Valutare Varianti Genetiche: Un Focus su REVEL
REVEL offre spunti su mutazioni genetiche dannose per risultati di salute migliori.
― 6 leggere min
Le mutazioni genetiche possono portare a varie condizioni di salute, specialmente nelle Malattie Mendeliane, che sono causate da cambiamenti in un singolo gene. Tra queste mutazioni, le varianti missense sono notevoli perché cambiano un amminoacido in una proteina, il che può influenzare il funzionamento della proteina stessa. Tuttavia, non tutte le varianti missense sono dannose; alcune possono essere neutre o benigne. Questo solleva la questione di come determinare se una variante specifica è dannosa.
Nel 2015, sono state stabilite linee guida per aiutare a classificare le varianti genetiche che causano malattie mendeliane. Queste linee guida suggerivano che gli strumenti computazionali possono aiutare a prevedere se una variante è probabile che causi una malattia. Tuttavia, hanno anche affermato che i risultati di questi strumenti dovrebbero essere presi con cautela e considerati come supporto aggiuntivo piuttosto che prova definitiva. I risultati vengono combinati con altre evidenze per classificare le varianti in categorie come benigne, probabilmente benigne, significato incerto, probabilmente patogene o patogene.
Uno di questi strumenti è REVEL, che sta per Rare Exome Variant Ensemble Learner. Questo strumento utilizza punteggi da altri strumenti per fornire un punteggio complessivo per una variante genetica. Combina dati di tredici diversi predittori per stimare la probabilità che una variante missense sia dannosa. Questo rende REVEL uno strumento utile per medici e ricercatori quando si analizzano set di dati genetici ampi.
Ci sono varie applicazioni per REVEL. Ad esempio, è stato usato per identificare varianti dannose in famiglie con malattie genetiche, permettendo decisioni informate riguardo a trattamenti come i trapianti di cellule staminali. In un altro caso, REVEL ha aiutato a collegare specifiche varianti genetiche con la gravità della malattia in una condizione nota come aciduria glutarica di tipo 1. Inoltre, è stato utilizzato per esaminare grandi popolazioni per varianti associate a disturbi dello sviluppo.
La ricerca ha dimostrato che strumenti come REVEL tendono a funzionare meglio rispetto a strumenti singoli quando si tratta di prevedere se una mutazione è dannosa. Uno studio ha analizzato molte varianti genetiche e ha scoperto che REVEL aveva risultati impressionanti nel prevedere varianti patogene. Tuttavia, questo studio non ha esaminato se il tipo di variante-se causa Perdita di Funzione (LoF) o guadagno di funzione (GoF)-influenza le prestazioni di REVEL.
REVEL fornisce un punteggio tra 0 e 1, con punteggi più alti che indicano una maggiore probabilità che una variante sia dannosa. Gli sviluppatori di REVEL hanno suggerito di utilizzare punteggi di 0.5 e 0.75 come soglie per considerare una variante dannosa. Usando queste soglie, una percentuale elevata sia di varianti LoF che GoF è stata prevista come patogena, mostrando l'efficacia di REVEL nella valutazione di queste mutazioni.
Un'analisi più dettagliata dei risultati ha mostrato che una porzione maggiore di varianti LoF soddisfaceva i criteri per prove forti di patogenicità rispetto alle varianti GoF. Questo significa che, sebbene REVEL sia efficace per entrambi i tipi di varianti, tende a identificare le varianti LoF come più probabili di essere dannose.
Il valore predittivo più elevato per le varianti LoF potrebbe essere collegato al modo in cui altri strumenti, che fanno parte dell'algoritmo di REVEL, funzionano. Studi precedenti hanno indicato che altri strumenti comuni erano meno efficaci nel prevedere varianti GoF, il che potrebbe spiegare perché REVEL mostra una tendenza simile.
È importante sottolineare che, sebbene strumenti come REVEL siano preziosi, non dovrebbero sostituire l'interpretazione esperta. Il test genetico coinvolge molti fattori e anche se una variante ha un punteggio elevato, prove indipendenti dovrebbero supportare la probabilità che sia dannosa. Secondo le linee guida, avere due linee di prova forti è spesso sufficiente per concludere che una variante è patogene. Quindi, se una variante ha un punteggio REVEL elevato, è necessaria solo un'altra prova forte per classificarla come dannosa.
Questa comprensione ha implicazioni pratiche per diagnosticare condizioni genetiche causate da varianti GoF. Poiché le varianti GoF si sono dimostrate meno probabili di soddisfare l'alta soglia di punteggio per prove forti, c'è potenziale per creare soglie personalizzate per diversi tipi di condizioni genetiche. Questo potrebbe migliorare l'accuratezza delle valutazioni nei casi causati da varianti GoF.
La ricerca in quest'area si è concentrata su tre geni specifici con note varianti LoF e GoF. L'obiettivo era valutare quanto bene REVEL prevede varianti patogene in questi geni, senza considerare le varianti benigne. Questo approccio ristretto aiuta a chiarire l'efficacia dello strumento pur riconoscendo anche le limitazioni della sua applicazione a un'ampia gamma di geni.
I risultati suggeriscono che REVEL è uno strumento affidabile per prevedere sia le varianti LoF che quelle GoF. Tuttavia, la minore probabilità di varianti GoF di raggiungere punteggi elevati indica che sono necessarie ulteriori indagini. Sviluppare soglie specifiche per le varianti GoF potrebbe giovare alle valutazioni genetiche in condizioni legate a queste mutazioni.
In conclusione, REVEL ha dimostrato di poter prevedere un numero significativo di varianti LoF e GoF con precisione. Tuttavia, per le varianti GoF, potrebbe essere necessario ulteriore lavoro per migliorare l'accuratezza predittiva per l'uso clinico. Man mano che la ricerca continua a evolversi in questo campo, strumenti come REVEL rimarranno risorse importanti per comprendere le mutazioni genetiche e le loro implicazioni per la salute umana.
Importanza della Classificazione delle Varianti Genetiche
La classificazione delle varianti genetiche gioca un ruolo cruciale nella comprensione di come specifiche mutazioni impattino sulla salute. Permette ai professionisti della salute di prendere decisioni informate riguardo a diagnosi e trattamenti. Utilizzando strumenti computazionali come REVEL, ricercatori e medici possono valutare rapidamente e in modo efficiente un gran numero di varianti.
L'obiettivo finale di questi sforzi è supportare migliori risultati di salute per le persone colpite da condizioni genetiche. Raffinando i metodi di classificazione delle varianti genetiche, la comunità medica può migliorare le cure per i pazienti e sviluppare terapie mirate. Man mano che continuiamo ad apprendere di più sul complesso mondo della genetica, strumenti e linee guida continueranno a evolversi parallelamente alla nostra comprensione, promuovendo progressi nella medicina di precisione.
Direzioni Future
Lo studio continuo delle varianti genetiche, in particolare in relazione al loro potenziale Patogeno, è fondamentale per l'avanzamento della ricerca medica. I futuri studi dovrebbero concentrarsi sull'espansione della gamma di geni valutati da strumenti come REVEL. Questo aiuterà a convalidare i risultati e garantire che le risorse utilizzate in genetica siano eque e applicabili a varie condizioni.
Inoltre, i ricercatori dovrebbero mirare a comprendere i meccanismi tramite i quali diversi tipi di varianti contribuiscono alla malattia. Questa conoscenza non solo affinerà le capacità predittive degli strumenti, ma consentirà anche strategie terapeutiche più efficaci.
Man mano che il campo della genetica continua a crescere, la collaborazione tra ricercatori, clinici e bioinformatici sarà essenziale. Lavorando insieme, questi gruppi possono sfruttare il potenziale di strumenti come REVEL per migliorare ulteriormente la nostra comprensione delle malattie genetiche e migliorare le cure per i pazienti.
Titolo: REVEL is better at predicting pathogenicity of loss-of-function than gain-of-function variants
Estratto: 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.
Autori: Thomas W Laver, J. J. Hopkins, M. N. Wakeling, M. B. Johnson, S. E. Flanagan
Ultimo aggiornamento: 2023-11-22 00:00:00
Lingua: English
URL di origine: https://www.medrxiv.org/content/10.1101/2023.06.06.23290963
Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.06.06.23290963.full.pdf
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia medrxiv per l'utilizzo della sua interoperabilità ad accesso aperto.