Talos تظهر أن إعادة التحليل الجيني الآلي يمكن أن تحقق تشخيصات جديدة في أسابيع وليس سنوات

بالنسبة لمعظم مرضى الأمراض الوراثية النادرة، لا يقدم الاختبار الجينومي الأول تشخيصًا، ليس لأن الإجابة مفقودة من البيانات، ولكن لأن فهمنا للجينوم لا يزال غير مكتمل. ترتبط الجينات والأمراض الجديدة وتصنيفات المتغيرات الجديدة كل عام. يمكن إعادة فحص بيانات التسلسل المخزنة للعثور على إجابات كانت غير معروفة وقت الاختبار الأصلي. كانت المشكلة دائمًا هي الحجم: إعادة التحليل يدوية في الغالب، وتعتمد على الأطباء المتحمسين والموظفين المختبريين النادرين. نتيجة لذلك، لا تتم إعادة النظر في معظم الجينومات أبدًا.

نشر فريق دولي من مركز الجينوميات السكانية، وعلم الجينوم الأسترالي، ومعهد برود، ومايكروسوفت الآن حلاً. Talos، أداة مفتوحة المصدر لإعادة التحليل الآلي والمتكرر للبيانات الجينومية، توضح أن إعادة التحليل المنهجية يمكن أن تكون ممكنة وقيمة على نطاق واسع. الأداة متحفظة عن قصد. إنها تعيد مجموعة صغيرة من المتغيرات عالية الثقة بدلاً من قائمة مرتبة طويلة. إنها تركز الأطباء على المتغيرات التي تغيرت أدلتها الداعمة منذ دورة التحليل الأخيرة.

فلسفة التصميم: الخصوصية على حساب الاسترجاع

تعيد Talos تفسير استدعاءات المتغيرات الموجودة للمريض مقابل مصدرين عامين يتم تحديثهما باستمرار: PanelApp Australia لعلاقات الجينات والأمراض وClinVar لمرضية المتغيرات. ثم تقوم بتشغيل خوارزمية تحديد أولويات مصممة لإظهار المتغيرات الأكثر احتمالية لاستيفاء معايير ACMG/AMP للتقارير السريرية. تستخدم pipeline بنية الأسرة، وطريقة الوراثة، والحالة الجديدة، بالإضافة إلى بيانات النمط الظاهري عند توفرها، لتضييق نطاق المجموعة المرشحة.

يميز خياران في التصميم Talos عن الأدوات الأخرى. أولاً، تم تحسينها لمعدل إيجابية كاذبة منخفض. عبر مجموعة تحقق تضم ما يقرب من 1100 مريض، استعادت 90% من التشخيصات داخل النطاق بينما وضعت علامة على 1.3 متغير مرشح فقط لكل مريض للمراجعة من قبل الخبراء. ثانيًا، في عمليات التشغيل المتكررة، تعيد Talos فقط المتغيرات التي تغيرت أدلتها الداعمة منذ الدورة السابقة، بحيث يرى الأطباء نتائج جديدة حقًا.

التحقق من الصحة مقابل التحليل اليدوي الخبير

قام الفريق بقياس أداء Talos مقابل مجموعتين مستقلتين كانتا قد خضعتا بالفعل لتحليل يدوي دقيق: مجموعة أسترالية لرعاية الأمراض الحادة في علم الجينوم (Acute Care Genomics) للأطفال والرضع المصابين بأمراض خطيرة، ومشروع الجينومات النادرة (Rare Genomes Project) في الولايات المتحدة لعائلات لديها اختبارات سابقة غير مفيدة. على ثلاثيات ACG، استعادت Talos 90% من التشخيصات داخل النطاق بمتوسط 1.3 متغير مرشح لكل عائلة. التشخيصات التي فاتتها كانت في الغالب نتيجة لاستراتيجيتها المتحفظة، متغيرات متنحية تفتقر إلى دعم ClinVar والتي كان المحللون البشريون قد صنفوها باستخدام التوزيع العكسي أو الدراسات الوظيفية.

الأهم من ذلك، حافظت Talos على نفس نقطة التشغيل على مجموعة RGP، والتي تضمنت حالات أولية تتراوح أعمارهم حتى 82 عامًا. على تلك الثلاثيات، استعادت 87% من التشخيصات داخل النطاق بمتوسط 1.3 متغير مرشح لكل ثلاثي، مما يظهر أنها معممة عبر المجموعات.

في المقارنة المباشرة مع Exomiser، أداة تحديد الأولويات المستخدمة على نطاق واسع، طابقت Talos حساسيتها الإجمالية للمتغيرات الصغيرة ولكنها عملت عند نقطة مختلفة جدًا على منحنى الدقة والاسترجاع. Exomiser يرتب ويعيد قائمة واسعة. Talos تعيد قائمة قصيرة ومحددة للغاية. في المقارنة المزدوجة، كانت الأداتان لا يمكن تمييزهما إحصائيًا عندما تمت مراجعة جميع المتغيرات المرتبة لـ Exomiser، لكن Talos تقدمت بشكل ملحوظ بمجرد أن اقتصرت المراجعة على ميزانية واقعية: أعلى خمسة متغيرات مرتبة (p = 0.017) أو أعلى متغير واحد (p < 0.0001). بشكل ملحوظ، أظهرت الأداتان متغيرات مختلفة، مما يعني أنهما متكاملتان ويجب استخدامهما معًا في سير العمل التشخيصي.

النشر على نطاق واسع

تم نشر Talos بعد ذلك على مجموعة مختبرة وغير مشخصة من 4,735 فردًا مستمدة من دراسات بحثية في علم الجينوم الأسترالي ومختبر تشخيصي واحد. كان معظم المرضى حالات فردية مع مؤشرات عصبية نمائية، أو قلبية، أو كلوية، أو عصبية.

أنتجت Talos 241 تشخيصًا جديدًا في 238 فردًا، بعائد إضافي بنسبة 5.1%، مع تأكيد كل متغير مسبب محتمل لاحقًا على أنه ممرض أو ممرض محتمل بواسطة مختبرات معتمدة. توضح مصادر تلك التشخيصات لماذا إعادة التحليل نهج قوي:

• 32% جاءت من علاقات جينات وأمراض جديدة تم اكتشافها منذ الاختبار الأصلي
• 22% جاءت من أدلة جديدة على مستوى المتغيرات (إعادة التصنيف)
• 45% جاءت من تحسين التصفية والتحليل، بما في ذلك أنواع المتغيرات مثل CNVs (الاختلافات في عدد النسخ) والمتغيرات الهيكلية التي لم يتم فحصها أصلاً، ومرشحات النمط الظاهري التي تم ضبطها بشكل ضيق للغاية، ومصادر أخرى

كان العائد ثابتًا عبر المجالات السريرية (حوالي 5 إلى 6% للمؤشرات العصبية النمائية والقلبية والكلوية)، لكن الأسباب اختلفت. سيطرت ارتباطات الجينات الجديدة و CNVs على تشخيصات النمو العصبي، بينما قادت إعادة تصنيف المتغيرات معظم التشخيصات القلبية. تفوق أداء الجينوم على الإكسوم (6.1% مقابل 4.8%)، جزئيًا من خلال الوصول إلى تشخيصات غير مشفرة مثل RNU4-2 ومتغير MRPL39 العميق داخل الإنترون. كان الموضوع المتكرر هو التأخر في قواعد المعرفة التقليدية: 59% من تشخيصات الجينات والأمراض الجديدة لم تكن بعد منسقة في OMIM وقت إعادة التحليل، مما يبرز قيمة استخدام مورد محدث بسرعة مثل PanelApp Australia.

إعادة التحليل المتكرر: من حدث لمرة واحدة إلى برنامج مستمر

قام الفريق بعد ذلك بتشغيل Talos لمدة 29 دورة شهرية متكررة. جاءت معظم التشخيصات (92%) في المرور الأول لمجموعة، لكن التصميم المتكرر أثبت قيمته على جبهتين. أولاً، أظهر قابلية التوسع لإعادة التحليل المستمر. لأن الدورات اللاحقة تعيد فقط الأدلة القابلة للتنفيذ حديثًا، فقد أظهرت متوسط متغير واحد فقط لكل 200 حالة خلال البرنامج. ثانيًا، أظهر مدى السرعة التي يمكن بها للنظام الانتقال من الاكتشاف العلمي إلى التشخيص. في المتوسط، مرت 32 يومًا فقط بين ظهور معرفة جديدة في قاعدة بيانات عامة وحصول المريض على التشخيص. أسرع حالة تم إنجازها في يوم واحد.

pipeline رخيصة بما يكفي لتشغيلها بشكل مستمر: تكلفة تعليق 1000 جينوم حوالي 11 دولارًا، وتكلفة تمريرة إعادة تحليل شهرية بضع سنتات لكل مجموعة.

النظر إلى المستقبل

تعيد Talos صياغة إعادة التحليل الجينومي من حدث نادر كثيف العمالة إلى برنامج آلي مستمر يمكنه مواكبة العلم. من خلال التحسين من أجل الخصوصية، فإنها تحترم الاختناق الحقيقي لوقت المراجع الخبير. من خلال الاعتماد على الموارد المشتركة والمحدثة بشكل متكرر، فإنها تحول المعرفة المتراكمة للمجتمع العالمي إلى تشخيصات لمرضى فرديين، غالبًا في غضون أسابيع.

الأداة مفتوحة المصدر ومباشرة للنشر في بيئات سحابية مثل Azure. يرى الفريق الذي يقف وراء Talos أنها قدرة أساسية ويتطلعون إلى دمج نماذج ذكاء اصطناعي أكثر تقدمًا لفهم والتنبؤ بعواقب التنوع الجيني في إعادة تحليل حالات الأمراض النادرة غير المحلولة.