Une personne sur 10 dans le monde est affectée par une maladie génétique rare, mais environ 50% d'entre elles restent non diagnostiquées malgré une augmentation rapide de la technologie génétique et des tests. Même lorsqu'une personne a accès aux tests, le processus de diagnostic peut prendre environ cinq ans ou plus, ce qui est parfois trop tard pour les patients, qui sont souvent des enfants, pour commencer le bon traitement.
Cela est dû en partie au fait que les tests cliniques actuels utilisent une méthode appelée séquençage à lecture courte, qui ne peut pas accéder aux informations dans certaines régions du génome et peut donc manquer des preuves cruciales pour aider à faire un diagnostic. Mais les chercheurs de l'UC Santa Cruz font avancer les recherches sur une méthode alternative de pointe, appelée séquençage à lecture longue, qui peut fournir un ensemble de données plus complet pour trouver une variation, éliminer le besoin de multiples tests spécialisés et rationaliser le diagnostic des maladies rares.
Une nouvelle étude montre que le séquençage à lecture longue a le potentiel d'améliorer le taux de diagnostic tout en réduisant le temps de diagnostic de années à jours – dans un seul test et à un coût beaucoup plus faible. L'étude a été publiée dans The American Journal of Human Genetics et dirigé par des membres principaux du professeur de génie biomoléculaire de l'UCSC Genomics Institute (BME) Benoît Paten et professeur agrégé de BME Karen Miga, ainsi que l'ancien érudit postdoctoral de l'UCSC Jean Monlong.
Les maladies rares sont quelque chose que les gens ont du mal à diagnostiquer depuis tant d'années, et si nous avons une technologie de séquençage qui rationalise les tests de diagnostic, je pense que ce sera une contribution énorme – et c'est ce que nous avons testé dans le cadre de ce document. «
Shloka Negi, UC Santa Cruz BME Ph.D. Étudiant, premier auteur du papier
« Aujourd'hui, le rendement diagnostique du séquençage génétique est frustrant », a déclaré Paten. « Une cause probable est les méthodes de séquençage incomplètes utilisées dans la pratique clinique. Dans ce travail, nous testons l'hypothèse selon laquelle un nouveau séquençage à longue lecture plus complet peut générer des informations supplémentaires utiles pour le diagnostic génétique. Nous étions ravis de découvrir de nombreuses personnes génétiques potentiellement intéressantes supplémentaires. Variantes et signaux épigénétiques dans notre cohorte.
Trouver des maladies rares
Cette étude s'est concentrée sur les maladies monogènes rares, qui sont celles causées par une perturbation d'un seul gène.
Les scientifiques diagnostiquent les maladies génétiques en fouillant dans leur matériel génétique pour trouver des variantes – des différences dans un gène qui peut l'empêcher de fonctionner correctement. L'approche typique pour trouver ces variantes utilise une technique appelée séquençage à lecture courte, qui lit les paires de bases génétiques – combinaisons d'adénine (A), de cytosine (c), de guanine (g) et de thymine (T) – dans des séquences d'environ 150-250 à la fois.
La limitation du séquençage à lecture courte, cependant, est qu'elle peut manquer des informations cruciales dans certaines régions du génome, comme les modèles de paires de bases qui sont beaucoup plus longues que 250 paires de bases. Il ne peut pas non plus effectuer de «phasage», le processus de déterminer quelles variantes sont héritées de la mère et lesquelles du père. Cela peut aider les cliniciens à découvrir à qui les variantes sont héritées; Par exemple, si deux variantes sont héritées du même parent, une de chaque parent, ou pas du tout héritée. Cela peut être une information très utile pour les diagnostics génétiques, en particulier lorsque les données parentales ne sont pas disponibles.
En revanche, le séquençage à lecture longue peut lire de longues étirements d'ADN à la fois, éliminant les lacunes qui peuvent amener les scientifiques et les cliniciens à manquer des informations importantes sur la variation des gènes. Le séquençage à lutte longue fournit également des données de phasage direct ainsi que des informations sur la méthylation, un processus chimique dans l'ADN qui provoque une «activité ou désactivée des gènes» et peut contribuer à la maladie.
« Le séquençage à lutte longue va être bien meilleur dans certains cas, et nous prenons des mesures pour le prouver », a déclaré Negi.
Diriger des méthodes
Les chercheurs de l'UC Santa Cruz Genomics Institute ont une riche histoire d'innovation et d'expertise dans le séquençage à longue lecture et développent activement des méthodes pour optimiser le séquençage et l'analyse pour un large éventail d'applications de recherche en santé. De nombreux techniques que les chercheurs ont développés pour réaliser des exploits, tels que le premier génome de référence «télomère à télomère» vraiment complet, sont maintenant utilisés pour améliorer les résultats des patients.
« Renforcer les résultats antérieurs, nous avons constaté que les avantages de l'utilisation du séquençage à longue lecture ont augmenté considérablement en utilisant un génome de référence complet« télomère à télomère »complet à la place de la référence génomique incomplète mais largement utilisée existante», Miga dit. « Nous prévoyons que les pangenomes – références qui représentent diverses variations humaines – extraient encore plus de bénéfices de nouvelles technologies de séquençage à longue lecture. »
Les laboratoires de Paten et Miga se sont associés à des cliniciens pour travailler sur les cas de 42 patients atteints de maladies rares – dont certaines ont reçu un diagnostic via des méthodes à lecture courte ou d'autres tests spécialisés, et dont certains n'étaient pas encore diagnostiqués. Dans certains cas, les chercheurs ont eu accès à des informations génétiques parentales, mais dans d'autres, ils ne l'ont pas fait.
Le séquençage à longue lecture des patients a été dirigé par le laboratoire MIGA en utilisant le séquençage des nanopore, une méthode de séquençage à lecture longue lancée par UCSC, pour obtenir des lectures de bout en bout très précises sur les génomes des patients pour environ 1000 $ par échantillon.
Les données génomiques ont été analysées à l'aide de méthodes de calcul développées dans le laboratoire de Paten pour trouver les petites et grandes variantes, les données de phasage et les données de méthylation, toutes utilisant un pipeline appelé pipeline NAPU. Le processus d'analyse prend environ un jour ou moins, selon la vitesse de traitement de l'ordinateur et coûte 100 $.
Solving Cases
Après le séquençage et l'analyse des données des patients, les chercheurs ont constaté que les lectures longues fournissaient un ensemble de données plus exhaustif par rapport à ce qui peut être dérivé avec un séquençage à lecture courte.
Le séquençage à longue lecture a posé un diagnostic concluant pour 11 des 42 patients de la cohorte, fournissant tout ce qui était connu des données à lecture courte ainsi que des informations supplémentaires, y compris des variantes de candidats rares supplémentaires, un phasage à longue portée et une méthylation – le tout dans Un protocole unique, rentable et rapide.
Les 11 cas diagnostiqués comprenaient quatre d'hypoplasie surrénalienne congénitale (une condition rare où les glandes surrénales sont agrandies et ne fonctionnent pas correctement). Le gène responsable de cette maladie se trouve dans une région particulièrement difficile du génome – il ne peut pas être caractérisé par une technologie de séquençage à lecture courte, et le test clinique actuel est lourd et incomplet.
« Pour résoudre ces cas, nous avons développé un nouvel outil pangenomique qui intègre de nouveaux assemblages de haute qualité comme le génome de référence du` `télomère au télomère '' », a déclaré Monlong, qui a commencé ce projet en tant que boursier postdoctoral dans le laboratoire de Paten et a continué dans ses ses Position actuelle à Interm en France. « Nous étions ravis de voir que nous pouvions trouver et phase les variantes pathogènes des quatre patients souffrant de cette maladie dans notre cohorte. À l'avenir, il pourrait offrir un test clinique rapide et complet. Nous savons que de nombreuses maladies rares impliquent des régions de la Le génome humain qui a été historiquement difficile à étudier, donc nos résultats nous encouragent à étendre notre approche à davantage de ces maladies qui sont à l'arrêt depuis longtemps. «
De plus, deux cas impliquaient des troubles du développement du sexe, tandis qu'un cas rare d'hypoplasie des cellules de Leydig a affecté le développement sexuel masculin en raison des cellules Leydig sous-développées dans les testicules. De plus, quatre cas de troubles neurodéveloppementaux, chacun représentant des odyssés diagnostiques longs et difficiles, ont finalement été résolus.
« Le séquençage à longue lecture est probablement le prochain meilleur test pour les cas non résolus avec des variantes convaincantes dans un seul gène ou un phénotype clair », a déclaré Negi. « Il peut servir de test de diagnostic unique, réduisant le besoin de multiples visites cliniques et transformant un voyage de diagnostic de plusieurs années en quelques heures. »
En moyenne, chaque patient comptait 280 gènes (y compris certains gènes de la maladie mendélienne, qui sont liés à des troubles héréditaires causés par des mutations à gène unique) avec des régions codantes significatives de manière unique couverte par de longues lectures et non détectées par de courtes lectures.
« Il y a tellement plus de génome que les longues lectures peuvent débloquer », a déclaré Negi. « Mais, il faudra un certain temps jusqu'à ce que nous puissions interpréter pleinement ces nouvelles informations révélées par de longues lectures. Ces données ont été absentes de nos bases de données cliniques, qui ont été construites en utilisant une analyse courte et une cartographie à la référence standard. Nous avons montré que longtemps Les lectures découvrent environ 5,8% de plus du génome du télomère à télomère que les lectures courtes ne pouvaient tout simplement pas accéder. «
Les autres chercheurs de l'UC Santa Cruz impliqués dans cette recherche comprennent Brandy McNulty, Ivo Violich, Joshua Gardner, Todd Hillaker et Sara O'Rourke.
Cette recherche a été financée en partie par l'initiative Chan Zuckerberg.
