병원성 및 양성 변이 해석

변이 해석은 DNA 변화가 질병을 유발할 가능성이 있는지 또는 무해한지 여부를 결정하는 과정입니다. 표준적인 접근 방식은 단일 특징에 의존하기보다는 여러 독립적인 증거를 종합하여 각 염기서열 변이를 양성에서 병원성까지 5단계 중 하나로 분류합니다. 이 동일한 프레임워크는 변이 병원성에 대한 현대 임상 보고의 기반이 됩니다.

Definition

변이 해석은 표준화된 분류 프레임워크에 따라 가중치가 부여된 증거를 결합하여 염기서열 변이를 5가지 병원성 범주 중 하나에 체계적으로 할당하는 것입니다.

Scope

이 주제는 5단계 분류 체계(양성, 양성 추정, 불확실한 중요성, 병원성 추정, 병원성), 사용되는 증거 범주(인구 빈도, 전산 예측, 기능 연구, 분리, 신생 발생 및 기타), 증거 강도 결합 규칙, 그리고 베이즈 정리 재구성 및 유전자 특이적 지침과 같은 개선 사항을 다룹니다. 복제수 변이는 병렬 표준을 통해 해석됩니다. 이 내용은 방법론적이며 임상 관리 방향을 제시하지 않습니다.

Core questions

• 변이가 병원성인지 양성인지 판단하는 데 어떤 증거 범주가 사용됩니까?
• 증거 기준은 어떻게 가중치가 부여되고 최종 분류로 결합됩니까?
• 5단계는 서로 그리고 확실성과 어떻게 관련됩니까?
• 복제수 변이 및 기능 상실 변이와 같은 특수 변이 유형은 어떻게 처리됩니까?

Key concepts

• 5단계 분류 (양성에서 병원성까지)
• 증거 기준 및 그 강도
• 인구 대립유전자 빈도
• 전산 및 기능적 증거
• 분리 및 신생 증거
• 기능 상실 (PVS1) 해석
• 복제수 변이 해석

Key theories

변이 분류를 위한 베이즈 프레임워크

ACMG/AMP 결합 규칙은 각 증거 기준이 병원성의 강도 가중 오즈를 기여하는 자연스러운 베이즈 시스템으로 모델링될 수 있으며, 정성적 규칙을 정량적 사후 확률로 공식화합니다.

Mechanisms

각 변이는 참조 인구에서의 빈도, 효과에 대한 전산 예측, 실험적 기능 데이터, 가족 내 질병과의 공동 분리, 신생 발생을 포함한 정의된 증거 기준에 따라 평가됩니다. 각 기준은 강도(지지, 중간, 강함, 매우 강함)와 방향(병원성 또는 양성 방향)을 가지며, 결합 규칙은 축적된 증거를 5단계 중 하나에 매핑합니다(Richards et al., 2015). 후속 연구에서는 이러한 정성적 규칙을 베이즈 프레임워크로 재구성하여 기준 강도가 곱셈적 오즈에 해당하며 병원성의 근본적인 연속 확률을 산출함을 보여주었습니다(Tavtigian et al., 2018). 기능 상실의 매우 강력한 규칙을 적용하는 방법과 같이 어려운 기준을 개선하기 위한 전문 지침이 있으며(Abou Tayoun et al., 2018), 복제수 변이는 병렬 기술 표준에 따라 점수가 매겨집니다(Riggs et al., 2020).

Clinical relevance

변이 분류는 실험실이 결과를 보고하는 방식을 결정하며, 따라서 유전적 결과가 상담 및 증거 평가에서 이해되는 방식을 형성합니다. 이 주제는 병원성이 어떻게 판단되고 보고되는지를 설명하며, 분류 과정에 대한 참고 자료이지 특정 결과에 따라 행동하기 위한 지침은 아닙니다.

History

표준화 이전에는 실험실에서 변이를 병원성 또는 양성으로 분류하기 위해 이질적이고 종종 비교 불가능한 체계를 사용했습니다. 2015년 ACMG/AMP 합의 권고는 공유된 5단계 프레임워크와 증거 결합 규칙을 확립했습니다(Richards et al., 2015). 이후 이 분야는 이를 개선했습니다. 베이즈 재구성은 규칙에 정량적 기반을 제공했으며(Tavtigian et al., 2018), 기준별 및 유전자별 권고는 반복되는 어려움을 해결했고(Abou Tayoun et al., 2018), 복제수 변이에 대한 병렬 표준이 발표되었습니다(Riggs et al., 2020).

Debates

증거 기준은 어떻게 가중치가 부여되고 정량화되어야 합니까?

정성적 기준 강도를 명시적인 정량적 임계값으로 대체하거나 보완해야 하는지, 그리고 전산 및 기능적 증거를 어떻게 보정해야 하는지는 여전히 활발한 연구 분야이며, 베이즈 모델링은 일관성을 위한 한 가지 경로를 제공합니다.

기능 상실은 얼마나 보수적으로 병원성으로 분류되어야 합니까?

매우 강력한 기능 상실 기준을 적용하려면 기능 상실이 해당 유전자에 대한 확립된 질병 메커니즘이며 예측된 효과가 실제임을 확인해야 하므로, 과도한 분류를 피하기 위한 상세한 규칙이 필요합니다.

Key figures

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

Seminal works

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

Frequently asked questions

5가지 변이 분류 범주는 무엇입니까?

양성, 양성 추정, 불확실한 중요성, 병원성 추정, 병원성입니다. 변이는 단일 관찰이 아닌 여러 독립적인 증거를 결합하여 단계에 배치됩니다.

단일 증거만으로는 왜 일반적으로 충분하지 않습니까?

각 증거 유형에는 한계가 있으므로, 프레임워크는 정의된 강도와 방향의 기준을 결합하도록 요구합니다. 이는 전산 예측이나 희귀성 단독과 같은 특정 특징을 과도하게 해석하는 것을 방지합니다.