Neurology最新研究WGS在ESP

发育性癫痫性脑病（DEE）是近年来癫痫疾病的一类新分支，澳洲新南威尔士大学通过外显子组测序（ES）及基因面板（Panel）对DEE诊断为阴性的患者进行tio-WGS检测，以评估WGS在DEE诊断中的优势与局限性，该研究成果于年2月10日首次发布在神经医学TOP刊物Neurology上。

DEE为癫痫样脑电图异常导致的认知障碍，并在癫痫发作前出现发育迟缓现象的一类疾病，目前已超过种不同的单基因因素导致DEE，已报道的病例中临床表型间重叠限制了临床对于疾病的分析。近年来已有大规模队列研究提示基因检测可提升了DEE诊断率，Panel检测DEE诊断率在20-40%间，ES的诊断率约在40-60%间。而WGS则可能因扩大检测范围，包括非编码区、线粒体基因、染色体结构变异、DNA甲基化改变等而提升诊断率，特别是重复区域中存在断点变异，或染色体倒位易位畸变。本研究通过WGS评估DEE患者的诊断率，这些患者均已通过代谢筛查并且CMA与前期NGS（ES或Panel）为阴性结果。

队列情况

年1月-年1医院遗传癫痫研究室的患儿。

入组条件

a.至少6个月的AEDs耐药史；

b.癫痫发作对发育产生影响，如发育迟缓或退步；

c.EEG至少有一项明显异常；

d.发作年龄小于5岁

e.需家系（trio）研究；、

f.排除明确诊断的基因病，如结节性硬化症、SCN1A导致的Dravet综合征等；

g.排除中风，头部外伤，感染或缺血等结构异常；

WGS分析

需家系检测，IlluminaHiSeqX平台，每个样本约GB数据，大于30X平均深度，超95%编码区深度大于20X。

结果

30例经一线检测后未确诊的DEE患儿进行WGS检测（15例ES阴性结果与15例Panel阴性结果）。在15例ES阴性病例中，经WGS确诊8例（53%）：3例为SV变异，5例为ES漏检变异；15例Panel阴性病例中，经WGS确诊11例（68%）。这些漏检病例主要为新生儿癫痫发作后表现为更复杂表型的病例，包括运动障碍、畸形特征和/或多器官受累，42%诊断为AR或X连锁遗传。

图WGS研究流程图

图WGS检测结果

特殊病例分析

患儿A8：特殊的染色体结构变异（SV）病例报道

1例4岁女孩在其6个月时开始癫痫发作，后为多灶性癫痫发作、智力障碍与自闭症特征，经WGS发现其X染色体出现倒位变异，断点为ChrX：-，导致ARHGEF9基因异常，该基因可导致自闭症及DEE（OMIM#）。

患儿A5病例报道

5岁男童，其6个月时出现癫痫发作、EEG异常、严重智力障碍及运动发育障碍，既往CMA检测母系遗传的Xq13重复，但意义不明。WGS结果显示一个更为复杂的重排，其中一个重复区域被倒位，断点为ChrX：-，导致DEE相关基因NEXMIF基因（曾用名KIAA基因）。

患儿A3病例报道

A3为1例4岁男童，低张力、AED耐药、严重的智力障碍与语言功能缺失、自闭症、刻板行为、步态异常但无严重畸形，经过trio-WES测序未被诊断，经WGS检测未发现序列异常，应用ClinSV对结构变异分析发现在DEE相关基因MEF2C上游的存在一个16kb断点导致9Mb平衡易位，CMA无法检测该SV，因为拷贝数正常，另外ES也无法识别，因为断点位于非编码区域。该研究通过染色体构象捕获技术Hi-C对这种染色体片段反转导致局部TAD结构的影响，并证明该SV导致先证者MEF2C一些关键调控元件被倒位至TAD中，影响MEF2C基因在某些组织中被表达。

图A3的分子（全基因组测序和Hi-C）特征

（A）上方面板显示了5号染色体倒位的位置和大小。下方面板显示了来自集成基因组查看器（IGV）的截图，它们识别了MEF2C第一个外显子上游16Kb的拷贝数倒位。

（B）Hi-C在患者来源的LCL中进行，显示呈蝴蝶结模式的异位染色质相互作用（黑色箭头所指），这表明反转导致无序TAD（25kb分辨率）。带虚线的黑色正方形表示两个染色体区域与这个倒位相关。MEF2C及其反义长非编码RNA用暗线和条表示，其他基因用灰色条表示。

（C）放大chr5（q14.3）区域。倒位断点用垂直虚线表示（分辨率10kb）。

（D）chr5（q15）区域的Hi-C顺式构图显示倒位引起的受影响构图中染色质接触的丢失（10kb分辨率）。

（E）野生型5号染色体TAD结构的图示。

（F）变异型chr5的示意图显示了一个无序的TAD，允许MEF2C启动子与chr5（q15）区域的增强子接触。

文献点评

该研究证实WGS对于DEE诊断的优势，在ES或Panel检测为阴性的情况下依然可以大幅提升诊断率，特别是新生儿期癫痫发作或复杂的神经和/或多器官受累个体的诊断。通过本研究可以看出WGS分析难度较大，主要集中在染色体结构性变异上，为证明其SV致病性，可能需要应用多种分析方法，如Hi-C等。而WGS更高的诊断率主要来源于分析算法的能力，而不是WGS的检测平台，这需要更多的非编码区及复杂SV的新型评估算法来支撑。总之，随着WGS的分析算法不断成熟，WGS对于评估马赛克变异、非编码区、线粒体变异、复杂SV等均会有长足的进步。

原文信息：

转载请注明：http://www.kmvbc.com/fyyczd/14239.html