{{{sourceTextContent.subTitle}}}
Il consorzio Solve-RD si sforza di migliorare la diagnostica delle malattie rare utilizzando la genomica
{{{sourceTextContent.description}}}
Le malattie rare sono definite in base alla loro prevalenza, in cui ogni singola malattia colpisce una piccola percentuale della popolazione; ma collettivamente, si stima che le malattie rare colpiscano almeno il 3,5-5,9 per cento delle persone in tutto il mondo.1 Si stima che l'80 per cento delle malattie rare abbia una causa genetica, e spesso vengono eseguite strategie di sequenziamento per facilitare la diagnosi.2 Tuttavia, anche con i progressi delle tecniche di sequenziamento, molte persone che vivono con una malattia rara non ricevono una diagnosi, poiché le cause molecolari di molte malattie rare sono sconosciute.3 Per le malattie rare che hanno un test diagnostico disponibile, la diagnosi può essere ancora un processo lungo, in parte a causa dell'eterogeneità di queste malattie e della loro presentazione clinica.3
Il consorzio Solve-RD mira a migliorare la diagnosi delle malattie rare unendo le competenze per rivalutare i dati di sequenziamento esistenti e incorporando nuovi dati provenienti da tecniche aggiuntive.3
"Le tecniche di sequenziamento di nuova generazione, come WES e WGS, sono strumenti potenti che possono sbloccare informazioni diagnostiche nei pazienti affetti da malattie rare"
Sequenziamento avanzato per la diagnosi delle malattie rare
I metodi di sequenziamento avanzati, come il sequenziamento dell'intero esoma (WES) e il sequenziamento dell'intero genoma (WGS), stanno migliorando la diagnosi delle malattie rare e stanno diventando tecniche integrali nell'identificazione delle cause genetiche delle malattie rare.4 Il WGS copre le regioni codificanti e non codificanti del genoma, mentre il WES include solo le regioni codificanti del genoma. I dati di sequenza vengono in genere confrontati con una sequenza di riferimento (come le mutazioni di geni o varianti di malattie rare note). Le corrispondenze tra la sequenza genetica di un paziente e la sequenza di riferimento vengono riportate, guidando la diagnosi clinica.5
Poiché le malattie rare possono essere causate da mutazioni nel DNA non codificante, la WGS fornisce una copertura maggiore rispetto alla WES. Tuttavia, queste informazioni aggiuntive fanno sì che l'analisi WGS sia associata a costi più elevati.6 È necessario trovare nuovi modi per sfruttare queste informazioni genetiche per migliorare la resa diagnostica e migliorare i risultati dei pazienti.
Solve-RD: una strategia per migliorare la diagnosi delle malattie rare
Ogni anno vengono definite nuove associazioni gene-malattia e variante-malattia, e rianalizzare regolarmente i dati dei pazienti rispetto a database aggiornati può migliorare i risultati diagnostici. Ma la rianalisi presenta delle sfide: il processo è costoso e richiede tempo e le serie di dati crescono in modo esponenziale, laddove le pratiche cliniche non dispongono delle strategie bioinformatiche per eseguire efficacemente le rianalisi.7 Una strategia che mira a sfruttare le informazioni ottenute da WGS e WES superando alcune delle sfide poste dalla rianalisi è il consorzio Solve-RD.
"Il consorzio Solve-RD mira a migliorare le diagnosi di malattie rare combinando le competenze per rivalutare i dati di sequenziamento esistenti e incorporando nuovi dati provenienti da tecniche aggiuntive"
Il consorzio Solve-RD è stato creato per diagnosticare i casi di malattie rare non identificate (o irrisolte), unendo ricercatori, medici e pazienti di 15 Paesi. Il progetto rianalizza i dati di sequenziamento di casi irrisolti e combina i dati di sequenziamento preesistenti con nuovi dati generati da tecniche aggiuntive (epigenomica, metabolomica, deep-WES, sequenziamento dell'RNA e analisi fenotipica molecolare profonda). I dati sono raccolti dalle reti di riferimento europee (ERN) o da istituti associati a queste reti. I casi di malattie rare irrisolte sono suddivisi in quattro gruppi, che determinano la strategia di analisi:
. Coorte 1: casi che dispongono già di dati WGS o WES ottenuti da una ERN o da un istituto associato, dove i dati di sequenziamento acquisiti saranno rianalizzati.
. Coorte 2: casi di gruppi di malattia ottenuti da qualsiasi ERN che saranno sottoposti a ulteriori analisi.
. Coorte 3: casi che presentano fenotipi unici e sono stati identificati da esperti di tutte le ERN.
. Coorte 4: casi prontamente identificati dagli esperti ma privi di una causa molecolare nota. Questa coorte sarà sottoposta a ulteriori analisi utilizzando tutte le tecniche aggiuntive appropriate.
Le analisi e le informazioni sono condivise e accessibili attraverso i database centralizzati, come l'European Genome-phenome Archive (EGA) e la RD-Connect Genome-Phenome Analysis Platform (GPAP). Per un'efficace analisi e interpretazione dei dati, Solve-RD è stato organizzato in task force e gruppi di lavoro. La task force per l'analisi dei dati (scienziati dei dati ed esperti di genomica) si concentra sull'analisi dei dati e sullo sviluppo di strumenti analitici, compresi gruppi di lavoro per analisi specifiche. La task force per l'interpretazione dei dati (clinici e genetisti) si concentra sull'interpretazione della malattia, come l'identificazione dei casi e dei requisiti per l'analisi dei dati nelle ERN. Entrambe le task force lavorano insieme per l'analisi, consentendo un'efficace condivisione delle competenze.3
Solve-RD in pratica
"Ad oggi, il consorzio Solve-RD ha diagnosticato 255 casi precedentemente irrisolti"
Ad oggi, il consorzio Solve-RD ha diagnosticato 255 casi precedentemente irrisolti.3 Tra questi casi, Matalonga e colleghi hanno evidenziato come Solve-RD possa diagnosticare casi irrisolti rianalizzando i dati WES e WGS, oltre a documentare un flusso di lavoro per la rianalisi.7 Il pacchetto python sviluppato ha richiesto semplici input (identificatori e parametri di filtraggio) prima di eseguire una rianalisi rapida e automatizzata dei dati di sequenziamento. Dopo la rianalisi dei dati genomici di 4.703 individui, i ricercatori sono riusciti a diagnosticare 120 casi di malattie rare irrisolte. Gli autori hanno osservato che due anni prima il 13% delle varianti patologiche identificate era sconosciuto, evidenziando il rapido sviluppo delle conoscenze sulle malattie rare. Il flusso di lavoro utilizzato in questo studio può anche snellire il processo di rianalisi, fornendo nel file di output informazioni utili per la valutazione clinica. Di conseguenza, questo studio dimostra un metodo valido per eseguire una rianalisi genomica efficiente in termini di tempo e regolare di casi di malattie rare irrisolti utilizzando Solve-RD.7
Individuazione di varianti a mosaico
Inoltre, diversi altri studi hanno dimostrato la capacità del consorzio Solve-RD di identificare le cause genetiche delle malattie rare. Per esempio, i ricercatori del Radboud University Medical Center hanno rianalizzato i dati WES di un paziente con cancro gastrico diffuso ereditario, in cui la variante causale è sconosciuta in molti individui affetti. La rianalisi dei dati WES ha rivelato una mutazione missenso a mosaico in PIK3CA nel paziente.8 Sebbene i ricercatori notino che PIK3CA non è stato precedentemente associato al cancro gastrico diffuso ereditario, le varianti di questo gene sono collegate a sindromi con crescita eccessiva dei tessuti, lesioni o malformazioni. È importante notare che, utilizzando un cut-off di frequenza allelica delle varianti basso nella loro analisi, te Paske e colleghi sono stati in grado di rilevare le varianti a mosaico, che possono essere mancate nelle analisi con cut-off di frequenza allelica delle varianti più elevati, poiché le varianti a mosaico possono avere basse letture di varianti.8,9
Individuazione di varianti del DNA mitocondriale
Attraverso il consorzio Solve-RD, la rianalisi dei dati WES di de Boer e colleghi ha rivelato una variante nel gene mitocondriale MT-TL1 (che codifica un RNA di trasferimento mitocondriale) in un paziente con una grave disabilità intellettiva irrisolta.10 Le varianti MT-TL1 sono associate ad altre condizioni, come miopatia, encefalopatia, acidosi lattica ed episodi simili all'ictus, e la presentazione della malattia può essere variabile. Il paziente di questo studio presentava ulteriori condizioni di sviluppo neurologico e neuromuscolare e non è chiaro se alcune di queste caratteristiche cliniche derivino o meno da un'altra variante (oltre alla MT-TL1). Tuttavia, lo studio ha dimostrato il potenziale della rianalisi dei dati WES nella ricerca di varianti del DNA mitocondriale.10
Le tecniche di sequenziamento di nuova generazione, come WES e WGS, sono strumenti potenti che possono sbloccare informazioni diagnostiche nei pazienti affetti da malattie rare. Sebbene le cause molecolari di molte malattie rare siano sconosciute, e ogni anno vengono rivelate nuove cause molecolari, la rianalisi dei dati di sequenziamento dei pazienti esistenti può migliorare i risultati diagnostici. Il consorzio Solve-RD offre una potente strategia per sfruttare questi dati di sequenziamento, fornendo una pipeline bioinformatica aggiornata in grado di diagnosticare i casi irrisolti di malattie rare.
RIFERIMENTI
1. Nguengang Wakap, S. et al. "Estimating cumulative point prevalence of rare diseases: analysis of the Orphanet database" European Journal of Human Genetics EJHG (2020): 165-173
2. Daoud, Hussein et al. "Sequenziamento di nuova generazione per la diagnosi di malattie rare nell'unità di terapia intensiva neonatale" CMAJ : Canadian Medical Association Journal (2016): E254-E260.
3. Zurek, Birte et al. "Solve-RD: condivisione sistematica dei dati a livello paneuropeo e analisi collaborativa per risolvere le malattie rare" European Journal of Human Genetics (2021)
4. Vinkšel, M. et al. "Migliorare la diagnostica delle malattie genetiche rare con approcci NGS" Journal of Community Genetics (2021): 247-256.
5. Marshall, C.R. et al. "Le migliori pratiche per la convalida analitica del sequenziamento clinico dell'intero genoma destinato alla diagnosi di malattie germinali" Genomic Medicine (2020).
6. Dunn, P. et al. "Metodi di sequenziamento di nuova generazione per la diagnosi delle sindromi epilettiche" Frontiers in Genetics (2018).
7. Matalonga, L. et al. "Risolvere i pazienti con malattie rare attraverso la rianalisi programmatica dei dati genoma-fenoma" European Journal of Human Genetics (2021).
8. te Paske, I.B.A.W. et al. "Una variante PIK3CA a mosaico in un giovane adulto con cancro gastrico diffuso: case report" European Journal of Human Genetics (2021).
9. Dou, Y. et al. "Rilevamento accurato di varianti a mosaico in dati di sequenziamento senza controlli abbinati" Nature Biotechnology (2020): 314-319.
10. de Boer, E. et al. "Una variante MT-TL1 identificata mediante sequenziamento dell'intero esoma in un individuo con disabilità intellettiva, epilessia e tetraparesi spastica" European Journal of Human Genetics (2021).
