移動下一代測序進入臨床, 部分 2

第一次嘗試在現場鳴叫 #ngs2013 http://t.co/SbWrGx8weI

— 保羅·丹尼 (@ Pauldennyuk) 三月 12, 2013

在我 最後發表, 我總結了本次研討會的前四個會談:

1ST牛津工作坊及研討會, 4日Techgene知識網絡會議,
“NGS2013下一代測序: 生物信息學和數據分析”

你也可以閱讀的鳴叫從會議 這裡. 但我離題. 下午的會議開始赫然馬塞爾Nelen的, 從Radboud大學醫學院中心, 奈梅亨, 荷蘭講:

“在異質性的疾病基因組測序的臨床效用。”

博士Nelen描述如何強大的研究和診斷實驗室之間的合作導致基因組測序的應用異質性遺傳性疾病的診斷. 他強調了一個多學科小組的努力來定義 “包” 的基因有證據證明參與，無論是智力殘疾 (ID), 遺傳性失明, 遺傳性耳聾, 運動障礙或氧化磷酸化障礙. 廣泛的多樣性可能造成這種疾病的遺傳變異意味著Sanger測序, 一旦黃金標準, 已成為太耗時和昂貴的，並給出了一個較低的 “診斷率” 比外顯子組測序.

應用高通量測序，外顯子組在診斷設置的一個關鍵方面是獲得適當的患者及家屬的知情同意. 患者和/或他們的父母給了知情同意書的全外顯子組分析. 〜550例患者的外顯子組序列數據進入了一個通用的註解管道，無論是外顯子組的分析是基於'再次“戰略的ID或”在矽片“有針對性的策略為其他疾病.

分析的基礎是一個兩階段的方法:

1. 的分析 “包” 極有可能攜帶致病突變基因定義:
   • 只有這些疾病相關的基因變異體在搜索.
   • 如果發現致病變種, 最終分析報告.
   • 如果沒有發現致病變種, 進入第二階段:
2. 全外顯子組分析:
   • 如果沒有發現致病變種, 搜索一組特定的候選基因的突變.
   • 如果致病變種被發現，有確鑿的證據，為臨床解釋, 報告.
   • 最後, 如果前面的分析失敗, 的外顯子組的其餘部分搜索與研究員合作，可能會報告，如果這種“新”的數據保存.

一個成功故事由博士Nelen講述有關智力殘疾的一個具體案例, 沒有致病變種經過幾年的調查已經確定連續的候選基因Sanger測序, 而全外顯子組分析確定了致病變種PACS1基因.

的情況下， “附帶的” 變體的確定, 似乎毫無關係的疾病根據調查, 這些都是通過由一個獨立的團隊和評估專家的意見, 報告前.

這種分層分析，獲得了由荷蘭的醫療機構作為一種遺傳測試認證，所以可能作為歐盟其他國家的典範.

我們聽到了旁邊的邁克爾·穆勒, 從NIHR生物醫學研究中心, 英國倫敦帝國學院, 聯合王國, 關於:

“快速全基因組測序: 生物信息學管道優化，更快的周轉時間。”

利用全基因組測序 (WGS) 突變檢測可以更強大比限制只是外顯子組的分析. 然而, 數據處理和處理到診斷實驗室通過移動WGS挑戰是巨大的. 穆勒博士介紹了如何可以優化不同的硬件和方法的並行處理NGS數據, 呈現一些顯著改善. 通過系統識別在每個階段的瓶頸, 他能夠減少所花費的時間，生成帶註釋的變種, 開始與原料Illumina的短讀了〜30X覆蓋單個基因組數據, 〜24〜7小時. 這似乎可以實現不影響讀取映射或變種，呼籲質量.

在後續的談話來自馬塞爾Nelen的, 科內利亞Neveling的, 同樣的Radboud大學醫學中心, 奈梅亨, 談到:

“診斷基因組測序數據分析”

博士Neveling開始描述的Radboud大學醫學中心的技術設置, 樣品處理和質量控制和最終的軟件工具，以幫助外顯子組序列變異體的篩選和分析. 診斷實驗室有到三個生命科技的訪問 5500 音序器使用了堅實的平台，也有兩個Ion Torrent公司PGM音序.

樣品和數據處理中的一個關鍵步驟是質量控制 (QC) 以確保最後的臨床決策是強大的; 一些概述博士Neveling的QC步驟:

1. 可靠識別，個人和關係 (兄弟 / 親 / 無關)
2. 準確記錄每個樣品的元數據，例如. 用於分析的軟件版本? 這是分析日期?, 等等.
3. 該序列數據是高度特異性和敏感性，例如. 給予足夠的, 甚至覆蓋所有外顯子.
4. 序列變異呼叫滿足生物的期望，例如. 轉換，顛換的比率反映自然變異.

現在的Radboud測序診斷團隊大約有一個數據庫 1500 單個外顯子組，並已發現，一個典型的外顯子組產生大約 40,000 變種, 〜150-200那些變種 “私人” 向每個樣品. 博士Neveling提出的一個變種過濾工具, 看起來讓人想起的軟件的圖形用戶界面前面描述的 由Elliot麗絲，並加以簡單說明，遺傳性痙攣性截癱的情況下使用該工具，幫助吞吐量最有可能的病原變種.

教授. 安東尼J布魯克斯研討會結束, 說起:

“分配致病農工商衍生變種”

教授. 布魯克斯嘶嘶的想法, 挑起我們想什麼，我們真正的意思 “病”. 針對罕見疾病, 我們提醒致病性的概念是一個滑, 多方位的一個. 推斷致病性可能意味著某種組合:

• 知道等位基因頻率在病例組和對照人群
• 已經描述了一種變型是否別人致病
• 是否缺少的一個變種是假定從數據庫 (有時錯誤地) 主要包括 “正常” 例如變種. dbSNP數據庫
• 是否隔離與疾病譜系中的一個變種
• 什麼樣的預測 (或已知) 蛋白質結構的一種變型的效果是
• 預測 在矽片 從工具，如PolyPhen或篩
• 在人體活細胞進行功能分析
• 模式生物進行功能或表型檢測，例如. 鼠標突變

另一種微妙的方式，我們定義致病的水平，我們能想到的兩個上下文:

1. 有 一種變型中，引起’ 在一個特定的患者或家屬的表型 (其中涉及到 表現力)?
2. 可以 一個變種的事業’ 在一個群體中的表型 (滲透率)?

教授. 布魯克斯認為，臨床可訴的一個變種，應該被認為是致病的組合, 外顯率和表現. 他接著指出，太知之甚少基因型和表現型之間的關係，我們需要一些發展，彌補這一差距，並提高我們的能力來識別致病變種. 特別是, 他認為，中介數據庫系統需要與臨床數據庫鏈接在一起，主要資源，如的dbSNP數據庫或ENSEMBL, 方便數據共享不影響保密. 結合該數據庫'生態系統’ 高數據質量電子健康記錄的基因型 - 表型關係應該改善我們的理解.

農工商採取了在診斷遺傳實驗室，用來提高成功率，在確定致病變種的方式，本次研討會給予了很好的概述. 反過來, 這一技術的發展導致更好的療法或治療方法的知情選擇. 這將是有趣的看多遠，我們已經在一年多的時間進展, 當後續會議計劃.

如果有人想取得聯繫，討論, 更正或更新我的總結, 請發表評論, 下面, 或者給我一個tweet:

發貼給@ pauldennyuk