家系共分離分析對於腫瘤易感基因中罕見VUS變異的評估能力

在臨床環境下常常將遺傳檢測作為遺傳疾病診斷和風險評估的標準，多基因panel檢測、外顯子/全基因組檢測常常在已知致病基因中鑒定到非常罕見的意義不明變異，並且有些變異只發生在個體化家系中不能採用獨立樣本的病例對照實驗進行評估。InSiGHT提出在已知遺傳模式、發病年齡、性別和人群外顯率及其他風險因素的情況下建議使用家系共分離技術評估罕見VUS變異。

家系研究可用於協助所有類型VUS的變異分類並使用共分離的定量結果進行驗證或與其他定量結果共同建立VUS分類的有力證據。家系連鎖分析最常用的方法是基於模型的對數優勢計分法（LODs）。值得注意的是，在ACMG變異分類標準框架中對於分離分析證據並沒有明確的劃分強度的方法，並且單獨的分離分析不能證明VUS的致病性。但是，當將分離得分與體外功能試驗或確定致病性的進化保守證據結合時，可以作為中等或強度證據。本文使用先證者LODadj模型，評估單個擴展家系的連鎖分析對於已知致病基因罕見VUS變異分類的潛在功能。

研究選擇最常見的林奇綜合征和乳腺癌/卵巢癌的首選檢測基因MLH1/MSH2、BRCA1和BRCA2作為候選基因，基於20世紀至21世紀初美國和中國人口統計數據和家庭結構模擬構建1000個家系，包括大家系（包括四代）、中等家系（三代）和小家系（兩代）；假設所有基因變異都是非常罕見的，僅有單獨一個VUS在家系中遺傳且先證者的VUS變異都遺傳自祖輩。對於給定基因型的個體，假設為顯性遺傳模式和已報到的外顯模型，基於性別和年齡特異性外顯率模擬每個個體的表型信息，同時也模擬了良性變異下的表型信息，並使用SEER數據確定基於群體的疾病外顯率。

為評估數據缺失家系的影響，模擬了8000個分別攜帶MLH1/MSH2、BRCA2致病性和良性變異的大、小家系，並隨機移除某些個體的表型或基因型數據。由於分析方法限制（N

將來自中國和美國的家系按照綜合征和變異類型分為LS（林奇綜合征致病性變異）、CE（林奇綜合征良性變異）、B1（乳腺癌/卵巢癌-BRCA1致病性變異）、B2（乳腺癌/卵巢癌-BRCA2致病性變異）和OB（乳腺癌卵巢癌良性變異）五組，移除10%低信息量個體後家系情況見表1，整體而言，中國家系大於美國家系，由於BRCA1/2譜系中VUS雜合的受累男性頻率低，因此林奇綜合征模型的家系比乳腺癌/卵巢癌模型家系大。

無論是林奇綜合征還是乳腺癌／卵巢癌家系中，隨著家系變大只有1人受累（%proband）的家系比例變小，受累個體（不含先證者）的變異雜合率也降低，這主要是由於隨著家系變大，觀察到與VUS變異無關的特定個體的總體概率增加。基因型和表型的因果關係分析發現，林奇綜合征受累個體（不含先證者）VUS雜合率>46%，乳腺癌/卵巢癌>51%，而良性變異雜合率都

該模型獲取BRCA1中度或強度致病性證據的能力最強，其次是MLH1/MSH 2，最後是BRCA2（圖1）。由於只有1人受累的情況在大家系中比例最小，所以大家系的評估能力較強。另一個影響因素是數據缺失，結果表明數據缺失導致大家系的評估能力下降1/3，小家系下降1/10，對只有一個受累個體的家系影響程度更顯著。

利用家系分離分析對VUS良性變異評估的準確性是致病性變異的2倍。數據顯示中國大家系中MLH1/MSH2致病性變異的評估率為25%，良性的評估率為53%。對於數據缺失家系而言，評估良性變異的能力高達6倍。此外，無論家系大小和類型，分離為良性變異的家系證據都不能支持致病性變異，但是，一些模擬為致病性變異的家系會出現LODadj

在LODadj模型中增加Naff（受累親屬個數的對數值）、FAR（最遠受累親屬與先證者的親屬級別）、MAO（最小致病年齡）係數有助於更好的解釋變異分類。單獨的Naff能夠解釋大部分變異（21%-38%），並且當VUS為致病性時與LODadj成正相關，當VUS為良性時與LODadj呈負相關。對於MLH1/MSH2、BRCA1、BRCA2的致病性VUS變異來說，分別需要最少5、3、4個受累個體才能實現LODadj≥2（判定為致病性變異）。FAR參數解釋了SEER試驗（1-5%）和林奇綜合征（7%）家系中的變異，當VUS為良性變異時與LODadj負相關，林奇綜合征中VUS為致病性變異時與LODadj呈負相關。MAO參數解釋了BRCA1和BRCA2模型中的變異解釋（5-13%），且兩個基因發生致病性VUS變異時，MAO與LODadj呈負相關。除美國乳腺癌/卵巢癌良性變異家系外，其他試驗中最佳模型的評估效果優於單獨Naff評估效果。在美國數據缺失家系中，無論家系大小和變異類型評估效果都比較相似（表4）。

與此相反，在美國數據缺失且發生致病性變異的小家系中FAR比Naff解釋變異的能力更強，在所有家系中，FAR對MLH1/MSH2和BRCA2致病性變異的評估率分別為14.7%和15.5%。在一個以上受累個體的家系中，FAR的解釋率分別為10.2%和10.4%，MAO和Naff能夠解釋的2%和3%的BRCA2致病性變異和良性變異。此外，未受累個體基因型對於正確識別良性變異是至關重要的，對於VUS良性變異的家系，NUH（未產生雜合VUS變異個數的對數值）比使用各種不依賴基因型的最佳模型（≤37%）解釋了更多變異（≥60%，表5）。只針對受累個體的關聯分析導致良性變異的識別率要低得多（Lynch綜合征和乳腺癌/卵巢癌分別為0.1和0.4％）。

目前ClinVar報道的家系分離分析定量證據還很少，事實證明單個家系的共分離分析能夠產生對變異分類有益的信息，尤其是大家系中對於良性變異的確定。新的家系分離分析網路工具的出現使得患者和遺傳學家更易使用，我們希望未來能夠將家系共分離分析納入ACMG-AMP變異分類框架。

參考文獻：

【1】Rosenthal etal.Power of pedigree likehood analysis in extended pedigree to classify rarevariants of uncertain significance in cancer risk genes.Fam Cancer.2017 May22.

歡迎您關注家樹醫療微信公眾號，長按下方二維碼加關注

本文系家樹醫療原創，歡迎個人轉發分享。

其他任何媒體，網站如需轉載，請在公眾號留言獲得授權。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！