Classificazione delle varianti genetiche e dei loro effetti sulla salute
Scopri come le varianti genetiche influenzano la salute e la loro classificazione.
― 6 leggere min
Indice
- Cosa Sono le Varianti Genetiche?
- Il Ruolo dello Splicing dell'RNA
- Classificazione delle Varianti Genetiche
- Comprendere le Linee Guida ACMG/AMP
- La Sfida delle Predizioni sullo Splicing dell'RNA
- Il Processo di Splicing in Dettaglio
- Indagare le Varianti dei Siti di Splicing
- Applicazioni Pratiche della Classificazione delle Varianti
- Sfide nell'Interpretazione delle Varianti di Splicing
- Direzioni Future nell'Interpretazione delle Varianti
- Conclusione
- Fonte originale
- Link di riferimento
Le Varianti genetiche sono cambiamenti nel nostro DNA che possono influenzare come funzionano i geni. Alcuni di questi cambiamenti possono portare a problemi di salute, mentre altri possono non avere alcun effetto evidente. Questo articolo spiega come gli scienziati classificano queste varianti genetiche e valutano il loro potenziale impatto, concentrandosi in particolare sulle varianti che influenzano lo Splicing dell'RNA, che è un passaggio importante per trasformare i geni in proteine funzionali.
Cosa Sono le Varianti Genetiche?
Le varianti genetiche possono presentarsi in molte forme. Possono essere piccoli cambiamenti in una singola base del DNA (chiamate varianti di nucleotidi singoli), cambiamenti più grandi che interessano più basi, o addirittura cambiamenti che aggiungono o rimuovono intere sezioni di DNA. Alcune varianti sono innocue, mentre altre possono portare a malattie.
Il Ruolo dello Splicing dell'RNA
Per capire come alcune varianti genetiche possano influenzare la salute, è essenziale conoscere lo splicing dell'RNA. Dopo che un gene è copiato dal DNA all'RNA, questo RNA subisce spesso un processo chiamato splicing. Questo processo rimuove le regioni non codificanti (introni) dall'RNA e unisce le regioni codificanti (esoni) per formare un RNA messaggero maturo (mRNA) pronto per la traduzione in una proteina.
Se lo splicing non avviene correttamente, può portare alla produzione di proteine disfunzionali, che possono causare problemi di salute. Quindi, comprendere come le varianti genetiche influenzano lo splicing è fondamentale per valutare la loro importanza clinica.
Classificazione delle Varianti Genetiche
Gli scienziati utilizzano un framework per classificare le varianti genetiche in base al loro potenziale significato clinico. L'American College of Medical Genetics and Genomics (ACMG) ha stabilito alcune linee guida per questa classificazione. Le varianti vengono catalogate in diverse classi come Patogeniche, Probabilmente Patogeniche, Significato Incerto, Probabilmente Benigne e Benigne.
Categorie di Evidenza
Per classificare le varianti, i ricercatori esaminano vari tipi di evidenza:
- Evidenza Clinica: Questo include dati da pazienti che mostrano come una variante possa essere correlata a una condizione di salute.
- Predizioni Computazionali: Sono predizioni fatte da strumenti di bioinformatica che valutano come una variante potrebbe influenzare la funzione genica e lo splicing.
- Saggi Funzionali: Vengono eseguiti test di laboratorio per vedere come le varianti influenzano direttamente l'RNA o la proteina risultante.
Comprendere le Linee Guida ACMG/AMP
Le linee guida ACMG/AMP forniscono un insieme di regole per interpretare le varianti genetiche, concentrandosi sulle loro implicazioni cliniche. Alcune regole specifiche riguardano le varianti che influenzano lo splicing dell'RNA:
- PVS1: Questo codice si applica a varianti previste per causare la perdita di funzione genica. Potrebbe applicarsi a varianti nei siti di splicing canonici.
- PS3/BS3: Questi codici vengono utilizzati sulla base dei dati dei saggi funzionali che supportano o confutano la patogenicità di una variante.
- PP3/BP4: Questi codici vengono utilizzati per le predizioni computazionali che suggeriscono che una variante probabilmente influisce negativamente o positivamente sullo splicing.
La Sfida delle Predizioni sullo Splicing dell'RNA
Sebbene ci siano strumenti disponibili per prevedere l'effetto delle varianti sullo splicing dell'RNA, i risultati possono essere complessi. Strumenti diversi utilizzano algoritmi diversi e possono fornire predizioni differenti. Questo può portare a confusione nella valutazione del potenziale impatto di una variante.
Inoltre, le predizioni sullo splicing possono essere complicate perché la macchina di splicing è influenzata da diversi fattori, come:
- La specifica posizione della variante in relazione ai siti di splicing.
- I tipi di RNA prodotti da un gene.
- Il contesto biologico in cui il gene è attivo.
Il Processo di Splicing in Dettaglio
Durante lo splicing, gli introni vengono rimossi dal trascritto dell'RNA e gli esoni vengono uniti. Questo processo è mediato da un complesso chiamato spliceosoma, che riconosce sequenze specifiche ai confini tra introni ed esoni. Le varianti possono interrompere questo riconoscimento, portando a:
- Esoni saltati (eson skipping)
- Inclusione di un introne (intron retention)
- Uso alternativo dei siti di splicing (splicing criptico)
Comprendere come diverse varianti impattino questi processi è cruciale per determinare la loro rilevanza clinica.
Indagare le Varianti dei Siti di Splicing
Quando si esaminano le varianti che si verificano in o vicino ai siti di splicing (i confini tra esoni e introni), i ricercatori spesso cercano di capire come questi cambiamenti influenzino lo splicing. Alcune varianti possono direttamente interrompere sequenze critiche necessarie per la macchina di splicing, mentre altre possono creare nuove sequenze che influenzano lo splicing.
Ad esempio, una variante che cambia un sito di splicing donatore (l'inizio di un introne) può portare al salto di un esone essenziale. D'altra parte, una variante in un sito di splicing accettore (la fine di un introne) può causare la ritenzione di un introne. Entrambi gli scenari possono compromettere la normale funzione genica e potenzialmente portare a malattie.
Applicazioni Pratiche della Classificazione delle Varianti
In un contesto clinico, comprendere il significato delle varianti genetiche aiuta nella diagnosi e gestione delle malattie. Ad esempio, sapere se una variante è patogenica può guidare le scelte terapeutiche per condizioni ereditarie come il cancro.
I laboratori spesso utilizzano una combinazione di strumenti computazionali, saggi funzionali e dati clinici per arrivare a un consenso sulla classificazione delle varianti. Questo approccio integrato assicura che le interpretazioni delle varianti siano basate su un insieme robusto di evidenze.
Sfide nell'Interpretazione delle Varianti di Splicing
Sebbene siano stati fatti notevoli progressi nella classificazione delle varianti, rimangono delle sfide. Innanzitutto, la complessità dei meccanismi di splicing può portare a ambiguità nell'interpretazione. Le varianti che influenzano lo splicing possono portare a dati incompleti o ambigui, rendendo difficile assegnare una chiara classificazione di patogenicità.
Inoltre, la disponibilità di dati su diversi geni e le loro varianti può essere incoerente. Alcuni geni possono avere linee guida ben stabilite, mentre per altri, la conoscenza può essere limitata, portando a incertezze nella classificazione.
Direzioni Future nell'Interpretazione delle Varianti
Con l'avanzare della ricerca, ci si aspetta che gli strumenti e i framework per classificare le varianti genetiche migliorino. Nuove tecnologie, come il sequenziamento ad alta capacità e bioinformatica avanzata, miglioreranno l'identificazione e l'analisi delle varianti di splicing.
Una maggiore collaborazione tra ricercatori, professionisti medici ed esperti di interpretazione delle varianti contribuirà anche a perfezionare la classificazione delle varianti. Aggiornamenti continui delle linee guida rifletteranno le ultime scoperte scientifiche e i dati clinici, assicurando che le valutazioni rimangano pertinenti e accurate.
Conclusione
La classificazione delle varianti genetiche, in particolare quelle che influenzano lo splicing dell'RNA, è fondamentale per comprendere il loro potenziale impatto sulla salute. Integrando varie forme di evidenza, i professionisti della salute possono prendere decisioni informate che influenzano significativamente la cura dei pazienti.
Man mano che la nostra conoscenza della genetica e dello splicing continua ad evolversi, anche i framework e gli strumenti utilizzati per interpretare le varianti si svilupperanno. Questo progresso continuo promette di migliorare la nostra capacità di identificare e gestire efficacemente le condizioni genetiche, migliorando infine gli esiti dei pazienti.
Titolo: APPLICATION OF THE ACMG/AMP FRAMEWORK TO CAPTURE EVIDENCE RELEVANT TO PREDICTED AND OBSERVED IMPACT ON SPLICING: RECOMMENDATIONS FROM THE CLINGEN SVI SPLICING SUBGROUP
Estratto: The American College of Medical Genetics and Genomics (ACMG) and the Association for Molecular Pathology (AMP) framework for classifying variants uses six evidence categories related to the splicing potential of variants: PVS1 (null variant in a gene where loss-of-function is the mechanism of disease), PS3 (functional assays show damaging effect on splicing), PP3 (computational evidence supports a splicing effect), BS3 (functional assays show no damaging effect on splicing), BP4 (computational evidence suggests no splicing impact), and BP7 (silent change with no predicted impact on splicing). However, the lack of guidance on how to apply such codes has contributed to variation in the specifications developed by different Clinical Genome Resource (ClinGen) Variant Curation Expert Panels. The ClinGen Sequence Variant Interpretation (SVI) Splicing Subgroup was established to refine recommendations for applying ACMG/AMP codes relating to splicing data and computational predictions. Our study utilised empirically derived splicing evidence to: 1) determine the evidence weighting of splicing-related data and appropriate criteria code selection for general use, 2) outline a process for integrating splicing-related considerations when developing a gene-specific PVS1 decision tree, and 3) exemplify methodology to calibrate bioinformatic splice prediction tools. We propose repurposing of the PVS1_Strength code to capture splicing assay data that provide experimental evidence for variants resulting in RNA transcript(s) with loss of function. Conversely BP7 may be used to capture RNA results demonstrating no impact on splicing for both intronic and synonymous variants, and for missense variants if protein functional impact has been excluded. Furthermore, we propose that the PS3 and BS3 codes are applied only for well-established assays that measure functional impact that is not directly captured by RNA splicing assays. We recommend the application of PS1 based on similarity of predicted RNA splicing effects for a variant under assessment in comparison to a known Pathogenic variant. The recommendations and approaches for consideration and evaluation of RNA assay evidence described aim to help standardise variant pathogenicity classification processes and result in greater consistency when interpreting splicing-based evidence.
Autori: Steven M. Harrison, L. C. Walker, M. de la Hoya, G. A. Wiggins, A. Lindy, L. M. Vincent, M. Parsons, D. M. Canson, D. Bis-Brewer, A. Cass, A. Tchourbanov, H. Zimmermann, A. B. Byrne, T. Pesaran, R. Karam, ClinGen Sequence Variant Interpretation Working Group, A. B. Spurdle
Ultimo aggiornamento: 2023-02-26 00:00:00
Lingua: English
URL di origine: https://www.medrxiv.org/content/10.1101/2023.02.24.23286431
Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.02.24.23286431.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.
Link di riferimento
- https://cspec.genome.network/cspec/ui/svi
- https://www.genedx.com/
- https://gwiggins.shinyapps.io/lr_shiny/
- https://github.com/Illumina/SpliceAI
- https://search.clinicalgenome.org/kb/gene-dosage
- https://gnomad.broadinstitute.org/
- https://www.ncbi.nlm.nih.gov/refseq/MANE/
- https://genome.ucsc.edu/
- https://clinicalgenome.org/site/assets/files/7451/clingen_hbop_acmg_specifications_atm_v1_1.pdf
- https://www.proteinatlas.org/
- https://www.hgmd.cf.ac.uk/ac/index.php