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

Technische Samenvatting: Paralogue Annotatie voor Variantinterpretatie

Probleemstelling
Een primaire uitdaging in de klinische genetica is het onderscheid maken tussen pathogene missense-varianten en zeldzame maar goedaardige varianten, met name voor varianten die nog niet eerder in mensen zijn waargenomen of gekarakteriseerd. Hoewel in vitro en in vivo functionele assays bestaan, zijn deze arbeidsintensief en kunnen ze de menselijke ziektefenotypes mogelijk niet accuraat voorspellen. Bestaande in silico voorspellingsinstrumenten missen vaak de noodzakelijke precisie voor klinische besluitvorming. Hoewel het ACMG/AMP-raamwerk richtlijnen biedt voor variantinterpretatie, ontbreeft een geformaliseerde methode voor het afleiden van pathogeniteit op basis van equivalente substituties in evolutionair verwante eiwitten (paralogen), ondanks de biologische plausibiliteit dat een ziekteveroorzakende substitutie in één lid van een eiwitfamilie ziekte kan veroorzaken in een paralog aan de hand van een vergelijkbaar mechanisme.

Methodologie
De auteurs hebben een raamwerk ontwikkeld genaamd Paralogue Annotation (PA) om pathogeniteitsannotaties van gekarakteriseerde varianten in homologe eiwitten over te dragen naar ongekarakteriseerde varianten in een gen van belang. De methodologie verloopt als volgt:

1. Alignment en Homologie Mapping: Voor een query-variant in een gen van belang identificeert het systeem de paralogen van dat gen met behulp van Ensembl Compara. Een Multiple Sequence Alignment (MSA) wordt gebruikt om de positie van de query-variant te mappen naar equivalente residuen in paraloge eiwitten.
2. Annotatieoverdracht: Het systeem doorzoekt ClinVar (versie 20190114) naar bekende Pathogenic/Likely Pathogenic (P/LP) varianten op deze equivalente posities in de paralogen. Als een P/LP-variant op een gealigneerde positie bestaat, wordt de annotatie overgedragen aan de query-variant, waarbij wordt afgeleid dat deze waarschijnlijk pathogeen is.
3. Conservatie-strenge filters: Om het vertrouwen in functionele equivalentie te vergroten, hebben de auteurs een hiërarchie van conservatiefilters geïmplementeerd:
   • Baseline: Geen conservatiefilter (alle gealigneerde posities).
   • Conserved Ref AA: Vereist dat het referentie-aminozuur identiek is tussen het query-gen en het bron-paralog.
   • Fully Conserved Ref AA: Vereist dat het referentie-aminozuur geconserveerd is over de gehele eiwitfamilie.
   • Conserved Alt AA: Vereist dat het alternatieve (gesubstitueerde) aminozuur identiek is tussen de query en de bron.
   • Para Z Score: Een kwantitatieve maatstaf voor conservatie die als alternatief voor categorische filters wordt gebruikt.
4. Uitbreiding naar Proteïne-domeinen: Om de sensitiviteit te vergroten, is de methode uitgebreid van directe paralogen naar homologe Pfam-domeinen. Met behulp van Pfam metadomein-alignments identificeert het systeem equivalente posities over meer afstand verwante eiwitten die specifieke functionele domeinen delen.
5. Implementatie: Er is een Perl-plugin voor de Ensembl Variant Effect Predictor (VEP) ontwikkeld om dit proces te automatiseren voor VCF-bestanden.

Belangrijkste Bijdragen en Resultaten

• Hoge Precisie: Bij toepassing op 30.334 ClinVar P/LP missense-varianten annoteerde PA er 4.328 correct als pathogeen met slechts 245 fout-positieven (Benign/Likely Benign varianten die onterecht als pathogeen werden geannoteerd), wat een precisie van 0,95 oplevert.
  • Het toepassen van striktere conservatiefilters (het vereisen van geconserveerde referentie-aminozuren) verhoogde de precisie naar 0,97, en het vereisen van volledige familiebrede conservatie verhoogde deze naar 0,99, zij het ten koste van de sensitiviteit.
  • PA vertoonde een hogere precisie dan gevestigde in silico tools (AlphaMissense, EVE, REVEL, SIFT, M-CAP, CADD) over diverse testsets, inclusief de volledige ClinVar-dataset en specifieke genen zoals SCN5A.
• Validatie via Orthogonale Benaderingen:
  • Functionele Assays: In 64 genen met Multiplex Assays of Variant Effect (MAVE) data, toonde PA een precisie die vergelijkbaar met of hoger dan gevestigde methoden was, met name wanneer conservatiefilters werden toegepast.
  • Case-Control Associatie: In cohorten voor Long QT Syndroom (LQTS), Brugada Syndroom (BrS) en Neurodevelopmental Disorders met Epilepsie (NDD+E), vertoonden door PA geprioriteerde varianten significant sterkere ziekteassociaties (hogere Odds Ratios) dan ongestratificeerde zeldzame varianten. Bijvoorbeeld, in NDD+E genen (SCN1A, SCN8A, KCNQ2) verhoogde PA de gemiddelde Odds Ratio van 1,2 naar 12,7.
  • De Novo Mutaties (DNM): In Autism Spectrum Disorder (ASD) trio's waren door PA geannoteerde varianten sterk verrijkt in gevallen vergeleken met controles. Hoewel PA minder varianten identificeerde dan andere voorspellers (bijv. REVEL), was de verrijkingsratio aanzienlijk hoger (Rate Ratio tot 11,4 voor volledig geconserveerde varianten).
• Schaalbaarheid en Toepasbaarheid:
  • Ongeveer 71% van de menselijke ziektegeassocieerde genen heeft ten minste één paralog.
  • Het uitbreiden van de methode naar Pfam-domeinen verhoogde het aantal geannoteerde P/LP varianten van 4.328 naar 7.543, waarbij een hoge precisie behouden bleef (0,89–0,95 afhankelijk van de filters) terwijl de sensitiviteit aanzienlijk werd vergroot.
  • De auteurs schatten dat PA ongeveer 855.552 aanvullende missense-varianten (op 335.243 verschillende genomische posities) zou kunnen annoteren op basis van huidige ClinVar-data, wat een 30-voudige toename betekent ten opzichte van de momenteel geannoteerde varianten.

Betekenis en Claims

Het artikel claimt dat Paralogue Annotation een hoog-precieze bewijslijn biedt voor klinische variantinterpretatie die complementair is aan bestaande benaderingen. De auteurs benadrukken dat in de klinische genetica precisie (het minimaliseren van fout-positieven) vaak prioriteit krijgt boven sensitiviteit om onjuiste genetische diagnoses te voorkomen.

Belangrijke claims met betrekking tot de betekenis van het werk zijn onder meer:

1. Complementariteit: PA is geen vervanging voor functionele assays of andere in silico tools, maar biedt een afzonderlijke, hoogwaardige bewijsbron gebaseerd op geobserveerde menselijke variatie in verwante eiwitten.
2. ACMG/AMP Integratie: De benadering sluit aan bij bestaande ACMG/AMP criteria (specifiek PS1 en PM5) en kan formeel worden geïntegreerd in variantinterpretatiewerkstromen. Het ClinGen RASopathy Expert Panel heeft al soortgelijke regels geadopteerd voor specifieke eiwitgroepen.
3. Toekomstig Potentieel: De auteurs merken op dat de sensitiviteit van PA momenteel beperkt wordt door de schaarste aan gekarakteriseerde varianten in referentiedatabases zoals ClinVar. Zij stellen dat naarmate het volume van goed gekarakteriseerde varianten toeneemt, de sensitiviteit en toepasbaarheid van PA vanzelf zal verbeteren zonder de hoge precisie in gevaar te brengen.
4. Brede Toepasbaarheid: De methode is niet beperkt tot nauw verwante ionkanalen, maar is toepasbaar op een breed scala aan eiwitklassen, inclusief enzymen, transporters en transcriptiefactoren, mits zij paralogen of gedeelde Pfam-domeinen hebben met gekarakteriseerde ziektevarianten.

De auteurs concluderen dat hoewel de afwezigheid van een paraloge annotatie moet worden beschouwd als een afwezigheid van bewijs en niet als bewijs van goedaardigheid, de aanwezigheid van een dergelijke annotatie robuuste, hoog-precieze bewijslast voor pathogeniteit biedt.