Interprétation des variants pathogènes et bénins

L'interprétation des variants est le processus qui consiste à déterminer si une modification de l'ADN est susceptible de causer une maladie ou si elle est inoffensive. L'approche standard classe chaque variant de séquence dans l'un des cinq niveaux, de bénin à pathogène, en pondérant de multiples lignes de preuve indépendantes plutôt qu'en se basant sur une seule caractéristique. Le même cadre sous-tend le rapport clinique moderne de la pathogenicité des variants.

Definition

L'interprétation des variants est l'attribution structurée d'un variant de séquence à l'une des cinq catégories de pathogenicité en combinant des lignes de preuve pondérées selon un cadre de classification standardisé.

Scope

Le sujet couvre le schéma de classification à cinq niveaux (bénin, probablement bénin, signification incertaine, probablement pathogène, pathogène), les catégories de preuves utilisées (fréquence dans la population, prédictions computationnelles, études fonctionnelles, ségrégation, occurrence de novo, et autres), les règles de combinaison des forces des preuves, et les raffinements tels que la reformulation bayésienne des critères et les directives spécifiques aux gènes. Les variants du nombre de copies sont interprétés selon une norme parallèle. Le traitement est méthodologique et ne fournit pas de directives de gestion clinique.

Core questions

• Quelles catégories de preuves permettent de déterminer si un variant est pathogène ou bénin ?
• Comment les critères de preuve sont-ils pondérés et combinés pour aboutir à une classification finale ?
• Comment les cinq niveaux se rapportent-ils les uns aux autres et à la certitude ?
• Comment sont traités les types de variants spéciaux, tels que les variants du nombre de copies et les variants à perte de fonction ?

Key concepts

• Classification à cinq niveaux (de bénin à pathogène)
• Critères de preuve et leurs forces
• Fréquence allélique dans la population
• Preuves computationnelles et fonctionnelles
• Preuves de ségrégation et de novo
• Interprétation de la perte de fonction (PVS1)
• Interprétation des variants du nombre de copies

Key theories

Cadre bayésien pour la classification des variants

Les règles de combinaison ACMG/AMP peuvent être modélisées comme un système naturellement bayésien dans lequel chaque critère de preuve contribue à une cote de pathogenicité pondérée par sa force, formalisant les règles qualitatives en probabilités postérieures quantitatives.

Mechanisms

Chaque variant est évalué par rapport à un ensemble défini de critères de preuve, y compris sa fréquence dans les populations de référence, les prédictions computationnelles de son effet, les données fonctionnelles expérimentales, la co-ségrégation avec la maladie dans les familles, et l'occurrence de novo ; chaque critère a une force (soutenant, modéré, fort, très fort) et une direction (vers pathogène ou bénin), et les règles de combinaison mappent les preuves accumulées sur l'un des cinq niveaux (Richards et al., 2015). Des travaux ultérieurs ont reformulé ces règles qualitatives comme un cadre bayésien, montrant que les forces des critères correspondent à des cotes multiplicatives et donnent une probabilité sous-jacente continue de pathogenicité (Tavtigian et al., 2018). Des directives spécialisées affinent les critères difficiles, comme la manière d'appliquer la règle très forte de perte de fonction (Abou Tayoun et al., 2018), tandis que les variants du nombre de copies sont évalués par rapport à une norme technique parallèle (Riggs et al., 2020).

Clinical relevance

La classification des variants détermine la manière dont un laboratoire rapporte une découverte et, par conséquent, façonne la compréhension des résultats génétiques dans le conseil génétique et l'évaluation des preuves. Le sujet décrit comment la pathogenicité est jugée et rapportée ; il s'agit d'un compte rendu de référence du processus de classification et non d'une directive pour agir sur un résultat spécifique.

History

Avant la standardisation, les laboratoires utilisaient des schémas hétérogènes et souvent incomparables pour qualifier les variants de pathogènes ou bénins. La recommandation consensuelle ACMG/AMP de 2015 a établi un cadre commun à cinq niveaux et des règles de combinaison des preuves (Richards et al., 2015). Le domaine l'a ensuite affiné : la reformulation bayésienne a donné aux règles une base quantitative (Tavtigian et al., 2018), des recommandations spécifiques aux critères et aux gènes ont abordé les difficultés récurrentes (Abou Tayoun et al., 2018), et des normes parallèles ont été émises pour les variants du nombre de copies (Riggs et al., 2020).

Debates

Comment les critères de preuve doivent-ils être pondérés et quantifiés ?

La question de savoir si les forces des critères qualitatifs doivent être remplacées ou complétées par des seuils quantitatifs explicites, et comment calibrer les preuves computationnelles et fonctionnelles, reste un domaine actif, la modélisation bayésienne offrant une voie vers la cohérence.

Avec quelle prudence la perte de fonction doit-elle être qualifiée de pathogène ?

L'application du critère très fort de perte de fonction exige de confirmer que la perte de fonction est un mécanisme de maladie établi pour le gène et que l'effet prédit est réel, ce qui a conduit à des règles détaillées pour éviter la sur-classification.

Key figures

• Sue Richards
• Heidi Rehm
• Sean Tavtigian
• Leslie Biesecker

Seminal works

• richards-2015
• tavtigian-2018
• riggs-2020

Frequently asked questions

Quelles sont les cinq catégories de classification des variants ?

Bénin, probablement bénin, signification incertaine, probablement pathogène et pathogène. Un variant est placé dans un niveau en combinant plusieurs lignes de preuve indépendantes plutôt qu'une seule observation.

Pourquoi une seule preuve n'est-elle généralement pas suffisante ?

Chaque type de preuve a ses limites, de sorte que le cadre exige la combinaison de critères de force et de direction définies ; cela permet d'éviter de sur-interpréter une seule caractéristique, telle qu'une prédiction computationnelle ou la seule rareté.