Blood-based RNA-Seq of 5412 individuals with rare disease identifies new candidate diagnoses in the National Genomic Research Library

Deze studie toont aan dat bloedgebaseerde RNA-Seq van 5.412 individuen met zeldzame aandoeningen, in combinatie met geavanceerde outlier-analyse en integratie met fenotypische data, nieuwe kandidaat-diagnoses kan opleveren voor patiënten zonder eerdere genetische diagnose.

De kern

Titel: Het DNA-Boek en de Actieve Vertaling: Hoe een Bloedtest 5.000 Mensen een Diagnose gaf

Stel je voor dat ons lichaam een enorme bibliotheek is. In deze bibliotheek liggen duizenden boeken, en elk boek bevat de instructies voor het bouwen en onderhouden van ons lichaam. Deze boeken zijn ons DNA.

Voor mensen met zeldzame ziekten is het vaak alsof er een foutje in één van die boeken staat. Soms is het een duidelijk woord dat verkeerd gespeld is, maar vaak is het een subtiele fout: een zinnetje dat over de rand van de pagina valt, of een hoofdstuk dat per ongeluk wordt overgeslagen.

Het oude probleem: Alleen naar de boeken kijken
Tot nu toe keken artsen vooral naar de boeken zelf (het DNA). Ze zochten naar duidelijke fouten. Maar soms zagen ze een raadselachtige zin en wisten ze niet of die zin echt de oorzaak van de ziekte was, of gewoon een onschuldig typefoutje. Ze zagen de potentie voor een probleem, maar niet de daadwerkelijke schade.

De nieuwe oplossing: Naar de vertaling kijken
In deze studie hebben onderzoekers een slimme nieuwe truc gebruikt. Ze keken niet alleen naar de boeken, maar ook naar de vertalingen die eruit komen.

• Het DNA is het boek.
• De RNA (de stof die ze in het bloed keken) is de actieve vertaling die de cellen daadwerkelijk gebruiken om werk te doen.

Als er een fout in het boek zit, zie je dat vaak pas echt als je kijkt hoe de vertaler (het lichaam) ermee omgaat. Misschien laat de vertaler een heel hoofdstuk weg, of voegt hij een zin toe die er niet zou moeten staan.

Wat hebben ze gedaan?
De onderzoekers namen bloedstalen van 5.412 mensen met zeldzame ziektes die tot nu toe geen diagnose hadden gekregen. Ze keken in dat bloed naar de RNA-vertalingen.

1. De "Kijk-in-de-vertaal-machine": Ze gebruikten slimme computersoftware om te zoeken naar vertalingen die "raar" waren. Bijvoorbeeld: een woord dat te vaak voorkomt, of een zin die halverwege stopt.
2. Het vinden van de fout: Ze vonden dat bij 20% van de mensen (ongeveer 1 op de 5) er iets duidelijk misging in de vertaling van een gen dat belangrijk is voor hun ziekte.
3. De diagnose: Voor veel van deze mensen konden ze nu eindelijk zeggen: "Aha! Hier is de fout!" Ze vonden fouten die het DNA-onderzoek eerder had gemist, zoals:
   • Een klein stukje van een boek dat was weggevallen (een kleine deletie).
   • Een zin die op de verkeerde plek was ingevoegd.
   • Een hele pagina die overgeslagen was.

Waarom is dit zo belangrijk?

• Het is een bloedtest: Je hoeft geen spierweefsel te nemen of een biopsie te doen. Een simpele prik in de arm volstaat. Dat is veel minder pijnlijk en makkelijker te doen.
• Het lost raadsels op: Veel mensen hadden al een DNA-test gehad, maar kregen geen antwoord. De RNA-test gaf het ontbrekende puzzelstukje. Het kon bewijzen dat een twijfelachtige fout in het DNA (een "VUS") inderdaad de oorzaak was van de ziekte.
• Het werkt voor veel ziektes: Of het nu gaat om problemen met het hart, de hersenen of de botten; deze methode werkt voor een heleboel verschillende aandoeningen.

Een simpele metafoor voor het resultaat
Stel je voor dat je een auto hebt die niet start. De monteur kijkt onder de motorkap (het DNA) en ziet dat er een boutje een beetje scheef zit, maar hij weet niet of dat de oorzaak is.
Met deze nieuwe methode kijken ze niet naar de bout, maar naar de motor die draait (het RNA). Ze horen direct: "Kijk! De motor stottert precies op het moment dat die bout draait!" Nu weten ze zeker dat die bout de oorzaak is en kunnen ze de auto repareren.

Conclusie
Deze studie laat zien dat door naar de "actieve vertaling" in het bloed te kijken, we veel meer mensen met zeldzame ziektes een antwoord kunnen geven. Het is een grote stap voorwaarts in het oplossen van medische mysteries die jarenlang onopgelost bleven. Voor veel families betekent dit: eindelijk een naam voor hun ziekte, en hopelijk een pad naar betere zorg.

Technische samenvatting

Titel: Bloedgebaseerde RNA-Seq van 5.412 individuen met zeldzame ziekten identificeert nieuwe kandidaat-diagnoses in de National Genomic Research Library

1. Het Probleem

Zeldzame ziekten hebben gezamenlijk een hoge prevalentie (ongeveer 1 op de 17), maar meer dan de helft van de patiënten krijgt geen genetische diagnose, zelfs niet na uitvoerige genoomsequencing (GS). De huidige diagnostische pijplijnen focussen voornamelijk op coderende varianten en missen vaak:

• Splicing-stoornissen (die moeilijk te voorspellen zijn).
• Niet-coderende varianten.
• Complexe structurele varianten (SV's).
• Varianten in genen die niet goed worden gedetecteerd door DNA-sequencing alleen.

Hoewel RNA-sequencing (RNA-Seq) een krachtige aanvullende methode is om transcriptome-afwijkingen direct te observeren, zijn eerdere studies vaak klein, beperkt tot specifieke weefsels (zoals spierbiopsie of fibroblasten) of gericht op specifieke fenotypes. Het verkrijgen van deze weefsels is invasief en niet schaalbaar. Er is een sterke behoefte aan het valideren van bloedgebaseerde RNA-Seq als een schaalbare, klinisch haalbare methode voor een breed scala aan zeldzame aandoeningen.

2. Methodologie

De auteurs analyseerden data van het 100.000 Genomes Project (100kGP) van Genomics England.

• Cohort: 5.412 individuen met zeldzame ziekten (meestal ongediagnosticeerd) waarvoor totale RNA-Seq data van PAXgene-bloedmonsters beschikbaar was.
• Sequencing: 100bp paired-end reads gegenereerd met Illumina NovaSeq 6000, waarbij globine en ribosomaal RNA werden verwijderd.
• Kwaliteitscontrole (QC): Strikte filters toegepast (bijv. >120M reads, <5% unmapped reads, >40X coderende dekking).
• Outlier-detectie:
  • Genexpressie: Geanalyseerd met OUTRIDER (via de DROP-pipeline) om genen met afwijkende expressieniveaus te vinden.
  • Splicing: Geanalyseerd met FRASER2 (via DROP) om afwijkende splicing-evenementen (deltaPSI) te detecteren.
• Prioriteringstrategieën:
  • Filteren op genen in ClinGen haplo-insufficientie (HI) lijsten.
  • Koppeling van RNA-outliers aan structurele varianten (SV's) (deleties, duplicaties, inversies) afgeleid van DNA-gegevens.
  • Integratie met Exomiser om varianten te prioriteren op basis van fenotypische overeenkomst (HPO-termen) en voorspelde pathogeniciteit (SpliceAI scores).
  • Handmatige inspectie in IGV (Integrative Genomics Viewer) voor validatie van splicing-evenementen en varianten.

3. Belangrijkste Bijdragen

• Grootste cohort tot nu toe: Dit is de grootste studie die bloedgebaseerde RNA-Seq toepast op een breed spectrum van zeldzame ziekten (>5.000 individuen), in plaats van op geselecteerde subgroepen.
• Validatie van bloed als weefsel: Het artikel biedt een gedetailleerd overzicht van hoe goed genen uit verschillende ziektepanelen in bloed worden uitgedrukt, wat helpt bij het bepalen van de toepasbaarheid per ziektecategorie.
• Integratie van multi-omics: Het koppelen van RNA-outliers direct aan DNA-varianten (SNV's, SV's) en klinische fenotypes om diagnoses te onderbouwen die door DNA-sequencing alleen waren gemist.
• Open Data: De dataset en afgeleide outlier-lijsten zijn beschikbaar via de National Genomic Research Library (NGRL) voor onderzoekers.

4. Resultaten

• Expressie in bloed: De dekking van genen varieert sterk per ziekte. Bijvoorbeeld, >90% van de genen voor congenitale glycosyleringsstoornissen was goed gedetecteerd (TPM ≥ 5), terwijl dit lager lag voor spierziektes (32%) en gehoorverlies (35%).
• Outlier-detectie:
  • In 20% van het cohort werd ten minste één significant outlier-evenement (expressie of splicing) gevonden in een ziekterelateerd gen.
  • Er werden 1.376 expressie-outliers en 1.651 splicing-outliers geïdentificeerd in relevante genpanelen.
• Diagnostische Opbrengst:
  • 78 kandidaat-diagnoses werden gevonden door splicing-outliers in haplo-insufficiente genen te onderzoeken.
  • 19 diagnoses werden geïdentificeerd door de overlap van RNA-outliers met structurele varianten (bijv. deleties die niet goed werden gedetecteerd door DNA-algoritmen).
  • 39 nieuwe kandidaat-diagnoses werden geprioriteerd via Exomiser, vaak met varianten die diep in intronen lagen of eerder als "variant van onzekere betekenis" (VUS) waren geclassificeerd.
• Case Studies: Het artikel presenteert 11 casestudies die diverse mechanismen illustreren:
  • CTNNB1: Een kleine deletie die exon-skipping veroorzaakte (gemist door DNA-SV-calling).
  • PHIP & WDR26: Cryptische splice-donor-activatie door intronische varianten.
  • APC: Een retrotranspositie-gebeurtenis die leidde tot overexpressie.
  • DYSF & INPPL1: Pseudo-exon creatie en cryptische splicing die leiden tot frameshifts.
  • DNMT3A: Een variant ver buiten het canonieke splicegebied die een pseudo-exon creëerde.

5. Betekenis en Conclusie

De studie demonstreert dat bloedgebaseerde RNA-Seq een schaalbare en klinisch haalbare aanvulling is op DNA-sequencing voor het diagnosticeren van zeldzame ziekten.

• Diagnostische Uplift: Het kan diagnoses vinden die door DNA-sequencing alleen worden gemist, vooral bij splicing-varianten, niet-coderende varianten en kleine structurele varianten.
• VUS-resolutie: Het helpt bij het herclassificeren van VUS naar pathogene varianten door functionele impact direct in het transcriptoom aan te tonen.
• Beperkingen: Niet alle ziekte-relevante genen worden goed uitgedrukt in bloed (bijv. weefselspecifieke genen), en de interpretatie vereist vaak handmatige validatie.
• Toekomst: De auteurs benadrukken dat dit een startpunt is voor verdere ontdekkingen en dat de beschikbaarheid van deze grote dataset (nu uitgebreid naar >7.800 individuen) de diagnostische opbrengst voor zeldzame ziekten verder zal verhogen en inzicht zal geven in genregulatie.

Kortom, deze studie valideert bloed-RNA-Seq als een essentieel instrument in de moderne diagnostische pijplijn voor zeldzame genetische aandoeningen.