varianTalker: a Nextflow Framework for Scalable, Portable and Clinically Oriented Variant Annotation, Prioritization, and Review

In de moderne strijd tegen kanker hebben artsen een krachtige nieuwe lens verkregen: het vermogen om de genetische code van een tumor te lezen. Deze code is geschreven in DNA, en soms wordt één letter in die lange reeks veranderd. Deze minuscule veranderingen, genaamd varianten, kunnen fungeren als schakelaars die een normale cel in een kankercel veranderen, of ze kunnen onthullen hoe het lichaam van een patiënt zal reageren op specifieke medicijnen. Om deze informatie te kunnen gebruiken, moeten artsen deze veranderingen eerst vinden in de enorme zee van genetische gegevens en vervolgens bepalen wat ze betekenen. Is een specifieke verandering onschadelijk, of is zij gevaarlijk? Suggereert het dat een bepaald medicijn zal werken? Dit proces, bekend als variantinterpretatie, is de brug tussen ruwe data en een levensreddend behandelplan. De instrumenten die worden gebruikt om deze brug over te steken, zijn echter vaak versnipperd, moeilijk samen te gebruiken of geblokkeerd achter dure betaalmuren, waardoor het voor ziekenhuizen moeilijk is om snel consistente antwoorden te krijgen.

Een team van onderzoekers aan het Europees Instituut voor Oncologie in Milaan heeft een nieuwe oplossing gebouwd voor dit probleem, genaamd varianTalker. Stel je een drukke bibliotheek voor waar dagelijks duizenden boeken aankomen, elk geschreven in een andere taal en georganiseerd volgens verschillende regels. Als een bibliothecaris een specifiek feit moet vinden, moet hij misschien naar tien verschillende secties rennen, tien verschillende catalogi controleren en handmatig aantekeningen uit elke sectie kopiëren. Dit is wat er gebeurt wanneer artsen vandaag de dag de kankergenetica interpreteren; ze moeten meerdere databases en softwareprogramma's beheren die niet altijd met elkaar overeenstemmen. De onderzoekers creëerden varianTalker om te fungeren als een enkele, geautomatiseerde bibliothecaris die al deze talen tegelijkertijd kan spreken. Het is een softwareframework dat ontworpen is om de ruwe genetische data van een patiënt te ontvangen, deze door tien verschillende expertsystemen tegelijkertijd te leiden, en een enkel, duidelijk rapport te produceren dat de belangrijkste bevindingen benadrukt.

Het systeem werkt door genetische data te accepteren van diverse machines die in ziekenhuizen worden gebruikt, zoals die welke het DNA uit bloed of tumorweefsel sequencen. Zodra de data binnenkomt, reinigt varianTalker de gegevens en stuurt ze vervolgens naar een verzameling van tien gespecialiseerde bronnen. Sommige van deze bronnen voorspellen hoe een genetische verandering een eiwit zou kunnen beïnvloeden, terwijl andere controleren of de verandering eerder bij andere patiënten is gezien. Sommige zoeken naar verbanden met specifieke medicijnen, en andere controleren of de verandering waarschijnlijk erfelijk is van een ouder. Cruciaal is dat het systeem deze verschillende experts niet dwingt om het eens te worden over één enkele score. In plaats daarvan houdt het al hun meningen gescheiden, zodat een arts het volledandige beeld kan zien. Bijvoorbeeld: één database kan zeggen dat een verandering onzeker is, terwijl een andere suggereert dat deze schadelijk is. Door beide standpunten te behouden, zorgt het systeem ervoor dat er geen enkel stuk bewijs verloren gaat in de vertaling.

Om dit proces sneller en efficiënter te maken, hebben de onderzoekers een geheugenbank toegevoegd. In de kankergenetica verschijnen dezelfde genetische veranderingen vaak bij veel verschillende patiënten. Zonder een geheugenbank zou de software de exacte zelfde verandering telkens opnieuw vanaf nul moeten analyseren wanneer een nieuwe patiënt arriveert. varianTalker slaat de resultaten van eerdere analyses op in een database. Wanneer de data van een nieuwe patiënt binnenkomt, controleert het systeem eerst of het dat specifieke puzzelstukje al heeft opgelost. Als het antwoord er al is, haalt het de informatie direct op. In tests verminderde deze eenvoudige stap de tijd die nodig is om de genetische data van een patiënt te analyseren met gemiddeld 92 procent. Dit betekent dat het systeem voor veelvoorkomende genetische veranderingen in minuten in plaats van uren resultaten kan leveren, waardoor waardevolle tijd vrijkomt voor artsen om zich op de patiënt te concentreren.

De echte test voor een dergelijk systeem is of het artsen helpt betere beslissingen te nemen zonder iets belangrijks te missen. De onderzoekers testten varianTalker op honderden echte patiëntencases uit hun eigen ziekenhuis, variërend van kanker van de borst, eierstok, dikke darm en beenmerg. Voordat het systeem werd gebruikt, kon een enkel patiëntmonster duizenden genetische veranderingen bevatten, waarvan de meeste onschadelijke ruis waren. Het handmatig beoordelen van al deze veranderingen zou dagen duren. Het systeem paste slimme filters toe om door de ruis heen te filteren, waarbij alleen de veranderingen werden behouden die er echt toe deden. Het verminderde de lijst met varianten die menselijke beoordeling vereisten met meer dan 97 procent voor erfelijke veranderingen en met meer dan 99 procent voor tumorspecifieke veranderingen. Ondanks deze enorme reductie, heeft het systeem geen enkele variant weggegooid die een expert als klinisch belangrijk had geïdentificeerd. Het heeft elke gevaarlijke verandering succesvol behouden terwijl de rest werd verworpen.

Bovendien bewees het systeem zijn waarde door te helpen bij het oplossen van gevallen die voorheen onduidelijk waren. In de studie werden veel genetische veranderingen gelabeld als "onzeker", wat betekent dat niemand wist of ze gevaarlijk of veilig waren. Door bewijslast van alle tien de bronnen te combineren, was varianTalker in staat om een duidelijkere classificatie te bieden voor 86,9 procent van deze onzekere erfelijke veranderingen en 47,1 procent van de onzekere tumorveranderingen. Dit betekent dat voor bijna de helft van de moeilijke tumorgevallen en bijna alle moeilijke erfelijke gevallen, het systeem genoeg extra informatie verzamelde om de diagnose van "onbekend" naar iets specifiekers te verplaatsen. Dit aanvullende bewijs geeft artsen een sterkere basis voor het maken van behandelkeuzes.

De onderzoekers bouwden ook een begeleidend hulpmiddel genaamd MAFigate, waarmee artsen met de resultaten kunnen interageren op hun eigen computers zonder patiëntgegevens naar het internet te sturen. Dit dashboard laat hen filters aan te passen, precies te zien waarom een variant is behouden of verwijderd, en eigen aantekeningen toe te voegen. Deze flexibiliteit is essentieel omdat verschillende ziekenhuizen verschillende regels hebben voor wat als een meldenswaardige bevinding wordt beschouwd. Het systeem is ontworpen om bijgewerkt te worden naarmaling nieuwe wetenschappelijke kennis beschikbaar komt, zodat de "bibliotheek" van genetische informatie actueel blijft zonder dat een volledige herziening van de software nodig is.

De studie concludeert dat varianTalker een schaalbare en transparante manier biedt om de complexiteit van de kankergenetica aan te pakken. Het vervangt het oordeel van de arts niet, maar neemt het zware werk van het verzamelen en organiseren van bewijsmateriaal over. Door de manier waarop genetische data wordt verwerkt te standaardiseren en het sneller te maken om de relevante aanwijzingen te vinden, helpt het framework ziekenhuizen om het groeiende volume aan genetische tests te beheren. De onderzoekers erkennen dat het systeem zich momenteel richt op kleine genetische veranderingen en dat de prestaties getest zijn op data van een enkele instelling, wat suggereert dat verdere tests in andere ziekenhuizen nodig zijn. De resultaten tonen echter aan dat door versnipperde tools samen te brengen in één samenhangend systeem, het mogelijk is om de interpretatie van de kankergenetica consistenter, sneller en betrouwbaarder te maken voor patiënten.