Name: determining the likelihood of variant pathogenicity using amino acid-level signal-to-noise analysis of genetic variation
Uploaded: 2019-01-16T14:00:00
Description: Watch this Scientific Journal Video about Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation at JoVE.com

APL ist von den nationalen Instituten der Gesundheit K08-HL136839 unterstützt.

1. identifizieren Sie die Gene und bestimmte Splice Isoform von Interesse
Hinweis: Hier zeigen wir den Einsatz von Ensembl15 Konsensussequenz für das gen des Interesses zu identifizieren, die im Zusammenhang mit der Pathogenese der Krankheit von Interesse (d.h. KCNQ1 Mutationen LQTS zugeordnet sind). Alternativen zu Ensembl gehören RefSeq über das National Center for Biotechnology Information (NCBI)16 und der University of California, S...

<ol>
	<li>Yang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+whole-exome+sequencing+for+the+diagnosis+of+mendelian+disorders.">Clinical whole-exome sequencing for the diagnosis of mendelian disorders.</a> New England Journal of Medicine. 369 (16), 1502-1511 (2013).</li><li>Meng, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Use+of+Exome+Sequencing+for+Infants+in+Intensive+Care+Units:+Ascertainment+of+Severe+Single-Gene+Disorders+and+Effect+on+Medical+Management.">Use of Exome Sequencing for Infants in Intensive Care Units: Ascertainment of Severe Single-Gene Disorders and Effect on Medical Management.</a> Journal of the American Medical Association Pediatrics. 171 (12), 173438 (2017).</li><li>Kalia, S. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recommendations+for+reporting+of+secondary+findings+in+clinical+exome+and+genome+sequencing,+2016+update+(ACMG+SF+v2.0):+a+policy+statement+of+the+American+College+of+Medical+Genetics+and+Genomics.">Recommendations for reporting of secondary findings in clinical exome and genome sequencing, 2016 update (ACMG SF v2.0): a policy statement of the American College of Medical Genetics and Genomics.</a> Genetics in Medicine. 19 (2), 249-255 (2017).</li><li>Landstrom, A. P., Ackerman, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Achilles'+heel+of+cardiovascular+genetic+testing:+distinguishing+pathogenic+mutations+from+background+genetic+noise.">The Achilles' heel of cardiovascular genetic testing: distinguishing pathogenic mutations from background genetic noise.</a> Clinical Pharmacology and Therapeutics. 90 (4), 496-499 (2011).</li><li>Landstrom, A. P., Tester, D. J., Ackerman, M. J., Lawless, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Role+of+genetic+testing+for+sudden+death+predisposing+heart+conditions+in+athletes.">Role of genetic testing for sudden death predisposing heart conditions in athletes.</a> Sports Cardiology Essentials. , (2011).</li><li>Wang, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Positional+cloning+of+a+novel+potassium+channel+gene:+KVLQT1+mutations+cause+cardiac+arrhythmias.">Positional cloning of a novel potassium channel gene: KVLQT1 mutations cause cardiac arrhythmias.</a> Nature Genetics. 12 (1), 17-23 (1996).</li><li>Kapa, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genetic+testing+for+long-QT+syndrome:+distinguishing+pathogenic+mutations+from+benign+variants.">Genetic testing for long-QT syndrome: distinguishing pathogenic mutations from benign variants.</a> Circulation. 120 (18), 1752-1760 (2009).</li><li>Ackerman, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ethnic+differences+in+cardiac+potassium+channel+variants:+implications+for+genetic+susceptibility+to+sudden+cardiac+death+and+genetic+testing+for+congenital+long+QT+syndrome.">Ethnic differences in cardiac potassium channel variants: implications for genetic susceptibility to sudden cardiac death and genetic testing for congenital long QT syndrome.</a> Mayo Clinic Proceedings. 78 (12), 1479-1487 (2003).</li><li>Kumar, P., Henikoff, S., Ng, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+the+effects+of+coding+non-synonymous+variants+on+protein+function+using+the+SIFT+algorithm.">Predicting the effects of coding non-synonymous variants on protein function using the SIFT algorithm.</a> Nature Protocols. 4 (7), 1073-1081 (2009).</li><li>Adzhubei, I., Jordan, D. M., Sunyaev, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+functional+effect+of+human+missense+mutations+using+PolyPhen-2.">Predicting functional effect of human missense mutations using PolyPhen-2.</a> Current Protocols in Human Genetics. , (2013).</li><li>Flanagan, S. E., Patch, A. M., Ellard, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+SIFT+and+PolyPhen+to+predict+loss-of-function+and+gain-of-function+mutations.">Using SIFT and PolyPhen to predict loss-of-function and gain-of-function mutations.</a> Genetic Testing and Molecular Biomarkers. 14 (4), 533-537 (2010).</li><li>Ackerman, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=HRS/EHRA+expert+consensus+statement+on+the+state+of+genetic+testing+for+the+channelopathies+and+cardiomyopathies+this+document+was+developed+as+a+partnership+between+the+Heart+Rhythm+Society+(HRS)+and+the+European+Heart+Rhythm+Association+(EHRA).">HRS/EHRA expert consensus statement on the state of genetic testing for the channelopathies and cardiomyopathies this document was developed as a partnership between the Heart Rhythm Society (HRS) and the European Heart Rhythm Association (EHRA).</a> Heart Rhythm. 8 (8), 1308-1339 (2011).</li><li>Lek, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analysis+of+protein-coding+genetic+variation+in+60,706+humans.">Analysis of protein-coding genetic variation in 60,706 humans.</a> Nature. 536 (7616), 285-291 (2016).</li><li>Landstrom, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Amino+acid-level+signal-to-noise+analysis+of+incidentally+identified+variants+in+genes+associated+with+long+QT+syndrome+during+pediatric+whole+exome+sequencing+reflects+background+genetic+noise.">Amino acid-level signal-to-noise analysis of incidentally identified variants in genes associated with long QT syndrome during pediatric whole exome sequencing reflects background genetic noise.</a> Heart Rhythm. 15 (7), 1042-1050 (2018).</li><li>Hubbard, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ensembl+2005.">Ensembl 2005.</a> Nucleic Acids Research. 33, 447-453 (2005).</li><li>O'Leary, N. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reference+sequence+(RefSeq)+database+at+NCBI:+current+status,+taxonomic+expansion,+and+functional+annotation.">Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation.</a> Nucleic Acids Research. 44, 733-745 (2016).</li><li>Kent, W. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+human+genome+browser+at+UCSC.">The human genome browser at UCSC.</a> Genome Research. 12 (6), 996-1006 (2002).</li><li>The 100 Genome Projects Consortium. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+integrated+map+of+genetic+variation+from+1,092+human+genomes.">An integrated map of genetic variation from 1,092 human genomes.</a> Nature. 491 (7422), 56-65 (2012).</li><li>Fu, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analysis+of+6,515+exomes+reveals+the+recent+origin+of+most+human+protein-coding+variants.">Analysis of 6,515 exomes reveals the recent origin of most human protein-coding variants.</a> Nature. 493 (7331), 216-220 (2013).</li><li>Mulder, N. J., Apweiler, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tools+and+resources+for+identifying+protein+families,+domains+and+motifs.">Tools and resources for identifying protein families, domains and motifs.</a> Genome Biology. 3 (1), (2002).</li><li>Cirino, A. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Comparison+of+Whole+Genome+Sequencing+to+Multigene+Panel+Testing+in+Hypertrophic+Cardiomyopathy+Patients.">A Comparison of Whole Genome Sequencing to Multigene Panel Testing in Hypertrophic Cardiomyopathy Patients.</a> Circulation Cardiovascular Genetics. 10 (5), (2017).</li><li>Landstrom, A. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Interpreting+Incidentally+Identified+Variants+in+Genes+Associated+With+Catecholaminergic+Polymorphic+Ventricular+Tachycardia+in+a+Large+Cohort+of+Clinical+Whole-Exome+Genetic+Test+Referrals.">Interpreting Incidentally Identified Variants in Genes Associated With Catecholaminergic Polymorphic Ventricular Tachycardia in a Large Cohort of Clinical Whole-Exome Genetic Test Referrals.</a> Circulation Arrhythmia and Electrophysiology. 10 (4), (2017).</li><li>Whiffin, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+high-resolution+variant+frequencies+to+empower+clinical+genome+interpretation.">Using high-resolution variant frequencies to empower clinical genome interpretation.</a> Genetics in Medicine. 19 (10), 1151-1158 (2017).</li><li>Walsh, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reassessment+of+Mendelian+gene+pathogenicity+using+7,855+cardiomyopathy+cases+and+60,706+reference+samples.">Reassessment of Mendelian gene pathogenicity using 7,855 cardiomyopathy cases and 60,706 reference samples.</a> Genetics in Medicine. 19 (2), 192-203 (2017).</li><li>Buske, O. J., Manickaraj, A., Mital, S., Ray, P. N., Brudno, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identification+of+deleterious+synonymous+variants+in+human+genomes.">Identification of deleterious synonymous variants in human genomes.</a> Bioinformatics. 31 (5), 799 (2015).</li><li>Wen, P., Xiao, P., Xia, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=dbDSM:+a+manually+curated+database+for+deleterious+synonymous+mutations.">dbDSM: a manually curated database for deleterious synonymous mutations.</a> Bioinformatics. 32 (12), 1914-1916 (2016).</li><li>Bagnall, R. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Whole+Genome+Sequencing+Improves+Outcomes+of+Genetic+Testing+in+Patients+With+Hypertrophic+Cardiomyopathy.">Whole Genome Sequencing Improves Outcomes of Genetic Testing in Patients With Hypertrophic Cardiomyopathy.</a> Journal of the American College of Cardiology. 72 (4), 419-429 (2018).</li><li>Giudicessi, J. R., Roden, D. M., Wilde, A. A. M., Ackerman, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Classification+and+Reporting+of+Potentially+Proarrhythmic+Common+Genetic+Variation+in+Long+QT+Syndrome+Genetic+Testing.">Classification and Reporting of Potentially Proarrhythmic Common Genetic Variation in Long QT Syndrome Genetic Testing.</a> Circulation. 137 (6), 619-630 (2018).</li><li>Sundaram, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+the+clinical+impact+of+human+mutation+with+deep+neural+networks.">Predicting the clinical impact of human mutation with deep neural networks.</a> Nature Genetics. 50, 1161-1170 (2018).</li><li>Krittanawong, C., Zhang, H., Wang, Z., Aydar, M., Kitai, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Artificial+Intelligence+in+Precision+Cardiovascular+Medicine.">Artificial Intelligence in Precision Cardiovascular Medicine.</a> Journal of the American College of Cardiology. 69 (21), 2657-2664 (2017).</li></ol>

Hochdurchsatz-Gentests hat drastisch in seiner Anwendung und Verfügbarkeit im letzten Jahrzehnt weiterentwickelt. Jedoch ist bei vielen Erkrankungen mit etablierten genetische Grundlagen, wie z. B. Kardiomyopathien, erweiterte Tests fehlgeschlagen diagnostische Ausbeute21zu verbessern. Darüber hinaus gibt es erhebliche Unsicherheit in Bezug auf das Diagnoseprogramm von vielen identifizierte Varianten. Dies ist teilweise auf eine wachsende Zahl von übrigens identifizierten seltenen Varianten ent...

Die schnelle Verbesserung der genetische Sequenzierung Plattformen hat die Zugänglichkeit und die Rolle der Genetik in der Medizin revolutioniert. Sobald auf ein einzelnes Gen oder eine Handvoll Genen beschränkt, ist die Reduzierung der Kosten und Erhöhung der Geschwindigkeit der nächsten Generation genetische Sequenzierung dazu, dass routinemäßige Sequenzierung des gesamten Genoms geführt hat Sequenz (ganze Exome Sequenzierung, WES) Codierung und das gesamte Genom ( kompletten Genoms, WGS) in der klinischen Einstellung. WES und WGS wurden häufig verwendet in der Umgebung von kritisch kranken Neugeborenen und Kindern mit Besorgnis für genetisches Syndrom wo ist es eine bewährte Diagnosetool, das Klinikmanagement1,2ändern kann. Während dies zu erhöhten Identifikation von wahrscheinlich pathogenen Mutationen im Zusammenhang mit genetischen Syndromen geführt hat, stieg es auch drastisch die Anzahl der im übrigen gefundenen genetischen Varianten oder unerwartete positive Ergebnisse von unbekannten Diagnose- Bedeutung (VUS). Während einige dieser Varianten sind außer acht gelassen und nicht gemeldet, Varianten zu lokalisieren sind Gene verbunden mit potenziell tödlichen oder sehr morbide Erkrankungen häufig berichtet. Aktuelle Leitlinien empfehlen Berichterstattung über anfallende Varianten gefunden in bestimmte Gene, die möglicherweise von medizinischen Nutzen für den Patienten, einschließlich der Gene, die im Zusammenhang mit der Entwicklung von plötzlichen kardialen Tod prädisponierende Erkrankungen wie Kardiomyopathien und Channelopathien3. Obwohl diese Empfehlung entwickelt wurde, um Personen in Gefahr einer SCD prädisponierende Erkrankung erfassen, übertrifft die Nachweisempfindlichkeit Variante Spezifität. Dies spiegelt sich in einer wachsenden Zahl von VUSs und übrigens unklar Diagnoseprogramm, die weit über die Häufigkeit der jeweiligen Krankheiten in einer gegebenen Population4Varianten zugeordnet. Eine solche Krankheit, lange QT-Syndrom (LQTS), ist eine kanonische kardiale Channelopathie verursacht durch Mutationen, die Lokalisierung von Genen die kardiale Ionenkanäle codieren oder Kanal-Proteine, wodurch Interaktion verzögert kardiale Repolarisation5. Diese verzögerte Repolarisation, gesehen von einem verlängertem QT-Intervall im Ruhe-EKG, führt zu einem elektrischen Prädisposition für potenziell tödliche ventrikuläre Arrhythmien wie Torsades de Pointes. Während eine Reihe von Genen für die Entwicklung dieser Krankheit, Mutationen im KCNQ1verknüpft wurden-kodiert ichKs Kalium Kanal (KCNQ1, Kv7.1) ist die Ursache des LQTS Typ 1 und ist als ein Beispiel unter6genutzt. Zur Veranschaulichung der Komplexität in der Variante Interpretation, wurde die Anwesenheit von seltenen Varianten in LQTS-assoziierten Genen, so genannte "Hintergrund genetische Variation" beschriebenen7,8.
Neben großen Kompendium-Stil Datenbanken der bekannten pathogenen Varianten existieren mehrere Strategien für die Vorhersage, dass die Wirkung verschiedener Varianten produzieren. Einige basieren auf Algorithmen, wie z. B. SIFT und Polyphen 2, die große Anzahl von Roman nicht gleichbedeutend Varianten vorherzusagen Verderblichkeit9,10filtern können. Trotz breiten Einsatz dieser Werkzeuge begrenzt geringe Spezifität ihrer Anwendbarkeit, wenn es darum geht, "calling" klinische VUSs11. "Signal-Rausch-" Analyse ist ein Werkzeug, das die Wahrscheinlichkeit einer Variante mit Krankheit bezogen auf die Frequenz des bekannten pathologische Variation bei den fraglichen Loci normalisiert gegen seltene genetische Variation aus einer Population identifiziert. Lokalisierung von genetischen Loci Varianten wo gibt es eine hohe Prävalenz von krankheitsassoziierten Mutationen im Vergleich zur Bevölkerung basierende Variante, einen hohen Signal-Rausch-, sind eher krankheitsassoziierten selbst zu sein. Weitere, seltene Varianten fand übrigens auf ein Gen mit einer hohen Frequenz von seltenen Bevölkerung Varianten Lokalisierung im Vergleich zu krankheitsassoziierten Frequenz, eine geringe Signal-Rausch-, möglicherweise seltener Krankheiten. Der diagnostische Nutzen des Signal-Rausch-Analyse hat in den neuesten Leitlinien für Gentests für Kardiomyopathien und Channelopathien illustriert; Es ist jedoch nur auf ganze gen oder domänenspezifische Level12beschäftigt. Vor kurzem gegeben erhöhte Verfügbarkeit der pathologische Varianten (Krankheit Datenbanken, Kohortenstudien in der Literatur) und bevölkerungsbezogenen Kontrolle Varianten (Exome Aggregation Konsortium, ExAC und Genom-Aggregation-Datenbank, GnomAD13), die einzelne Aminosäure-Positionen innerhalb der primären Sequenz eines Proteins zugewiesen wurden. Aminosäure-Niveau Signal-Rausch-Analyse hat bei der Kategorisierung übrigens identifizierter Varianten in Genen verbunden mit LQTS als wahrscheinlich "Hintergrund" genetische Variation, anstatt krankheitsassoziierten bewährt. Unter den drei wichtigen Genen verbunden mit LQTS, einschließlich KCNQ1fehlte diese übrigens identifizierten Varianten eine erhebliche Signal-Rausch-Verhältnis, darauf hindeutet, dass die Häufigkeit dieser Varianten an einzelne Aminosäure-Positionen selten reflektieren Bevölkerungsanstieg anstatt krankheitsassoziierten Mutationen. Darüber hinaus wurde als Protein-spezifische Domänentopologie gegen Gebiete der hohen Signal-Rausch, pathologischer Mutation "Hotspots" auf wichtige Funktionsbereiche der Proteine14lokalisiert überlagert. Diese Methode verspricht bei der Bestimmung, dass (1) die Wahrscheinlichkeit, dass eine Variante krankheitsassoziierten oder Bevölkerung ist und (2) Ermittlung der Roman kritische Funktionsbereiche eines Proteins mit der menschlichen Krankheit verbunden.

<table border="0" cellpadding="0" cellspacing="0" style="width:1277px;" width="1277">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:461px;">1000 Genome Project</td>
			<td style="width:109px;">N/A</td>
			<td style="width:359px;">www.internationalgenome.org</td>
			<td style="width:348px;"></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">ClinVar</td>
			<td>N/A</td>
			<td>www.ncbi.nlm.nih.gov/clinvar</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Ensembl Genome Browser</td>
			<td>N/A</td>
			<td>uswest.ensembl.org/index.html</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;width:461px;">Excel</td>
			<td style="width:109px;">Microsoft</td>
			<td style="width:359px;">office.microsoft.com/excel/</td>
			<td>Used for all example formulas and functions</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">Exome Aggregation Consortium&#160;</td>
			<td>N/A</td>
			<td>www.exac.broadinstitute.org</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">Genome Aggregation Database&#160;</td>
			<td>N/A</td>
			<td>www.gnomad.broadinstitute.org</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">National Center for Biotechnology Information Domain and Structure Database</td>
			<td>N/A</td>
			<td>www.ncbi.nlm.nih.gov/guide/domains-structures/</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">National Center for Biotechnology Information Gene Database</td>
			<td>N/A</td>
			<td>www.ncbi.nlm.nih.gov/gene/</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">National Center for Biotechnology Information Protein Database</td>
			<td>N/A</td>
			<td>www.ncbi.nlm.nih.gov/protein/</td>
			<td></td>
		</tr>
		<tr height="20">
			<td height="20" style="height:20px;">National Heart, Lung, and Blood Institute GO Exome Sequencing Project</td>
			<td>N/A</td>
			<td>www.evs.gs.washington.edu/EVS/</td>
			<td></td>
		</tr>
		<tr height="34">
			<td height="34" style="height:34px;width:461px;">SnapGene</td>
			<td style="width:109px;">GSL Biotech LCC</td>
			<td style="width:359px;">www.snapgene.com</td>
			<td></td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;">University of California, Santa Cruz Human Genome Browser</td>
			<td>N/A</td>
			<td>www.genome.ucsc.edu</td>
			<td></td>
		</tr>
	</tbody>
</table>

determining the likelihood of variant pathogenicity using amino acid-level signal-to-noise analysis of genetic variation

Fortschritten bei der Kosten und Geschwindigkeit der genetische Sequenzierung der nächsten Generation haben eine Explosion von klinischen ganze Exome und gesamten Genoms Tests generiert. Während dies zu erhöhten Identifikation von wahrscheinlich pathogenen Mutationen im Zusammenhang mit genetischen Syndromen geführt hat, hat sie auch drastisch erhöht, die Zahl der übrigens fand genetische Varianten von unbekannter Bedeutung (VUS). Feststellung der klinischen Bedeutung dieser Varianten ist eine große Herausforderung für Wissenschaftler und Kliniker. Es ist ein Ansatz zur Unterstützung bei der Bestimmung der Wahrscheinlichkeit der Pathogenität Signal-Rausch-Analyse auf Proteinebene Sequenz. Dieses Protokoll beschreibt eine Methode für die Aminosäure-Niveau Signal-Rausch-Analyse, die Variante Frequenz bei jeder Aminosäure des Proteins mit bekannten Protein Topologie, um Bereiche der primären Sequenz mit erhöhter Wahrscheinlichkeit zu ermitteln, nutzt pathologische Variation (bezogen auf Bevölkerungsanstieg "Hintergrund"). Diese Methode erkennt Aminosäure Rückstände Lage "Hotspots" der hohe pathologische Signal, welche verwendet werden können, um die diagnostische Gewicht des VUSs wie diejenigen, die von der nächsten Generation Gentests zu verfeinern.

Ein repräsentatives Ergebnis für Aminosäure-Niveau Signal-Lärm-Analyse für KCNQ1 ist in Abbildung 6dargestellt. In diesem Beispiel, seltene Varianten identifiziert in der GnomAD Kohorte (Kontrolle Kohorte), gilt als im übrigen identifiziert WES (experimentelle Kohorte #1), und LQTS Fall-assoziierten Varianten wahrscheinlich krankheitsassoziierten (experimentelle Kohorte #2) dargestellt werden. Darüber hinaus normalisiert die Signal-Rausch-Analyse Vergl...

Watch this Scientific Journal Video about Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation at JoVE.com

Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation

Aminosäure-Niveau Signal-Rausch-Analyse bestimmt die Prävalenz der genetischen Variation an einer bestimmten Aminosäure-Position auf Hintergrund genetische Variation einer bestimmten Population normalisiert. Dies ermöglicht eine Identifizierung der Variante "Hotspots" in eine Proteinsequenz (Signal), die über die Häufigkeit der seltenen Varianten gefunden in einer Population (Lärm) steigt.

Bestimmen die Wahrscheinlichkeit einer Variante Pathogenität mit Aminosäure-Niveau Signal-Rausch-Analyse genetischer Variation

Advancements in the cost and speed of next generation genetic sequencing have generated an explosion of clinical whole exome and whole genome testing. ...

Die Signal-Rausch-Analyse im Aminosäuren-Pegel liefert ein Maß für die Wahrscheinlichkeit, dass eine genetische Variante mit einem Krankheitszustand in Verbindung gebracht wird oder Teil der natürlichen genetischen Variation innerhalb der Population ist. Diese Technik nutzt zwei große genetische Ressourcen, krankheitsassoziierte Mutationen, die in der Literatur verfügbar sind, oder in der Öffentlichkeit mit populationsbasierten Exsome- und Genomstudien, die seltene genetische Varianz identifizieren. Um ein bestimmtes Gen und eine spleißende Isoform von Interesse zu identifizieren, öffnen Sie die Ensembl-Homepage und wählen Sie die Art aus dem Dropdown-Menü aus.Geben Sie das Akronym für das Gen von Interesse ein, und klicken Sie auf "Gehen". Wählen Sie die Links aus, die dem Gen von Interesse und dem Transkriptionsinteresse entsprechen, sowie die ID von Interesse aus der Tabelle Transkript. Beachten Sie das Transkriptspezifische RNA-Transkript und das Proteinprodukt von RNA-Transkript-Identifikationsnummern in der Referenzsequenzspalte der Transkripttabelle für zukünftige Referenzen.Wählen Sie den Link aus, der mit dem Proteinprodukt der RNA-Transkript-ID-Nummer verknüpft ist, um eine neue Webseite vom National Center for Biotechnology Information oder NCBI Protein Database zu öffnen, und scrollen Sie nach unten zum Abschnitt Ursprung, um die primäre Proteinsequenz für das gen-Transkript von Interesse zu erhalten. Scrollen Sie dann bis zum Abschnitt Features, um eine Liste der Proteinfeatures zu erhalten. Um eine kleine Allelfrequenz für jede Aminosäureposition mit einer Steuerungsvariante zu berechnen, öffnen Sie eine graphiumfähige Tabelle und erstellen Sie eine Spalte der Positionen aller experimentellen Varianten.Entfernen Sie die Variantentexte, um nur die Variantenpositionen zu belassen, und sortieren Sie die Varianten im aufsteigenden Wert, um zu identifizieren, welche Positionen mehr als eine zugeordnete Variante aufweisen. Erhalten Sie die Summe aller kleineren Allelfrequenzen für eine bestimmte Position, indem Sie die kleine Allelfrequenz für jede Variante, die mit einer bestimmten Position verbunden ist, kombinieren, und berechnen Sie eine geringfügige Allelfrequenz für jede Aminosäureposition mit einer experimentellen Variante. Erstellen Sie als Nächstes eine Spalte mit Aminosäurepositionen mit experimentellen Varianten, und berechnen Sie die kleinere Allelhäufigkeit aller Varianten, die mit dieser Position verbunden sind, für alle Variantenpositionen.Um einen gleitenden Durchschnitt der kleineren Allelfrequenzen sowohl für die experimentellen als auch für die Steuerungsvarianten zu erstellen, erstellen Sie eine Spalte, die alle Aminosäurepositionen im Gen von Interesse enthält, und fügen Sie eine kleine Allelfrequenz von Null für alle Positionen hinzu, die keine Varianten sowohl für die Kontroll- als auch für die experimentellen Datensätze haben. Um einen gleitenden Durchschnitt für jede experimentelle und Kontrollprävalenzspalte zu erstellen, erstellen Sie eine Spalte, die einen gleitenden Durchschnitt der kleinen Allelfrequenz sowohl für die Steuer- als auch für die experimentellen Datensätze darstellt, und platzieren Sie in der rollenden Durchschnittsspalte den Durchschnitt der jeweiligen nebenkleineren Allelfrequenz für die fünf Variantenpositionen N-Klemme und C-Klemme zu jeder Position. Um die Kohorten-Mindestfrequenz zu berechnen, dividieren Sie das niedrigste kleinere Allel, das durch zwei identifiziert wird, und geben Sie diesen Wert in eine beliebige Zelle mit der Kontroll-Moll-Allelfrequenz von Null ein.Dadurch wird eine Teilung durch Null bei der Berechnung des Signal-Rausch-Verhältnisses vermieden. Um das Signal-Rausch-Verhältnis im Aminosäure-Pegel zu berechnen, dividieren Sie jede Aminosäureposition experimentellen Rolldurchschnitt durch den jeweiligen Kontrollwalzdurchschnitt, und grafisch dieses Verhältnis im Vergleich zur Aminosäureposition. Identifizieren Sie die Konsens-Aminosäure-Standorte von funktionellen Domänen und Merkmalen oder Bereiche der posttranslationalen Modifikation des Proteins von Interesse, identifizieren Sie die Aminosäurepositionen, die mit den Proteindomänen und -merkmalen verbunden sind, und öffnen Sie die NCBI-Webseite.Geben Sie das Proteinprodukt der RNA-Transkription des von Interesse befindlichen Proteins in das Suchfeld ein und identifizieren Sie die bekannten Proteindomänen und -merkmale unter Features. Identifizieren und notieren Sie den Domänennamen und typ und die Aminosäurepositionen und wählen Sie den Link aus, der dem Feature entspricht, um die Region auf der primären Sequenz des Proteins von Interesse zu visualisieren. Erstellen Sie eine Spalte neben der Signal-Rausch-Spalte, damit auf die Aminosäurepositionsspalte verwiesen werden kann, und identifizieren Sie die Zellen, die am N- oder C-Terminalaspekt jeder Domäne und jedes Features entsprechen.Platzieren Sie dann eine eine in jeder Zelle, erstellen Sie ein Diagramm mit diesen Grenzen auf der y-Achse und der Aminosäureposition auf der x-Achse und überlagern Sie dieses Diagramm mit dem Signal-Rausch-Diagramm. Um einzelne Variantenpositionen für die Überlagerung des Signal-Rausch-Verhältnisses und der Proteindomänentopologie-Diagramme zu zuordnen, erstellen Sie eine Spalte neben der Domänen-Feature-Spalte, sodass die Zeilen in der Spalte den Aminosäurepositionen entsprechen, und platzieren Sie eine Inzelle in jeder Zelle in der hinzugefügten Zeile, die einer Position entspricht, die eine entsprechende Variante enthält. Erstellen Sie dann ein Diagramm mit dieser Spalte als y-Achse und die Aminosäurepositionen auf der x-Achse, und überlagern Sie dieses Diagramm mit den Signal-Rausch- und Proteindomänentopologiediagrammen.Hierwird wird ein repräsentatives Ergebnis für eine Aminosäure-Pegel-Signal-Rausch-Analyse für die Kaliumspannungs-Gated-Kanal-Unterfamilie Q-Mitglied ein Gen dargestellt. Seltene Varianz in der Kontrollkohorte identifiziert, und die experimentelle nebenbei identifiziert ganze exsome Sequenzierung, und lange QT-Syndrom Fall assoziierten Varianten als wahrscheinlich, um Krankheit verbunden sind gezeigt. Die Signal-Rausch-Analysen, die die gesamte Exsome-Sequenzierung vergleichen, und die lange QT-Syndrom-Kohorten-Variantenfrequenz, normalisiert gegen die Regelkohorten-Variantenfrequenz, werden ebenfalls dargestellt.In diesem Experiment zeigten die langen QT-Syndrom-assoziierten Varianten hohe Signal-Rausch-Verhältnisse in Domänen, die dem Kanalguss, dem Selektivitätsfilter und der Kaliumspannungs-Gated-Kanal-Unterfamilie E-Mitglied eine Bindungsdomäne entsprechen. Im Vergleich dazu zeigten im Übrigen identifizierte Varianten in der gesamten Sequenzierungskohorte nicht eindeutig bestimmte Regionen mit hoher Signal-Rausch-Höhe, was darauf hindeutet, dass diese Varianten die genetische Nagenvariation im Hintergrund widerspiegeln. Diese Methode könnte angewendet werden, um das diagnostische Gewicht von Varianten von unbekannter Bedeutung zu messen, die während klinischer Gentests auftreten.

Research

JoVE Journal

Genetics

Merging Absolute and Relative Quantitative PCR Data to Quantify STAT3 Splice Variant Transcripts

Merging Absolute und relative quantitative PCR-Daten zu Quantifizieren STAT3 Spleißvariante Transcripts

Human signal transducer and activator of transcription 3 (STAT3) is one of many genes containing a tandem splicing site. Alternative donor splice sites 3 ...

Forschung

Genetik

Analysis of the c-KIT Ligand Promoter Using Chromatin Immunoprecipitation

Analyse des c-KIT-Liganden-Promotors unter Verwendung von Chromatin-Immunpräzipitation

Multiple cellular processes, including DNA replication and repair, DNA recombination, and gene expression, require interactions between proteins and DNA. ...

Constitutive and Inducible Systems for Genetic In Vivo Modification of Mouse Hepatocytes Using Hydrodynamic Tail Vein Injection

Constitutive and Inducible Systems for Genetic In Vivo Modification of Mouse Hepatocytes Using Hydrodynamic Tail Vein Injection

Konstitutive und induzierbaren Systeme für genetische In Vivo Änderung der Maus Hepatozyten mit hydrodynamischen Tail Vene Injektion

In research models of liver cancer, regeneration, inflammation, and fibrosis, flexible systems for in vivo gene expression and silencing are highly ...

A Fast and Quantitative Method for Post-translational Modification and Variant Enabled Mapping of Peptides to Genomes

Eine schnelle und Quantitative Methode für Post-translationale Modifikation und Variante aktiviert Mapping von Peptiden mit Genomen

Cross-talk between genes, transcripts, and proteins is the key to cellular responses; hence, analysis of molecular levels as distinct entities is slowly ...

Isolation, Characterization and MicroRNA-based Genetic Modification of Human Dental Follicle Stem Cells

Isolierung, Charakterisierung und RNA-basierte gentechnische Veränderung von menschlichen Dental follikelstimulierendes Stammzellen

To date, several stem cell types at different developmental stages are in the focus for the treatment of degenerative diseases. Yet, certain aspects, such ...

Determining the Egg Fertilization Rate of Bemisia tabaci Using a Cytogenetic Technique

Determining the Egg Fertilization Rate of Bemisia tabaci Using a Cytogenetic Technique

Festsetzung des Ei Befruchtung Tabak Tabaci mit einer zytogenetischen Technik

A few species of sap-sucking whiteflies are some of the most damaging terrestrial pests worldwide because of the crop damage they inflict and plant ...

Semiconductor Sequencing for Preimplantation Genetic Testing for Aneuploidy

Halbleitersequenzierung für Präimplantationsgenetische Tests für Aneuploidie

Chromosomal aneuploidy, one of the main causes leading to embryonic development arrest, implantation failure, or pregnancy loss, has been well documented ...

Identifying Mutations by High Resolution Melting in a TILLING Population of Rice

Identifizieren von Mutationen durch hochauflösendes Schmelzen in einer TILLING-Bevölkerung von Reis

Target Induced Local Lesions In Genomes (TILLING) is a strategy of reverse genetics for the high-throughput screening of induced mutations. However, the ...

Genetic Mapping of Thermotolerance Differences Between Species of Saccharomyces Yeast via Genome-Wide Reciprocal Hemizygosity Analysis

Genetic Mapping of Thermotolerance Differences Between Species of Saccharomyces Yeast via Genome-Wide Reciprocal Hemizygosity Analysis

Genetische Kartierung von Thermotoleranzunterschieden zwischen Spezies von Saccharomyces Hefe über Genom-Wide Reciprocal Hemizygosity Analysis

A central goal of modern genetics is to understand how and why organisms in the wild differ in phenotype. To date, the field has advanced largely on the ...

Tomato Root Transformation Followed by Inoculation with Ralstonia Solanacearum for Straightforward Genetic Analysis of Bacterial Wilt Disease

Tomato Root Transformation Followed by Inoculation with Ralstonia Solanacearum for Straightforward Genetic Analysis of Bacterial Wilt Disease

Tomatenwurzeltransformation gefolgt von Impfung mit Ralstonia Solanacearum für einfache genetische Analyse der bakteriellen Wilt-Krankheit

Ralstonia solanacearum is a devastating soil borne vascular pathogen that can infect a large range of plant species, causing an important threat to ...