Interpretasi Varian Patogenik dan Benign

Interpretasi varian adalah proses memutuskan apakah perubahan DNA kemungkinan besar menyebabkan penyakit atau tidak berbahaya. Pendekatan standar menempatkan setiap varian sekuens ke dalam salah satu dari lima tingkatan, dari benign hingga patogenik, dengan mempertimbangkan berbagai bukti independen daripada hanya mengandalkan satu fitur. Kerangka kerja yang sama mendasari pelaporan klinis modern tentang patogenisitas varian.

Definition

Interpretasi varian adalah penugasan terstruktur dari varian sekuens ke salah satu dari lima kategori patogenisitas dengan menggabungkan bukti berbobot sesuai dengan kerangka kerja klasifikasi standar.

Scope

Topik ini mencakup skema klasifikasi lima tingkatan (benign, kemungkinan benign, signifikansi tidak pasti, kemungkinan patogenik, patogenik), kategori bukti yang digunakan (frekuensi populasi, prediksi komputasi, studi fungsional, segregasi, kejadian de novo, dan lainnya), aturan untuk menggabungkan kekuatan bukti, dan penyempurnaan seperti reformulasi Bayesian dari kriteria dan panduan spesifik gen. Varian jumlah salinan diinterpretasikan melalui standar paralel. Pembahasannya bersifat metodologis dan tidak memberikan arahan manajemen klinis.

Core questions

• Kategori bukti apa yang menginformasikan apakah suatu varian bersifat patogenik atau benign?
• Bagaimana kriteria bukti diberi bobot dan digabungkan menjadi klasifikasi akhir?
• Bagaimana kelima tingkatan tersebut saling berhubungan dan dengan kepastian?
• Bagaimana jenis varian khusus, seperti varian jumlah salinan dan kehilangan fungsi, ditangani?

Key concepts

• Klasifikasi lima tingkatan (benign hingga patogenik)
• Kriteria bukti dan kekuatannya
• Frekuensi alel populasi
• Bukti komputasi dan fungsional
• Bukti segregasi dan de novo
• Interpretasi kehilangan fungsi (PVS1)
• Interpretasi varian jumlah salinan

Key theories

Kerangka kerja Bayesian untuk klasifikasi varian

Aturan penggabungan ACMG/AMP dapat dimodelkan sebagai sistem Bayesian alami di mana setiap kriteria bukti menyumbangkan peluang patogenisitas yang dibobot berdasarkan kekuatan, memformalkan aturan kualitatif menjadi probabilitas posterior kuantitatif.

Mechanisms

Setiap varian dievaluasi terhadap serangkaian kriteria bukti yang ditentukan, termasuk frekuensinya dalam populasi referensi, prediksi komputasi efek, data fungsional eksperimental, ko-segregasi dengan penyakit dalam keluarga, dan kejadian de novo; setiap kriteria memiliki kekuatan (mendukung, moderat, kuat, sangat kuat) dan arah (menuju patogenik atau benign), dan aturan kombinasi memetakan bukti yang terkumpul ke salah satu dari lima tingkatan (Richards et al., 2015). Pekerjaan selanjutnya mereformulasi aturan kualitatif ini sebagai kerangka kerja Bayesian, menunjukkan bahwa kekuatan kriteria sesuai dengan peluang multiplikatif dan menghasilkan probabilitas patogenisitas berkelanjutan yang mendasari (Tavtigian et al., 2018). Panduan khusus menyempurnakan kriteria yang sulit, seperti cara menerapkan aturan kehilangan fungsi yang sangat kuat (Abou Tayoun et al., 2018), sementara varian jumlah salinan dinilai berdasarkan standar teknis paralel (Riggs et al., 2020).

Clinical relevance

Klasifikasi varian menentukan bagaimana laboratorium melaporkan temuan dan oleh karena itu membentuk bagaimana hasil genetik dipahami dalam konseling dan penilaian bukti. Topik ini menjelaskan bagaimana patogenisitas dinilai dan dilaporkan; ini adalah laporan referensi tentang proses klasifikasi dan bukan panduan untuk bertindak berdasarkan hasil tertentu.

History

Sebelum standarisasi, laboratorium menggunakan skema yang heterogen dan seringkali tidak sebanding untuk menyebut varian patogenik atau benign. Rekomendasi konsensus ACMG/AMP 2015 menetapkan kerangka kerja lima tingkatan bersama dan aturan penggabungan bukti (Richards et al., 2015). Bidang ini kemudian menyempurnakannya: reformulasi Bayesian memberikan dasar kuantitatif pada aturan (Tavtigian et al., 2018), rekomendasi spesifik kriteria dan spesifik gen mengatasi kesulitan yang berulang (Abou Tayoun et al., 2018), dan standar paralel dikeluarkan untuk varian jumlah salinan (Riggs et al., 2020).

Debates

Bagaimana kriteria bukti harus diberi bobot dan dikuantifikasi?

Apakah kekuatan kriteria kualitatif harus diganti atau dilengkapi dengan ambang kuantitatif eksplisit, dan bagaimana mengkalibrasi bukti komputasi dan fungsional, tetap menjadi area aktif, dengan pemodelan Bayesian menawarkan salah satu cara untuk konsistensi.

Seberapa konservatifkah kehilangan fungsi harus disebut patogenik?

Penerapan kriteria kehilangan fungsi yang sangat kuat memerlukan konfirmasi bahwa kehilangan fungsi adalah mekanisme penyakit yang mapan untuk gen tersebut dan bahwa efek yang diprediksi adalah nyata, mendorong aturan terperinci untuk menghindari klasifikasi berlebihan.

Key figures

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

Seminal works

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

Frequently asked questions

Apa saja lima kategori klasifikasi varian?

Benign, kemungkinan benign, signifikansi tidak pasti, kemungkinan patogenik, dan patogenik. Suatu varian ditempatkan dalam tingkatan dengan menggabungkan beberapa bukti independen daripada hanya satu observasi.

Mengapa tidak ada satu pun bukti yang biasanya cukup?

Setiap jenis bukti memiliki keterbatasan, sehingga kerangka kerja ini memerlukan penggabungan kriteria dengan kekuatan dan arah yang ditentukan; ini mencegah interpretasi berlebihan terhadap satu fitur, seperti prediksi komputasi atau kelangkaan saja.