エクソーム解析は遺伝性疾患に対するゲノム解析手法の主流ではあるが、その診断率は4割に留まる。診断限界の壁を打破するアプローチの一つにスプライシング異常による転写産物への影響の評価が挙げられ、トランスクリプトーム解析を行う必要がある。申請者は、機械学習に基づく患者由来トランスクリプトームデータの外れ値解析法「Outlier analysis」を小児遺伝性疾患患者に適用しWDR45遺伝子の深部イントロン変異によるstatic encephalopathy of childhood with neurodegeneration in adulthood (SENDA)と診断した。スプライシング異常を検出するSplice AIというソフトの深部イントロン変異の検出への有用性についても検証した。このWDR45変異を持つ患者において、バリアントは4,909,268変異が同定された。深部イントロン変異、疾患原因遺伝子の変異、アレル頻度1%未満に絞ると26,031変異に限定された。先行共同研究により得られたSplice AI scoreのカットオフ値として0.7を用いた結果、WDR45とESCO2の2遺伝子に絞り込むことができた。患者の臨床所見からWDR45を疾患原因遺伝子として特定した。Splice AIカットオフ値の設定の妥当性を臨床検体から検証することができた(論文投稿中)。転写産物の量的異常および質的異常を評価することにより、ゲノム構造異常およびスプライシング異常を同定することが可能となることが示された。WDR45変異を有する本患者においては、細胞レベルで既存のスプライシング異常治療薬の奏功性について検証中である。本疾患に限らずスプラシング異常により発症している患者は一定数いることが想定され、本研究は今後の変異の同定および治療法の開発の展開が見込まれる。
The diagnosis rate is still only 40%, although exome analysis is the mainstream genome analysis method for genetic diseases. One approach to break through this limitation is to evaluate the effects of splicing abnormalities on transcripts, and transcriptome analysis is warranted. I applied Outlier analysis, a machine learning-based method for outlier analysis of patient-derived transcriptome data, to patients with pediatric genetic disorders and found that deep intron variants in the WDR45 gene in a patient caused static encephalopathy of childhood with neurodegeneration in adulthood (SENDA) was made. I also tested the usefulness of Splice AI software, which detects splicing abnormalities, for detecting deep intron mutations. In this patient with the WDR45 mutation, 4,909,268 variants were identified. When the number of variants was narrowed down to deep intron mutations, mutations in disease-causing genes, and allele frequencies of less than 1%, the number of variants was limited to 26,031. Since a cutoff value of 0.7 was considered appropriate for the Splice AI score based on previous collaborative studies with other research institutions, I decided to consider genetic mutations with a Splice AI score of 0.7 or higher for this case as well. As a result, two genes, WDR45 and ESCO2, were identified. Based on the clinical findings of the patient, it was possible to identify WDR45 as the disease-causing gene. I validated the setting of the Splice AI cutoff value. Evaluation of quantitative and qualitative aberrations of the transcripts allowed identification of genomic structural and splicing abnormalities. In this patient with the WDR45 variant, the response to current drugs for splicing abnormalities at the cellular level is being validated. This study is expected to lead to the identification of mutations and the development of therapeutic strategies in the future.
|
