NGS Cloud, fenotipik veri girdisi ışığında klinik tanıya ulaşılması için filtrelemeye en az şekilde ihtiyaç kalacak hatta kalmayacak şekilde aday varyant listesini otomatik olarak sunan bir klinik karar destek sistemi olarak tasarlanmıştır. Bu sistemin en temel bileşeni de genotip-fenotip eşleşmesini ve varyant önceliklendirmesini yapan GENIUS algoritmasıdır.NGS Cloud, fenotipik veri girdisi ışığında klinik tanıya ulaşılması için filtrelemeye en az şekilde ihtiyaç kalacak hatta kalmayacak şekilde aday varyant listesini otomatik olarak sunan bir klinik karar destek sistemi olarak tasarlanmıştır. Bu sistemin en temel bileşeni de genotip-fenotip eşleşmesini ve varyant önceliklendirmesini yapan GENIUS algoritmasıdır.

GENIUS (GENe Interactions Under Scope)

Tüm ekzom dizilemesi (Whole Exome sequencing; WES) ile yaklaşık olarak 70.000 ve tüm genom dizilemesi (Whole Genome Sequencing; WGS) ile de yaklaşık olarak 5.000.000 varyant çağrılmaktadır (1). Bu varyantlar daha sonra

• toplumdaki gözlenme sıklığı,
• fenotipin toplumdaki prevalansı, 
• bulunduğu genin fenotipik ilişkisi, 
• bu fenotipin incelenen örneğin fenotipi ile örtüşme derecesi, 
• ilgili fenotipin bilinen kalıtım biçimi, 
• varyant genotipinin bununla uyumu, 
• literatürde yer alan fonksiyonel bilgi, 
• ailesel segregasyon durumu, 
• benzer fenotipe sahip kişilerde tespit edilip edilmediği ve 
• protein üzerindeki bilişimsel & öngörüsel değerlendirmeler 

gibi kriterler doğrultusunda elenerek hastalık oluşturucu varyanta ulaşılmaya çalışılmaktadır. İşte GENIUS algoritması bu kriterleri otomatik olarak yapıp hastalık oluşturucu varyanta daha hızlı ve daha kolay olarak ulaşmanız için geliştirilmiştir.

GENIUS algoritması girdileri:

1. İnsan hastalıklarını standart kelime dağarcığı ile açıklayan İnsan Fenotip Ontolojisi terimleri [The Human Phenotype Ontology (HPO)]
2. Bu terimlerin farklı ontolojilerle zenginleştirildiği Pairend Biyoteknoloji’nin bir diğer özel çözümü olan HOPE (Harmonization of Ontologies by PairEnd) terimleri
3. Örnek ve başlangıç yaşı
4. Cinsiyet

GENIUS algoritmasının valide edildiği yakın zamanlı bir çalışmamızda (2) WES analizi sonrası ortalama altı varyant sunarak karar alma aşamalarını ne kadar kolaylaştırdığı tespit edilmiştir (Şekil 1).

Şekil 1. Otomatik olarak listelenen aday varyant sayıları

Dahası, listelenen aday varyantların kliniği açıklama oranının %94.4 olduğu, bu varyantların örneklerin %44.1’inde ilk sırada, %73.5’inde ise ilk üçte yer aldığı tespit edilmiştir. Böylelikle on binlerce, milyonlarca genetik varyantı analiz etmek ve genelde bir veya iki tane olan, hastalığa yol açan genetik değişiklikleri tanımlamak oldukça kolay ve en önemlisi insan kaynaklı hataları azaltarak daha doğru bir hale gelmektedir.

Referanslar:

1. Alfares, A., Alsubaie, L., Aloraini, T., Alaskar, A., Althagafi, A., Alahmad, A., Rashid, M., Alswaid, A., Alothaim, A., Eyaid, W., Ababneh, F., Albalwi, M., Alotaibi, R., Almutairi, M., Altharawi, N., Alsamer, A., Abdelhakim, M., Kafkas, S., Mineta, K., Cheung, N., … Alfadhel, M. (2020). What is the right sequencing approach? Solo VS extended family analysis in consanguineous populations. BMC medical genomics, 13(1), 103. https://doi.org/10.1186/s12920-020-00743-8
2. http://www.medicaljournal.gazi.edu.tr/index.php/GMJ/article/view/2914