Il Consorzio GREGoR Avanza nella Diagnosi delle Malattie Rare Attraverso l'Innovazione Genomica
Una grande iniziativa del NIH sviluppa nuovi strumenti genomici e condivide dati di oltre 7.500 individui per accelerare la diagnosi delle malattie rare.
Riepilogo
Il Consorzio GREGoR rappresenta una importante iniziativa del NIH per affrontare il problema per cui oltre la metà dei pazienti con sospetta malattia rara non riceve una diagnosi genetica. Questo sforzo collaborativo coinvolge cinque centri di ricerca che studiano oltre 7.500 individui provenienti da più di 3.000 famiglie, utilizzando tecnologie genomiche avanzate. Il consorzio ha contribuito a 83 pubblicazioni scientifiche che identificano diagnosi molecolari in 365 geni, di cui oltre un terzo rappresenta scoperte di nuovi geni associati a malattie. Sviluppando nuovi strumenti computazionali, migliorando il rilevamento delle varianti strutturali e condividendo rapidamente tutti i dati attraverso la piattaforma AnVIL, GREGoR mira ad accelerare l'adozione delle tecnologie genomiche emergenti nella pratica clinica e a promuovere gli sforzi globali nella ricerca sulle malattie rare.
Riepilogo Dettagliato
Le malattie rare colpiscono collettivamente circa 1 persona su 20 a livello mondiale, eppure più della metà degli individui sospettati di avere una malattia genetica rara rimane senza diagnosi, nonostante i progressi della medicina genomica. Il Genomics Research to Elucidate the Genetics of Rare Diseases (GREGoR) Consortium è stato avviato dal National Human Genome Research Institute nel 2021 per colmare questa lacuna critica.
Il consorzio coinvolge cinque siti di ricerca principali e un centro di coordinamento dei dati, e studia oltre 7.500 individui appartenenti a più di 3.000 famiglie. La maggior parte di queste famiglie aveva già effettuato test genetici clinici in precedenza, senza ottenere una diagnosi, e la maggioranza dei casi era risultata negativa all'esoma. GREGoR ha contribuito a 83 articoli scientifici che studiano diagnosi molecolari in 365 geni, con più di un terzo che rappresenta nuove scoperte di geni malattia o espansioni fenotipiche.
I principali progressi tecnologici includono nuovi approcci computazionali per estrarre un maggiore valore diagnostico dai dati di esoma esistenti. Il consorzio ha sviluppato metodi altamente accurati per dedurre la fase genetica e ha calcolato stime di fase a coppie per varianti codificanti rare attraverso il Genome Aggregation Database. Sono stati inoltre creati strumenti per identificare centinaia di diagnosi di varianti strutturali patogene a partire da esomi precedentemente irrisolti. In uno studio su larga scala condotto su 822 famiglie, il sequenziamento del genoma a lettura breve ha prodotto 218 nuove diagnosi, rappresentando un aumento dell'8% nella resa diagnostica rispetto al solo sequenziamento dell'esoma.
L'impatto del consorzio va oltre le singole diagnosi, grazie al suo impegno per la condivisione rapida dei dati. Tutti i dati generati sono resi disponibili ai ricercatori di tutto il mondo attraverso l'Analysis, Visualization and Informatics Lab-space (AnVIL), creando una risorsa fondamentale per la ricerca globale sulle malattie rare. Questo approccio mira ad accelerare lo sviluppo di nuovi metodi diagnostici e a promuovere sforzi di scoperta collaborativa all'interno della comunità di ricerca internazionale.
Il lavoro di GREGoR dimostra il potenziale di una continua innovazione nella rianalisi genomica e stabilisce un quadro di riferimento per tradurre le tecnologie emergenti nella pratica clinica di routine, lavorando in ultima analisi verso l'obiettivo di fornire diagnosi genetiche ai milioni di individui colpiti da malattie rare in tutto il mondo.
Risultati Principali
- 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
Metodologia
Si tratta di uno studio consortile collaborativo che coinvolge cinque siti di ricerca principali e un centro di coordinamento dei dati. L'analisi ha incluso oltre 7.500 individui provenienti da più di 3.000 famiglie con sospette malattie rare, la maggior parte dei quali aveva precedentemente sottoposto a test genetici clinici senza ricevere una diagnosi. Il consorzio ha impiegato molteplici approcci genomici, tra cui la rianalisi dell'esoma, il sequenziamento del genoma a letture corte, il rilevamento di varianti strutturali e metodi di fasizzazione computazionale. Tutti i dati sono resi pubblicamente disponibili attraverso la piattaforma AnVIL per favorire la collaborazione scientifica a livello globale.
Limitazioni dello Studio
Lo studio si concentra principalmente su famiglie rimaste senza diagnosi dopo i test genetici clinici convenzionali, che potrebbero rappresentare un sottoinsieme particolarmente complesso di casi di malattie rare. Il consorzio riconosce che la maggior parte delle diagnosi ottenute tramite sequenziamento del genoma riguarda ancora geni codificanti per proteine, il che evidenzia le difficoltà persistenti nell'interpretazione delle varianti non codificanti. L'articolo non fornisce analisi dettagliate del rapporto costo-efficacia tra i diversi approcci di sequenziamento, né vengono riportati gli esiti clinici a lungo termine per i pazienti a cui è stata posta una nuova diagnosi.
Ti è piaciuto questo riepilogo?
Ricevi ogni settimana le ultime ricerche sulla longevità direttamente nella tua casella email.
Inserisci la tua email per iscriverti: