Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

LabMedica

Deascargar La Aplicación Móvil
Noticias Recientes Expo COVID-19 Química Clínica Diagnóstico Molecular Hematología Inmunología Microbiología Patología Tecnología Industria Focus

CELLAVISION AB

Nueva herramienta permite una mejor clasificación de variantes hereditarias que causan enfermedades

Por el equipo editorial de LabMedica en español
Actualizado el 05 Jun 2024

La secuenciación completa del genoma y del exoma está cada vez más disponible para la investigación clínica, lo que ayuda a la detección de variantes genéticas hereditarias que pueden causar diversas enfermedades. El Colegio Americano de Genética y Genómica Médica y la Asociación de Patología Molecular (ACMG-AMP) proporcionan pautas actualizadas periódicamente para ayudar a los médicos a evaluar si las variantes de la línea germinal probablemente estén relacionadas con la enfermedad de un paciente. Sin embargo, las herramientas automatizadas a menudo tienen dificultades para mantenerse al día con estas actualizaciones. Ahora se ha desarrollado una nueva herramienta que permite a los investigadores anotar datos variantes de estudios a gran escala con clasificaciones clínicamente relevantes para los riesgos de cáncer infantil y otras enfermedades, alineando las aplicaciones más antiguas con las directrices más recientes. Esta herramienta está disponible gratuitamente para la comunidad de investigadores.

Desarrollada por un equipo que incluye científicos del Hospital Infantil de Filadelfia (CHOP, Filadelfia, PA, EUA), la herramienta, denominada Automated Germline Variant Pathogenicity (AutoGVP), incorpora anotaciones de patogenicidad de variantes de la línea germinal de la base de datos ClinVar y clasificaciones de variantes de una versión modificada de Intervar. AutoGVP proporciona clasificaciones de patogenicidad que se adhieren a las pautas cambiantes de ACMG-AMP mediante la integración de información de ClinVar e InterVar. También aborda las limitaciones de la herramienta InterVar, en particular su tendencia a sobreestimar la patogenicidad de variantes de pérdida de función que reducen la actividad de un gen específico.


Imagen: La herramienta facilita la anotación a gran escala de las variantes de la línea germinal y asigna patogenicidad automáticamente (cortesía de la foto de 123RF)
Imagen: La herramienta facilita la anotación a gran escala de las variantes de la línea germinal y asigna patogenicidad automáticamente (cortesía de la foto de 123RF)

La utilidad de AutoGVP se destacó en un estudio realizado por el equipo de investigación, que analizó la secuenciación del ADN de la línea germinal de 786 pacientes con neuroblastoma y encontró 116 variantes patógenas o probablemente patógenas. El estudio reveló que estos pacientes tenían una menor probabilidad de supervivencia e identificó a BARD1 como un gen de predisposición significativo al neuroblastoma, que presenta variaciones de la línea germinal patógenas o probablemente patógenas, tanto comunes como raras. AutoGVP se creó para ayudar a la anotación a gran escala de variantes de la línea germinal y asignar patogenicidad automáticamente. Actualmente, el equipo está aplicando AutoGVP a datos genéticos de pacientes pediátricos con tumores cerebrales y cohortes más grandes de neuroblastoma.

"Con AutoGVP, podemos agilizar la clasificación de variantes e incorporar rápidamente nueva información a medida que más y más biobancos publican grandes datos de secuenciación", dijo Jung Kim, PhD, científica de la División de Epidemiología y Genética del Cáncer del NCI. "Además, AutoGVP reduce la curación práctica de variantes y permite la reproducibilidad de la curación de variantes".

Enlaces relacionados:
CHOP



Últimas Patología noticias

Nueva técnica revela los primeros signos de mutaciones genéticas

Herramienta de inteligencia artificial autodidacta diagnostica y predice la gravedad del cáncer de pulmón común

Nuevo método basado en IA para el análisis de tejidos mejora la comprensión de la patología de enfermedades



LGC Clinical Diagnostics