01. ACMG/AMP的突变解释指南

基本信息

题目:Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology

作者:S. Richards等

期刊:Genetics in Medicine

发表时间:2015年3月

网址:https://www.nature.com/articles/nature13127

简介:研究疾病的遗传学时会发现发大量的基因突变,而在较为罕见疾病和基因效应(对疾病的效应)不大的疾病中,对于疾病的解释十分困难。2013年,美国的ACMG等协会开始汇总、制定突变解释的指南。他们在文中指出其标准旨在对孟德尔疾病中的突变进行分类。该文中总结了不同类型的突变解释标准,且进行了分级,具有不错的参考价值。

==============================================================

一. 术语

        突变(variant)使用5级分类系统:1) pathogenic,2) likely pathogenic,3) uncertain significance,4) likely benign,5) benign.

       推荐报告时与疾病和遗传模式一同报告,如c.1521_1523delCTT (p.Phe508del), pathogenic, cystic fibrosis, autosomal recessive。

二. 数据分类

       文中用以分类的数据可分为以下几类:

1) Population data 人群数据    

2) Computational and predictive data 计算和预测数据

3) Functional data 功能数据

4) Segregation data 分离数据

5) De novo data,意为该突变是否为新发的,而非遗传自父母的突变

6) Allelic data,意为与已知的致病突变的位置关系

7) 其他

三. 致病突变分类标准

       致病突变分类标准根据权重分为very strong (PVS1)、strong (PS1–4)、moderate (PM1–6)、supporting (PP1–5)。


PVS1属于computational and predictive data

      发生在已知其LOF为致病机制的基因上的null variants(如nonsense、frameshift、canonical ±1 or 2 splice sites、initiation codon、single exon、multiexon deletion)

       警惕:1) LOF不是已知的致病机制;2) LOF突变极靠近基因3’端;3) 某些剪接突变可能会导致exon skipping而剩余部分仍可表达且发挥正常功能;4) 存在多种剪接体。


PS1 属于computational and predictive data

       与之前已知的致病突变相似,会产生相同的氨基酸改变。

       警惕:该突变可能对剪接产生影响。

PS2 属于de novo data

       患者中的新发突变(根据其父母确认),且无家族史。

PS3 属于functional data

       较为透彻的体外或体内功能性研究支持该突变会产生破坏性效应。

PS4 属于population data

       患病人群中突变发生率显著高于对照人群。


PM1 属于functional data

       位于突变热点和/或关键的、已研究清楚的功能结构域,且无良性突变。

PM2 属于population data

       在大规模对照人群(Exome Sequencing Project、1000 Genomes Project、ExAC等)无该突变或频率极低(若为隐性)

       警惕:NGS可能较少发现人群数据中的插入/缺失突变。

PM3 属于allelic data

       隐性疾病中,突变与某致病突变为in trans(位于基因的不同拷贝上)。

PM4 属于computational and predictive data

       由于in-frame deletions/insertions(发生在non-repeat区域)和stop loss导致的蛋白质长度改变。

PM5 属于computational and predictive data

       已知的某致病突变导致发生改变的氨基酸位置上新发现的错义突变。

       警惕:该突变可能对剪接产生影响。

PM6 属于de novo data

      突变可能为新发,但未根据其父母确认。


PP1 属于segregation data

       突变位于已知的致病基因上,在多个受累家族中表现出与疾病共分离。

PP2 属于functional data

       某基因中的错义突变,且该基因中良性错义突变比例低、错义突变是常见的致病机制。

PP3 属于computational and predictive data

       多种生物信息方法支持该突变具有破坏性效应。

PP4

       患者的临床表现是某单基因病的特异性表现。

PP5

       Reputable source支持该突变为致病性的,但该证据无法在本实验室内进行独立验证。


四. 良性突变分类标准

       良性突变分类标准根据权重分为stand-alone (BA1)、 strong (BS1–4)、supporting (BP1–6)。


BA1 属于population data

       在大规模对照人群(Exome Sequencing Project、1000 Genomes Project、ExAC等)中基因频率>5%。


BS1 属于population data

       突变基因频率大于疾病预期的频率。

BS2 属于population data

       在携带隐性(纯合)或显性(杂合)或X联(半合)突变,且超过表型完全显现的年龄的人群中观察到健康者。

BS3 属于functional data

       较为透彻的体外或体内功能性研究支持该突变不会产生破坏性效应。

BS4 属于segregation data

       未发现突变与疾病共分离。

       警惕:可能存在phenocopy干扰分析。


BP1 属于computational and predictive data

       主要由截断突变致病的基因中的错义突变。

BP2 属于allelic data

       与显性的致病突变为in trans,或与致病突变(任何遗传模式)in cis。

BP3属于computational and predictive data

       发生在无已知功能的重复区域的in-frame deletions/insertions。

BP4 属于computational and predictive data

       多种生物信息方法支持该突变不具有破坏性效应

BP5

       携带该突变的患者另有其他的发病机制。

BP6

       Reputable source支持该突变为致病性的,但该证据无法在本实验室内进行独立验证。

BP7 属于computational and predictive data

       该突变为同义突变,且预测对剪接无影响、以及该碱基不是高度保守的。


五. 突变分类规则

“&&”代表“和”,“||”代表“或”

1) Pathogenic 满足下面任意一条

(i) PVS1 && [(≥1 strong) || (≥2 moderate) || (1 moderate && 1 supporting) || (≥2 suppoorting)]

(ii) ≥2 strong

(iii) (1 strong) && [(≥3 moderate) || (2 moderate && ≥2 supporting) || (1 moderate && ≥4 supporting)]


2) Likely pathogenic 满足下面任意一条

(i) PVS1 && (1 moderate)

(ii) (1 strong) && (1-2 moderate)

(iii) (1 strong) && (≥2 supporting)

(iv) ≥3 moderate

(v) (2 moderate) && (≥2 supporting)

(vi) (1 moderate) && (≥4 supporting)


3) Benign满足下面任意一条

(i) BA1

(ii) ≥2 strong


4) Likely benign满足下面任意一条

(i) (1 strong) && (1 supporting)

(ii) ≥2 supporting


5) Uncertain significance满足下面任意一条

(i) 上述规则未满足

(ii) 标准间有冲突

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,372评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,368评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,415评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,157评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,171评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,125评论 1 297
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,028评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,887评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,310评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,533评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,690评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,411评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,004评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,659评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,812评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,693评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,577评论 2 353

推荐阅读更多精彩内容

  • 第一章:为家业巧秀儿学经商 日近黄昏十四岁的秀儿正要赶了羊群回家,忽见那天尽头的一片片红霞,真是红得醉人。 连看得...
    烜荷公子阅读 883评论 4 8
  • 他,叫正源,此时正坐在一辆通往南部一座小县城的火车上。他的发妻靠在他的肩膀上安然入睡,但依然皱着眉头,精致的淡妆似...
    在黑白间游走阅读 216评论 0 0
  • 在人生的岔路口,你会选择左边还是选择右边? 当遇到岔路的时候,有时会希望自己拥有一枚硬币,一面写着左,一面写着右,...
    精致咖啡豆阅读 393评论 1 2
  • 这个秋日午后,打开电脑。 面对空白的文档,我没有像过去那样惊慌彷徨。 我问自己,亲爱的,你想写什么? 我马上意识到...
    梁超文阅读 195评论 3 2
  • MySQL 索引索引索引用于快速查找具有特定列值的行。如果没有索引,MySQL必须从第一行开始,然后读取整个表以查...
    你笑的那么美丶阅读 273评论 0 0