《全基因组测序在遗传病检测中的临床应用专家共识》
1:根据题目就知道专家们还是推荐全基因组测序,而不是全外显子,测序深度(通常>40X),检测SNP、SV(包含CNV)以及线粒体变异
2:WGS可有效避免在相关基因组区域进行靶向富集时产生的技术偏差。在某些情况下不推荐使用WGS,如目标疾病致病基因的相当一部分变异类型不在WGS检测范围,例如Beckwith—Wiedemann综合征等基因印迹疾病;目标疾病致病基因存在同源区域等情况,如先天性肾上腺皮质增生(CYP21A2 基因相关)等。
3::WGS检测的局限性主要包括,(1)涉及高度重复或同源的基因组区域的检测及分析可能不准确。在染色体着丝粒DNA、着丝 粒旁的异染色质、端粒、亚端粒区问或线粒体基因 组等高度重复或同源的区间,较短的读长在与参考 基因组进行比对时可能存在不唯一性。这些区域还存在活跃的重组,也会增加比对难度。临床常见 的与高度重复或同源基因或基因组相关疾病包括耳聋(STRC基因相关),先天性肾上腺皮质增生 (CYP21A2基因相关),Lynch综合征(PMS2基因相关)等。(2)对于mtDNA变异识别存在局限性,需用特异性高的mtDNA检测方法进行验证。原因是线粒体基因组变异有杂质性的特点 由于线粒体基因组存在大量与核基因同源的序列,WGS 测序可能出现mtDNA变异假阳性、不能准确区分同质性和杂质性以及不能对杂质性进行准确定量的情况
4::WGS的主要目的是揭示可解释患者临床表型的致病基因(组)变异, 但在部分个体基因组中还可能检测出与受检指征不相关但具有重要临床功效性(主要是指能较好预测未来发病的可能并可进行预防性干预或治疗)的基因(组)变异。 当这些变异是无意中被发现时,曾被称为意外发现。美国医学遗传及基因组专家委员会(American college of medical genetics and genomics,ACMG)建议有意识地分析这些有重要临床意义的基因(组)变异,并将称其为次要发现。ACMG建议对59个推荐的基因进行数据分析并根据患者的选择意愿报告其中的致病性和可能致病性变异,建议对于意义未明的相关罕见变异不进行报告。
5:家族史信息收集建议达到三代或三代以上,对于家族史阳性的,应详细记录每个患者的表型信息,含发病年龄、轻重程度等。
6:ACMG推荐的59个基因可以作为分析和报告次要发现的主要对象,但需要在综合考虑 以下因素的情况下决定删增基因及病种,1在中 国人群中的发生频率及外显率;2目前医疗条件 下提前干预治疗或预防的可及性及有效性。(3)只对根据ACMG变异分析指南判定为致病性和可能致病性的变异进行报告。
《二代测序技术在肿瘤精准医学诊断中的应用专家共识》
1:肿瘤的多基因分型对药物研发的策略也产生了重大影响。在药物临床试验设计方面,近年来出现了两种基于分子靶点的试验研究类型。一种是”雨伞“设计类型,即针对单个瘤种的基于多个驱动基因分型及其靶向治疗,另一种则是篮子设计类型,是针对多个瘤种的驱动基因的同型同治。
2:应明确至少那些基因需纳入检测名单,以肺癌为例:目前美国国家综合癌症网络(NCCN)及国内肺癌临床指南、共识或卫计委诊疗规范都明确指出表皮生长因子受体(EGFR)基因突变、鼠类肉瘤病毒癌基因(KRAS)突变,ALK基因重排(融合)、c-ros肉瘤致癌因子-手提酪氨酸激酶(ROS1)基因重排(融合)、MET基因14号外显子可变剪切变异、MET拷贝数扩张、转染重排(RET)基因重排(融合)、HER2基因突变或扩增、BRAF基因突变等驱动基因变异是临床实践中的重要必须基因。
3:驱动基因的定义是参与肿瘤的发生反战、转移、耐药等疾病过程中关键步骤等基因。
4:对于临床意义非常明确的体细胞突变的少数基因集分析,可以直接检测肿瘤标本而无需设置白细胞等对照样本。
5:样本原始材料为DNA或来自RNA的cDNA.适合临床NGS分析的样本类型优先选择新鲜组织标本,也可以选用甲醛固定-石蜡包埋(FFPE)样本、肿瘤细胞学标本及血浆
6:可采用冷冻切片染色评估样本中的肿瘤细胞含量,开展NGS检测前应进行HE染色评估肿瘤细胞的含量
7:细胞学样本:脱落细胞学标本及细针穿刺细胞学标本用于基因检测时,必须进行病理质控,确定标本中的肿瘤细胞数量及玉正常细胞的比例
8:体腔积液标本可提取无细胞上清标本中的循环肿瘤进行检测,血浆或血液样本采集8~10ml全血,ctDNA在全血中可稳定保存3~7天,当怀疑血浆游离DNA受到血细胞基因组DNA污染时,可考虑采用核酸片段大小分布分析来判断污染是否存在,从而判断样本是否适用于NGA检测
9:采样质量的评价内容应包括肿瘤细胞含量比例、肿瘤细胞数量,必要时进行显微切割后再提取核酸
10:石蜡材料可常温运输,血浆样本干冰条件下运输,核酸样本需在4度或冷冻条件下运输
11;除了血浆或血液来源的DNA/RNA,凡是涉及形态学的标本,应在显微镜下评估肿瘤细胞的含量
12:适合NGS检测的组织标本中肿瘤细胞含量建议在20%以上,如果肿瘤细胞占比低,患者知情后依然愿意进行NGS检测,应尽量采用显微切割技术富集肿瘤细胞,组织样本提取获得的DNA量应达到50ng以上,血液样本建议采血至少8ml.
13:在石蜡标本的切片过程中可适当同步预留几张切片勇于后续免疫组化、荧光原位杂交、聚合酶链锁反应(PCR)测序等方法验证
14:在数据去冗余后临床组织的数据深度应为500X以上,血浆游离DNA样本的NGS有效深度应道1000X以上,80%以上的目标捕获区域达到这个深度
15:在后续开展每个瘤种约100例的分析,再对本次共识的可操作性进行验证
16:报告首页应包括患者身份标识、临床诊断、测试的简单描述、技术类型等信息。
低深度全基因组测序技术在产前诊断中的应用专家共识
1: 目前用于全基因组范围CNVs检测的技术为染色体微阵列分析(chromosomal microarray analyisis,CMA)成本较高。CMA技术对于<30%的嵌合体无法进行准确分析。
2: CNV-seq可精确检测低至10~50ng的DNA样本,研究还发现在核型分析判定的平衡易位样本中,有7.9%的样本在断裂连接处存在CNVs
3: CNV-seq无法检测三倍体以及多倍体,当CNV-seq检测提示性染色体拷贝数异常时,建议进一步进行荧光原位杂交(FISH)检测
4: 对于由47,XXX与45,X两种性染色体非整倍 体构成的嵌合体,若其细胞比例各占50%,则CNV— seq会将其判断为X染色体拷贝数无异常。
5: CNV—seq无法对包括单亲二倍体(uniparental disomy,UPD)在内的杂合性缺失(10ss heterozygosity,LOH)进行检测
6: 对夫妻双方的外周血样本和胎儿样本同时进行 CNV—seq检测,将有利于及时确定CNVs的来源并判 断胎儿CNVs的致病性。
7: 常染色体非整倍体 建议终止妊娠。对于13、14、15、21、22号染色体的非整倍体,建议对父母行外周血染色体核型分析,排除存在罗氏易位的可能性。
参考文献
++++++++++++++++++++++++
2019-Low-pass genome sequencing versus chromosomal microarray analysis: implementation in prenatal diagnosis
1:测序上机50ng DNA,打断(200bp-300bp)
2:测序数据量每个样本~15million reads per sample(single-end 50bp)
2018-Evaluation of copy number variant detection from panel‐based next‐generation sequencing data
1: 使用CNVkit检测CNV,但是需要构建基线文件采用了10男10女,而且这些正常样本必须是经过CMA验证正常的样本
2018-Detection of cell-free DNA fragmentation and copy number alterations in cerebrospinal fluid from glioma patients
1: 使用 CNAclinic (https://github.com/sdchandra/CNAclinic)对CNV进行数据分析
2018-Association of Cell-Free DNA Tumor Fraction and Somatic Copy Number Alterations With Survival in Metastatic Triple-Negative Breast Cancer
2017-Scalable whole-exome sequencing of cell-free DNA reveals high concordance with metastatic tumors
1: 以上两篇文章开发了ichorCNA( https://github.com/broadinstitute/ichorCNA)对ctDNA进行肿瘤含量评估
2015-Low-pass whole-genome sequencing in clinical cytogenetics:a validated approach
2019-Low-pass genome sequencing versus chromosomal microarray analysis: implementation in prenatal diagnosis
1: 正常拷贝数是1的情况下,copy数的报告范围为:(copy ratios >1.1 or <0.9)
2: 一些可以参考的CNV已知的数据库有Database of Genomic Variants [DGV] and DECIPHER
来源:CSDN
作者:fanyucai1
链接:https://blog.csdn.net/fanyucai1/article/details/103986613