在全面性肌张力障碍队列的分子诊断中应用成纤维细胞转录组学

《Annals of Neurology》：Fibroblast Transcriptomics in Molecular Diagnostics of a Comprehensive Dystonia Cohort

基因测序无法诊断的65.8%遗传性肌张力障碍患者，通过整合皮肤成纤维细胞RNA测序数据（167例），发现80%以上致病基因存在表达或剪接异常，其中66.7%缺失功能突变患者检测到相关RNA低表达，28.6%复合突变患者存在异常表达。该方法对无前期候选变体的患者（6.9%确诊）中，3/9病例通过剪接区变异，6/9病例通过深内含子变异实现诊断。结合机器学习模型，能预测脑组织相关基因表达异常。

摘要

研究目的

基因组测序仍无法为超过50%的肌张力障碍患者提供明确诊断。在基于DNA的分析方法不足的情况下，整合多组学数据对于深入理解基因组信息至关重要。本研究纳入了167名患有肌张力障碍的患者的数据，这些患者具有不同的年龄和临床表现。

研究方法

我们利用RNA测序（RNA-seq）技术，重点分析皮肤活检样本中的表达和剪接异常。其中，85.0%的患者表现为早发性肌张力障碍，92.2%的患者为非局灶性肌张力障碍，76.0%的患者同时存在其他相关症状。研究评估了36例已知变异的患者样本（36/167，21.6%）以及131例通过基因组测序未发现明确诊断候选变异的患者样本（131/167，78.4%）。

研究结果

通过成纤维细胞RNA测序，我们检测到了超过80%与肌张力障碍相关的基因。表达和剪接异常分析发现了大量影响这些基因的显著RNA缺陷。该方法在验证功能丧失变异的致病作用方面尤为有效，其中66.7%（10/15）的病例存在与疾病相关的RNA表达降低现象。在其他已知变异类型的背景下研究异常表达和剪接现象时，28.6%（6/21例）的病例获得了有意义的结果。对于之前没有诊断候选变异的患者，该方法提升了6.9%（9/131）的诊断准确性，这些患者均表现为常染色体隐性遗传方式的肌张力障碍。新的诊断结果基于之前被忽视的剪接区域变异（3/9）和深度内含子变异（6/9）。对于观察到的基因变异，新的机器学习模型预测了这些变异在脑组织中的表达情况。

结果解读

针对我们的研究队列，基于成纤维细胞的RNA测序技术提高了变异的解读准确性，并为之前没有已知候选变异的患者提供了新的诊断线索。

潜在的利益冲突

V.A.Y.、F.B.和C.M.是OomicsDiscoveries GmbH的创始人、股东及董事。其他作者均无需要报告的利益冲突。

数据获取

所有基因组测序和RNA测序数据存储在TUM大学医院的人类遗传学研究所的数据库中。经相关作者Michael Zech博士（电子邮件：[e-mail]）同意，并遵循当地伦理审查委员会的规定，可提供匿名化数据。