GREGoR-Konsortium treibt Diagnose seltener Krankheiten durch genomische Innovation voran
Große NIH-Initiative entwickelt neue genomische Werkzeuge und teilt Daten von mehr als 7.500 Personen, um die Diagnose seltener Krankheiten zu beschleunigen.
Zusammenfassung
Das GREGoR-Konsortium ist eine bedeutende NIH-Initiative, die sich der Herausforderung widmet, dass mehr als die Hälfte der Patienten mit Verdacht auf eine seltene Erkrankung keine genetische Diagnose erhält. Dieses kollaborative Vorhaben umfasst fünf Forschungsstandorte, die mit fortschrittlichen genomischen Technologien über 7.500 Personen aus mehr als 3.000 Familien untersuchen. Das Konsortium hat zu 83 Forschungsarbeiten beigetragen, die molekulare Diagnosen in 365 Genen identifizieren, wobei mehr als ein Drittel davon neu entdeckte Krankheitsgene sind. Durch die Entwicklung neuer computergestützter Werkzeuge, die Verbesserung der Erkennung struktureller Varianten und die schnelle Weitergabe aller Daten über die AnVIL-Plattform verfolgt GREGoR das Ziel, die Einführung aufkommender genomischer Technologien in der klinischen Praxis zu beschleunigen und die globale Erforschung seltener Erkrankungen voranzutreiben.
Detaillierte Zusammenfassung
Seltene Krankheiten betreffen weltweit insgesamt etwa 1 von 20 Menschen, dennoch bleibt mehr als die Hälfte der Personen, bei denen eine seltene genetische Erkrankung vermutet wird, trotz der Fortschritte in der Genommedizin ohne Diagnose. Das Genomics Research to Elucidate the Genetics of Rare Diseases (GREGoR) Consortium wurde 2021 vom National Human Genome Research Institute ins Leben gerufen, um diese kritische Lücke zu schließen.
Das Konsortium umfasst fünf primäre Forschungsstandorte und ein Datenkordinierungszentrum und untersucht über 7.500 Personen aus mehr als 3.000 Familien. Die meisten dieser Familien hatten bereits klinisch-genetische Tests durchlaufen, blieben jedoch ohne Diagnose – bei der Mehrheit handelte es sich um exom-negative Fälle. GREGoR hat zu 83 Forschungsarbeiten beigetragen, die molekulare Diagnosen in 365 Genen untersuchen, wobei mehr als ein Drittel neue Krankheitsgenentdeckungen oder phänotypische Erweiterungen darstellt.
Zu den wichtigsten technologischen Fortschritten zählen neue computergestützte Ansätze, um aus vorhandenen Exomdaten einen höheren diagnostischen Mehrwert zu gewinnen. Das Konsortium entwickelte hochgenaue Methoden zur Ableitung der genetischen Phase und berechnete paarweise Phasierungsschätzungen für seltene kodierende Varianten über die Genome Aggregation Database. Darüber hinaus wurden Werkzeuge entwickelt, um hunderte pathogener struktureller Variantendiagnosen aus zuvor ungelösten Exomen zu identifizieren. In einer groß angelegten Studie mit 822 Familien führte Short-Read-Genomsequenzierung zu 218 neuen Diagnosen, was einer Steigerung der diagnostischen Ausbeute um 8% im Vergleich zur alleinigen Exomsequenzierung entspricht.
Die Wirkung des Konsortiums geht durch sein Engagement für eine rasche Datenweitergabe über Einzeldiagnosen hinaus. Alle erzeugten Daten werden Forschenden weltweit über den Analysis, Visualization and Informatics Lab-space (AnVIL) zugänglich gemacht, wodurch eine grundlegende Ressource für die globale Erforschung seltener Krankheiten entsteht. Dieser Ansatz soll die Entwicklung neuer diagnostischer Verfahren beschleunigen und kollaborative Entdeckungsbemühungen innerhalb der internationalen Forschungsgemeinschaft fördern.
Die Arbeit von GREGoR demonstriert das Potenzial für kontinuierliche Innovation bei der genomischen Reanalyse und schafft einen Rahmen für die Übertragung aufkommender Technologien in die routinemäßige klinische Praxis – mit dem übergeordneten Ziel, den Millionen von Menschen weltweit, die von seltenen Krankheiten betroffen sind, genetische Diagnosen zu ermöglichen.
Wichtigste Erkenntnisse
- Contributed to 83 research papers identifying molecular diagnoses in 365 genes, with over one-third being novel disease gene discoveries
- Generated genomic data from over 7,500 individuals across more than 3,000 families with suspected rare diseases
- Short-read genome sequencing achieved 8% higher diagnostic yield compared to exome sequencing alone in 822 families studied
- Identified 218 new diagnoses through genome sequencing, with 28% involving variants not detectable by standard exome sequencing
- Developed tools that identified hundreds of pathogenic structural variant diagnoses from previously unsolved exomes
- Created highly accurate phasing methods and released pairwise phasing estimates for rare coding variants through gnomAD
- Most study families had undergone previous clinical genetic testing but remained exome-negative and undiagnosed
Methodik
Dies ist eine kollaborative Konsortialstudie, an der fünf primäre Forschungsstandorte und ein Datenkoordinierungszentrum beteiligt sind. In die Analyse wurden über 7.500 Personen aus mehr als 3.000 Familien mit vermuteten seltenen Erkrankungen einbezogen, von denen die meisten zuvor klinische Gentests ohne diagnostisches Ergebnis erhalten hatten. Das Konsortium setzte mehrere genomische Ansätze ein, darunter Exom-Reanalyse, Short-Read-Genomsequenzierung, Strukturvariantendetektion und computergestützte Phasierungsmethoden. Alle Daten werden über die AnVIL-Plattform öffentlich zugänglich gemacht, um eine globale Forschungszusammenarbeit zu ermöglichen.
Studienlimitierungen
Die Studie konzentriert sich vorrangig auf Familien, die nach konventioneller klinisch-genetischer Diagnostik ohne Diagnose blieben – eine Teilgruppe, die besonders schwierige Fälle seltener Erkrankungen repräsentieren kann. Das Konsortium räumt ein, dass die meisten durch Genomsequenzierung gestellten Diagnosen weiterhin proteinkodierende Gene betreffen, was auf anhaltende Schwierigkeiten bei der Interpretation nicht-kodierender Varianten hindeutet. Die Arbeit enthält keine detaillierten Kosteneffektivitätsanalysen zum Vergleich verschiedener Sequenzierungsansätze, und die langfristigen klinischen Verläufe neu diagnostizierter Patienten werden nicht berichtet.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: