{{{sourceTextContent.title}}}

Resolver los misterios de las enfermedades raras con la genómica

{{{sourceTextContent.subTitle}}}

El consorcio Solve-RD se esfuerza por mejorar el diagnóstico de las enfermedades raras mediante la genómica

{{{sourceTextContent.description}}}

Las enfermedades raras se definen por su prevalencia, en la que una determinada enfermedad afecta a una pequeña proporción de la población; pero se estima que, en conjunto, las enfermedades raras afectan al menos al 3,5-5,9 por ciento de la población mundial.1 Se calcula que el 80 por ciento de las enfermedades raras tienen una causa genética, y a menudo se llevan a cabo estrategias de secuenciación para ayudar al diagnóstico.2 Pero incluso con los avances en las técnicas de secuenciación, muchas personas que viven con una enfermedad rara están sin diagnosticar, ya que se desconocen las causas moleculares de muchas enfermedades raras.3 Para las enfermedades raras que tienen una prueba diagnóstica disponible, el diagnóstico todavía puede ser un proceso largo, en parte debido a la heterogeneidad de estas enfermedades y su presentación clínica.3

El consorcio Solve-RD tiene como objetivo mejorar el diagnóstico de las enfermedades raras mediante la combinación de conocimientos para reevaluar los datos de secuenciación existentes e incorporar nuevos datos de técnicas adicionales.3

"Las técnicas de secuenciación de nueva generación, como WES y WGS, son herramientas potentes que pueden desvelar información diagnóstica en pacientes con enfermedades raras."

Secuenciación avanzada para el diagnóstico de enfermedades raras

Los métodos avanzados de secuenciación, como la secuenciación del exoma completo (WES) y la secuenciación del genoma completo (WGS), están mejorando el diagnóstico de las enfermedades raras y se están convirtiendo en técnicas integrales para identificar las causas genéticas de las enfermedades raras.4 La WGS cubre las regiones codificantes y no codificantes del genoma, mientras que la WES sólo incluye las regiones codificantes del genoma. Los datos de la secuencia suelen compararse con una secuencia de referencia (como mutaciones de genes o variantes de enfermedades raras conocidas). Las coincidencias entre la secuencia genética de un paciente y una secuencia de referencia se notifican para orientar el diagnóstico clínico.5

Dado que las enfermedades raras pueden estar causadas por mutaciones en el ADN no codificante, la WGS proporciona más cobertura que la WES. Sin embargo, esta información añadida significa que el análisis WGS se asocia a costes más elevados.6 Es necesario encontrar nuevas formas de aprovechar esta información genética para mejorar los rendimientos diagnósticos y mejorar los resultados de los pacientes.

Solve-RD: Una estrategia para mejorar el diagnóstico de las enfermedades raras

Cada año se definen nuevas asociaciones gen-enfermedad y variante-enfermedad, y reanalizar periódicamente los datos de los pacientes con bases de datos actualizadas puede mejorar el rendimiento diagnóstico. Pero el reanálisis presenta desafíos: el proceso es caro y lleva mucho tiempo, y los conjuntos de datos crecen exponencialmente, donde las prácticas clínicas carecen de estrategias bioinformáticas para realizar reanálisis de forma efectiva.7 Una estrategia que pretende aprovechar la información obtenida de WGS y WES mientras se superan algunos de los desafíos planteados por el reanálisis es el consorcio Solve-RD.

"El consorcio Solve-RD pretende mejorar los diagnósticos de enfermedades raras combinando conocimientos para reevaluar los datos de secuenciación existentes e incorporando nuevos datos de técnicas adicionales"

El consorcio Solve-RD se ha creado para diagnosticar casos de enfermedades raras no identificadas (o no resueltas), uniendo a investigadores, clínicos y pacientes de 15 países. El proyecto reanaliza datos de secuenciación de casos sin resolver y combina datos de secuenciación preexistentes con nuevos datos generados a partir de técnicas adicionales (epigenómica, metabolómica, deep-WES, secuenciación de ARN y análisis fenotípico molecular profundo). Los datos se recogen de las Redes Europeas de Referencia (RER), o de institutos asociados a estas redes. Los casos de enfermedades raras no resueltas se dividen en cuatro grupos, que determinan la estrategia de análisis:

. Cohorte 1: casos que ya disponen de datos de WGS o WES obtenidos de una ERN o instituto asociado, en los que se volverán a analizar los datos de secuenciación adquiridos.

. Cohorte 2: casos del grupo de enfermedades obtenidos de cualquier RER que se someterán a análisis adicionales.

. Cohorte 3: casos que presentan fenotipos únicos y que han sido identificados por expertos de todas las RER.

. Cohorte 4: casos fácilmente identificados por expertos pero sin causa molecular conocida. Esta cohorte se someterá a análisis adicionales utilizando todas las técnicas adicionales apropiadas.

Los análisis y la información se comparten y se accede a ellos a través de las bases de datos centralizadas, como el Archivo Europeo del Genoma-Fenoma (EGA) y la Plataforma de Análisis del Genoma-Fenoma RD-Connect (GPAP). Para realizar análisis e interpretaciones eficaces de los datos, Solve-RD se organizó en grupos de trabajo. El Grupo de Trabajo de Análisis de Datos (científicos de datos y expertos en genómica) se centra en realizar análisis de datos y desarrollar herramientas analíticas, incluyendo grupos de trabajo para análisis específicos. El grupo de trabajo de interpretación de datos (clínicos y genetistas) se centra en la interpretación de la enfermedad, como la identificación de casos y requisitos para el análisis de datos en las RER. Ambos grupos de trabajo colaboran en el análisis, lo que permite compartir eficazmente los conocimientos.3

Solve-RD en la práctica

"Hasta la fecha, el consorcio Solve-RD ha diagnosticado 255 casos que antes no estaban resueltos"

Hasta la fecha, el consorcio Solve-RD ha diagnosticado 255 casos que antes no estaban resueltos.3 Entre estos casos, Matalonga y sus colegas destacaron cómo Solve-RD puede diagnosticar casos no resueltos mediante el reanálisis de datos de WES y WGS, además de documentar un flujo de trabajo para el reanálisis.7 El paquete python desarrollado requería entradas sencillas (identificadores y parámetros de filtrado) antes de realizar un reanálisis rápido y automatizado de los datos de secuenciación. Tras el reanálisis de los datos genómicos de 4.703 individuos, los investigadores pudieron diagnosticar 120 casos de enfermedades raras sin resolver. Los autores señalaron que dos años antes se desconocía el 13 por ciento de las variantes patológicas identificadas, lo que pone de relieve el rápido desarrollo del conocimiento de las enfermedades raras. El flujo de trabajo utilizado en este estudio también puede agilizar el proceso de reanálisis al proporcionar información en el archivo de salida que resulta útil para la evaluación clínica. En consecuencia, este estudio demuestra un método viable para realizar reanálisis genómicos regulares y eficientes en el tiempo de casos de enfermedades raras sin resolver utilizando Solve-RD.7

Detección de variantes en mosaico

Además, otros estudios han demostrado la capacidad del consorcio Solve-RD para identificar las causas genéticas de las enfermedades raras. Por ejemplo, investigadores del Centro Médico de la Universidad Radboud volvieron a analizar los datos de WES en un paciente con cáncer gástrico difuso hereditario, en el que la variante causante es desconocida en muchos individuos afectados. El nuevo análisis de los datos de WES reveló una mutación de sentido erróneo en mosaico en PIK3CA en el paciente.8 Aunque los investigadores señalan que PIK3CA no se ha asociado previamente con el cáncer gástrico difuso hereditario, las variantes de este gen están vinculadas a síndromes con sobrecrecimiento tisular, lesiones o malformaciones. Es importante destacar que, al utilizar un límite de frecuencia alélica de variantes bajo en su análisis, te Paske y sus colegas pudieron detectar variantes en mosaico, que pueden pasar desapercibidas en análisis con límites de frecuencia alélica de variantes más altos, ya que las variantes en mosaico pueden tener lecturas de variantes bajas.8,9

Detección de variantes del ADN mitocondrial

A través del consorcio Solve-RD, el reanálisis de los datos de WES realizado por de Boer y sus colegas reveló una variante en el gen mitocondrial MT-TL1 (que codifica un ARN de transferencia mitocondrial) en un paciente con una discapacidad intelectual grave no resuelta.10 Las variantes MT-TL1 se asocian a otras afecciones, como miopatía, encefalopatía, acidosis láctica y episodios similares a ictus, y la presentación de la enfermedad puede ser variable. El paciente de este estudio presentaba otras afecciones neuromusculares y del neurodesarrollo, y no está claro si algunas de estas características clínicas se debían o no a otra variante (además de MT-TL1). Sin embargo, el estudio demostró el potencial del reanálisis de los datos de WES en el sondeo de variantes del ADN mitocondrial.10

Las técnicas de secuenciación de nueva generación, como WES y WGS, son herramientas potentes que pueden desvelar información diagnóstica en pacientes con enfermedades raras. Aunque se desconocen las causas moleculares de muchas enfermedades raras, con nuevas causas moleculares reveladas cada año, el reanálisis de los datos de secuenciación de pacientes existentes puede mejorar los rendimientos diagnósticos. El consorcio Solve-RD ofrece una potente estrategia para aprovechar estos datos de secuenciación, proporcionando una línea bioinformática actualizada que puede diagnosticar casos de enfermedades raras sin resolver.

REFERENCIAS

1. Nguengang Wakap, S. et al. "Estimación de la prevalencia puntual acumulada de enfermedades raras: análisis de la base de datos Orphanet" European Journal of Human Genetics EJHG (2020): 165-173

2. Daoud, Hussein et al. "Secuenciación de próxima generación para el diagnóstico de enfermedades raras en la unidad de cuidados intensivos neonatales" CMAJ : Revista de la Asociación Médica Canadiense (2016): E254-E260.

3. Zurek, Birte et al. "Solve-RD: intercambio sistemático paneuropeo de datos y análisis colaborativo para resolver enfermedades raras" Revista Europea de Genética Humana (2021)

4. Vinkšel, M. et al. "Improving diagnostics of rare genetic diseases with NGS approaches" Journal of Community Genetics (2021): 247-256.

5. Marshall, C.R. et al. "Best practices for the analytical validation of clinical whole-genome sequencing intended for the diagnosis of germline disease" Medicina Genómica (2020).

6. Dunn, P. et al. "Métodos de secuenciación de próxima generación para el diagnóstico de síndromes epilépticos" Frontiers in Genetics (2018).

7. Matalonga, L. et al. "Resolviendo pacientes con enfermedades raras a través del reanálisis programático de datos genoma-fenoma" Revista europea de genética humana (2021).

8. te Paske, I.B.A.W. et al. "A mosaic PIK3CA variant in a young adult with diffuse gastric cancer: case report" Revista Europea de Genética Humana (2021).

9. Dou, Y. et al. "Detección precisa de variantes en mosaico en datos de secuenciación sin controles emparejados" Nature Biotechnology (2020): 314-319.

10. de Boer, E. et al. "A MT-TL1 variant identified by whole exome sequencing in an individual with intellectual disability, epilepsy, and spastic tetraparesis" (Una variante MT-TL1 identificada por secuenciación del exoma completo en un individuo con discapacidad intelectual, epilepsia y tetraparesia espástica) Revista Europea de Genética Humana (2021).