matières

Les mutations génétiques peuvent causer divers problèmes de santé, surtout dans les Maladies Mendéliennes, qui sont dues à des changements dans un seul gène. Parmi ces mutations, les variants non-sens sont marquants car ils changent un acide aminé dans une protéine, ce qui peut affecter son fonctionnement. Pourtant, pas tous les variants non-sens sont nuisibles ; certains peuvent être neutres ou bénins. Ça soulève la question de comment déterminer si un variant spécifique est nuisible.

En 2015, des directives ont été mises en place pour aider à classer les variants génétiques causant des maladies mendéliennes. Ces directives ont suggéré que des outils informatiques peuvent aider à prédire si un variant est susceptible de causer une maladie. Cependant, elles ont aussi précisé que les résultats de ces outils doivent être pris avec prudence et vus comme un soutien supplémentaire plutôt que comme une preuve définitive. Les résultats sont combinés avec d'autres preuves pour classer les variants en catégories comme bénin, vraisemblablement bénin, signification incertaine, vraisemblablement pathogène ou pathogène.

Un de ces outils s'appelle REVEL, qui veut dire Rare Exome Variant Ensemble Learner. Cet outil utilise des scores provenant de plusieurs autres outils pour donner un score global à un variant génétique. Il combine des données de treize prédicteurs différents pour estimer la chance qu'un variant non-sens soit nuisible. Ça fait de REVEL un outil utile pour les médecins et les chercheurs quand ils examinent de grands ensembles de données génétiques.

Il y a plein d'applications pour REVEL. Par exemple, il a été utilisé pour identifier des variants nuisibles dans des familles avec des maladies génétiques, permettant de prendre des décisions éclairées concernant des traitements comme les greffes de cellules souches. Dans un autre cas, REVEL a aidé à relier des variants génétiques spécifiques avec la gravité d’une condition connue sous le nom d'acidurie glutarique de type 1. En plus, il a été utilisé pour dépister de grandes populations pour des variants associés à des troubles du développement.

Des recherches ont montré que des outils comme REVEL ont tendance à mieux performer que des outils uniques pour prédire si une mutation est nuisible. Une étude a analysé de nombreux variants génétiques et a découvert que REVEL avait des résultats impressionnants dans la prédiction des variants Pathogènes. Cependant, cette étude n’a pas examiné si le type de variant-s'il cause une Perte de fonction (LoF) ou un gain de fonction (GoF)-affectait les performances de REVEL.

REVEL fournit un score entre 0 et 1, avec des scores plus élevés indiquant une plus grande probabilité qu'un variant soit nuisible. Les développeurs de REVEL ont suggéré d'utiliser des scores de 0.5 et 0.75 comme seuils pour considérer un variant comme nuisible. En utilisant ces seuils, un pourcentage élevé de variants LoF et GoF a été prédit comme pathogène, montrant l’efficacité de REVEL pour évaluer ces mutations.

Un examen plus attentif des résultats a montré qu'une plus grande proportion de variants LoF répondait aux critères de preuves solides de pathogénicité par rapport aux variants GoF. Ça veut dire que, bien que REVEL soit efficace pour les deux types de variants, il tend à identifier les variants LoF comme plus susceptibles d'être nuisibles.

La valeur prédictive plus élevée pour les variants LoF pourrait être liée à la façon dont d'autres outils, qui font partie de l'algorithme de REVEL, fonctionnent. Des études antérieures ont indiqué que d'autres outils courants étaient moins efficaces pour prédire les variants GoF, ce qui pourrait expliquer pourquoi REVEL montre une tendance similaire.

Il est important de souligner que, même si des outils comme REVEL sont précieux, ils ne doivent pas remplacer l'interprétation d'experts. Les tests génétiques impliquent de nombreux facteurs, et même si un variant a un score élevé, des preuves indépendantes devraient soutenir la probabilité qu'il soit nuisible. Selon les directives, avoir deux fortes lignes de preuve est souvent suffisant pour conclure qu'un variant est pathogène. Donc, si un variant a un score REVEL élevé, il ne faut qu'une seule preuve forte supplémentaire pour le classer comme nuisible.

Cette compréhension a des implications pratiques pour le diagnostic des conditions génétiques causées par des variants GoF. Puisque les variants GoF ont montré moins de chances d'atteindre le seuil de score élevé pour des preuves solides, il y a un potentiel pour créer des seuils personnalisés pour différents types de conditions génétiques. Ça pourrait améliorer la précision des évaluations dans des cas causés par des variants GoF.

Les recherches dans ce domaine se sont concentrées sur trois gènes spécifiques avec des variants connus LoF et GoF. L'objectif était d'évaluer à quel point REVEL prédit les variants pathogènes dans ces gènes, sans considérer les variants bénins. Cette approche ciblée aide à clarifier l'efficacité de l'outil tout en reconnaissant les limites de son application à un éventail plus large de gènes.

Les résultats suggèrent que REVEL est un outil fiable pour prédire les variants LoF et GoF. Cependant, la probabilité plus faible que les variants GoF atteignent des scores élevés indique qu'une enquête plus approfondie pourrait être nécessaire. Développer des seuils spécifiques pour les variants GoF pourrait bénéficier aux évaluations génétiques dans les conditions liées à ces mutations.

En conclusion, REVEL a montré sa capacité à prédire un nombre significatif de variants LoF et GoF avec précision. Cependant, pour les variants GoF, un travail supplémentaire pourrait être nécessaire pour améliorer la précision prédictive pour un usage clinique. Au fur et à mesure que la recherche continue d'évoluer dans ce domaine, des outils comme REVEL resteront des atouts importants pour comprendre les mutations génétiques et leurs implications pour la santé humaine.

Importance de la classification des variants génétiques

La classification des variants génétiques joue un rôle crucial pour comprendre comment des mutations spécifiques impactent la santé. Ça permet aux professionnels de la santé de prendre des décisions éclairées concernant le diagnostic et le traitement. En utilisant des outils informatiques comme REVEL, les chercheurs et les médecins peuvent évaluer rapidement et efficacement un grand nombre de variants.

L'objectif ultime de ces efforts est d'améliorer les résultats de santé pour les personnes affectées par des conditions génétiques. En affinant les méthodes de classification des variants génétiques, la communauté médicale peut améliorer les soins aux patients et développer des thérapies ciblées. Au fur et à mesure que nous continuons d'apprendre davantage sur le monde complexe de la génétique, les outils et les directives continueront d'évoluer avec notre compréhension, favorisant les avancées en médecine de précision.

Directions futures

L'étude continue des variants génétiques, particulièrement en relation avec leur potentiel pathogène, est vitale pour faire avancer la recherche médicale. Les études futures devraient se concentrer sur l'expansion de la gamme de gènes évalués par des outils comme REVEL. Cela aidera à valider les résultats et à s'assurer que les ressources utilisées en génétique sont équitables et applicables à travers diverses conditions.

De plus, les chercheurs devraient viser à comprendre les mécanismes par lesquels différents types de variants contribuent à la maladie. Cette connaissance affinera non seulement les capacités prédictives des outils, mais permettra également des stratégies thérapeutiques plus efficaces.

Alors que le domaine de la génétique continue de croître, la collaboration entre chercheurs, cliniciens et bioinformaticiens sera essentielle. En travaillant ensemble, ces groupes peuvent exploiter le potentiel d'outils comme REVEL pour améliorer notre compréhension des maladies génétiques et améliorer les soins aux patients.

Source originale

Titre: REVEL is better at predicting pathogenicity of loss-of-function than gain-of-function variants

Résumé: In silico predictive tools can help determine the pathogenicity of variants. The 2015 American College of Medical Genetics and Genomics (ACMG) guidelines recommended that scores from these tools can be used as supporting evidence of pathogenicity. A subsequent publication by the ClinGen Sequence Variant Interpretation Working Group suggested high scores from some tools were sufficiently predictive to be used as moderate or strong evidence of pathogenicity. REVEL is a widely used meta-predictor that uses the scores of 13 individual in-silico tools to calculate pathogenicity of missense variants. Its ability to predict missense pathogenicity has been assessed extensively, however, no study has previously tested whether its performance is affected by whether the missense variant acts via a loss of function (LoF) or gain of function (GoF) mechanism. We used a highly curated dataset of 66 confirmed LoF and 65 confirmed GoF variants to evaluate whether this affected the performance of REVEL. 98% of LoF and 100% of GoF variants met the author-recommended REVEL threshold of 0.5 for pathogenicity, while 89% LoF and 88% GoF variants exceeded the 0.75 threshold. However, while 55% of LoF variants met the threshold recommended for a REVEL score to count as strong evidence of pathogenicity from the ACMG guidelines (0.932), only 35% of GoF variants met this threshold (P=0.0352). GoF variants are therefore less likely to receive the highest REVEL scores which would enable the REVEL score to be used as strong evidence of pathogenicity. This has implications for classification with the ACMG guidelines as GoF variants are less likely to meet the criteria for pathogenicity.

Auteurs: Thomas W Laver, J. J. Hopkins, M. N. Wakeling, M. B. Johnson, S. E. Flanagan

Dernière mise à jour: 2023-11-22 00:00:00

Langue: English

Source URL: https://www.medrxiv.org/content/10.1101/2023.06.06.23290963

Source PDF: https://www.medrxiv.org/content/10.1101/2023.06.06.23290963.full.pdf

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à medrxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires