Variant annotation across homologous proteins (“Paralogue Annotation”) identifies disease-causing missense variants with high precision, and is widely applicable across protein families

Riepilogo Tecnico: Annotazione per Paralogo per l'Interpretazione delle Varianti

Problematica
Una sfida primaria nella genetica clinica è distinguere le varianti missenso patogene da quelle rare ma benigne, in particolare per le varianti non precedentemente osservate o caratterizzate negli esseri umani. Sebbene esistano saggi funzionali in vitro e in vivo, questi richiedono molte risorse e potrebbero non prevedere accuratamente i fenotipi di malattia umani. Gli esistenti strumenti di predizione in silico spesso mancano della precisione necessaria per il processo decisionale clinico. Sebbene il framework ACMG/AMP fornisca linee guida per l'interpretazione delle varianti, esso manca di un metodo formalizzato per inferire la patogenicità basandosi su sostituzioni equivalenti in proteine evolutivamente correlate (paraloghi), nonostante la plausibilità biologica che una sostituzione causale di malattia in un membro di una famiglia proteica possa causare una malattia in una proteina paraloga attraverso un meccanismo simile.

Metodologia
Gli autori hanno sviluppato un framework denominato Annotazione per Paralogo (PA) per trasferire le annotazioni di patogenicità da varianti caratterizzate in proteine omologhe a varianti non caratterizzate in un gene di interesse. La metodologia procede come segue:

1. Allineamento e Mappatura dell'Omologia: Per una variante query in un gene di interesse, il sistema identifica i paraloghi di quel gene utilizzando Ensembl Compara. Viene utilizzato un Allineamento di Sequenze Multiple (MSA) per mappare la posizione della variante query alle residui equivalenti nelle proteine paraloghe.
2. Trasferimento dell'Annotazione: Il sistema interroga ClinVar (versione 20190114) alla ricerca di varianti note Patogene/Probabilmente Patogene (P/LP) in queste posizioni equivalenti nei paraloghi. Se una variante P/LP esiste in una posizione allineata, l'annotazione viene trasferita alla variante query, inferendo che sia probabilmente patogena.
3. Filtri di Stringenza della Conservazione: Per aumentare la fiducia nell'equivalenza funzionale, gli autori hanno implementato una gerarchia di filtri di conservazione:
   • Baseline: Nessun filtro di conservazione (tutte le posizioni allineate).
   • Conserved Ref AA: Richiede che l'aminoacido di riferimento sia identico tra il gene query e il paralogo di origine.
   • Fully Conserved Ref AA: Richiede che l'aminoacido di riferimento sia conservato in tutta la famiglia proteica.
   • Conserved Alt AA: Richiede che l'aminoacido alternativo (sostituente) sia identico tra il query e la sorgente.
   • Para Z Score: Una misura quantitativa della conservazione utilizzata come alternativa ai filtri categorici.
4. Estensione ai Domini Proteici: Per aumentare la sensibilità, il metodo è stato esteso oltre i diretti paraloghi ai domini Pfam omologhi. Utilizzando allineamenti di metadomini Pfam, il sistema identifica posizioni equivalenti attraverso proteine più distanti che condividono specifici domini funzionali.
5. Implementazione: È stato sviluppato un plugin Perl per l'Ensembl Variant Effect Predictor (VEP) per automatizzare questo processo per i file VCF.

Contributi Chiave e Risultati

• Alta Precisione: Applicato a 30.334 varianti missenso P/LP di ClinVar, PA ha annotato correttamente 4.328 come patogene con solo 245 falsi positivi (varianti Benigne/Probabilmente Benigne erroneamente annotate come patogene), producendo una precisione di 0,95.
  • L'applicazione di filtri di conservazione più rigorosi (richiedendo aminoacidi di riferimento conservati) ha aumentato la precisione a 0,97, e richiedere la conservazione completa in tutta la famiglia l'ha aumentata a 0,99, sebbene a scapito della sensibilità.
  • PA ha dimostrato una precisione superiore rispetto agli strumenti in silico stabiliti (AlphaMissense, EVE, REVEL, SIFT, M-CAP, CADD) attraverso diversi set di test, inclusi l'intero dataset ClinVar e geni specifici come SCN5A.
• Validazione tramite Approcci Ortogonali:
  • Saggi Funzionali: In 64 geni con dati MAVE (Multiplex Assays of Variant Effect), PA ha mostrato una precisione comparabile o superiore ai metodi stabiliti, in particolare quando venivano applicati i filtri di conservazione.
  • Associazione Caso-Controllo: In coorti per la Sindrome del QT Lungo (LQTS), la Sindrome di Brugada (BrS) e i Disturbi dello Sviluppo Neurologico con Epilessia (NDD+E), le varianti prioritarie di PA hanno mostrato associazioni con la malattia significativamente più forti (Odds Ratio più elevati) rispetto alle varianti rare non stratificate. Ad esempio, nei geni NDD+E (SCN1A, SCN8A, KCNQ2), PA ha aumentato l'Odds Ratio medio da 1,2 a 12,7.
  • Mutazioni De Novo (DNM): Nei trii con Disturbo dello Spettro Autistico (ASD), le varianti annotate da PA erano altamente arricchite nei casi rispetto ai controlli. Sebbene PA abbia identificato meno varianti rispetto ad altri predittori (es. REVEL), il tasso di arricchimento era significativamente più alto (Rate Ratio fino a 11,4 per le varianti completamente conservate).
• Scalabilità e Applicabilità:
  • Circa il 71% dei geni associati alle malattie umane ha almeno un paralogo.
  • Estendere il metodo ai domini Pfam ha aumentato il numero di varianti P/LP annotate da 4.328 a 7.543, mantenendo un'alta precisione (0,89–0,95 a seconda dei filtri) pur aumentando significativamente la sensibilità.
  • Gli autori stimano che PA potrebbe annotare circa 855.552 varianti missenso aggiuntive (in 335.243 posizioni genomiche distinte) basandosi sugli attuali dati ClinVar, rappresentando un aumento di 30 volte rispetto alle varianti attualmente annotate.

Significatività e Rivendicazioni
L'articolo sostiene che l'Annotazione per Paralogo fornisce una linea di evidenza ad alta precisione per l'interpretazione clinica delle varianti che è complementare agli approcci esistenti. Gli autori sottolineano che nella genetica clinica, la precisione (minimizzare i falsi positivi) è spesso prioritaria rispetto alla sensibilità per evitare diagnosi genetiche errate.

Le rivendicazioni chiave riguardanti la significatività del lavoro includono:

1. Complementarità: PA non è un sostituto dei saggi funzionali o di altri strumenti in silico, ma offre una fonte di evidenza distinta e ad alta affidabilità basata sulla variazione umana osservata in proteine correlate.
2. Integrazione ACMG/AMP: L'approccio si allinea ai criteri ACMG/AMP esistenti (specificamente PS1 e PM5) e può essere formalmente integrato nei flussi di lavoro di interpretazione delle varianti. Il ClinGen RASopathy Expert Panel ha già adottato regole simili per specifici gruppi proteici.
3. Potenziale Futuro: Gli autori notano che la sensibilità di PA è attualmente limitata dalla scarsità di varianti caratterizzate nei database di riferimento come ClinVar. Affermano che man mano che il volume di varianti ben caratterizzate aumenta, la sensibilità e l'applicabilità di PA miglioreranno naturalmente senza compromettere la loro alta precisione.
4. Ampia Applicabilità: Il metodo non è limitato ai soli canali ionici strettamente correlati, ma è applicabile a una vasta gamma di classi proteiche, inclusi enzimi, trasportatori e fattori di trascrizione, purché abbiano paraloghi o domini Pfam condivisi con varianti di malattia caratterizzate.

Gli autori concludono che, sebbene l'assenza di un'annotazione per paralogo debba essere trattata come un'assenza di evidenza piuttosto che come evidenza di benignità, la presenza di tale annotazione fornisce un'evidenza robusta e ad alta precisione per la patogenicità.