Диагностика аутовоспалительных заболеваний (11 генов) методом секвенирования следующего поколения (NGS) в крови (Diagnosis of autoinflammatory diseases (11 genes) by Next-Generation Sequencing (NGS) in blood)

Синонимы: Молекулярно-генетическое исследование системных аутовоспалительных заболеваний (SAIDs) методом NGS.

Next-generation sequencing for molecular diagnosis of systemic auto-inflammatory diseases.

Краткое описание исследования «Диагностика аутовоспалительных заболеваний (11 генов: MEFV, MVK, TNFRSF1A, NLRP3, NOD2, LPIN2, PLCG2, PSTPIP1, IL1RN, IL10RA, IL10RB) методом секвенирования следующего поколения (NGS) в крови»

Аутовоспалительные синдромы – это группа заболеваний, характеризующихся немотивированными приступами лихорадки, которая может сопровождаться сыпью, артритами, серозитами, поражением центральной нервной системы и другими симптомами при отсутствии аутоиммунных, инфекционных и онкологических заболеваний. Данный термин объединяет ряд наследственных заболеваний, вызванных мутациями генов, кодирующих белки, которые играют ключевую роль в регуляции врожденного иммунного ответа и воспалительной реакции. Большинство этих заболеваний дебютируют в первые месяцы и годы жизни.

Семейная средиземноморская лихорадка – наиболее часто встречающееся наследственное моногенное аутовоспалительное заболевание, распространенное преимущественно у жителей или выходцев из Средиземноморского региона и возникающее в результате мутаций гена MEFV (кодирует белок пирин, который играет важную роль в регуляции воспалительных механизмов). Недостаток пирина приводит к значительному повышению синтеза ИЛ-1β с развитием системного воспалительного ответа. Характер наследования аутосомно-рецессивный или аутосомно-кодоминантный с неполной пенентрантностью.

Мутации в гене NLRP3 (кодирует белок криопирин) также приводят к постоянной избыточной продукции ИЛ-1β и развитию заболеваний, называемых криопиринопатиями или криопирин-ассоциированными периодическими синдромами (CAPS). Наследуются по аутосомно-доминантному типу. Известны три формы криопиринопатий, которые представляют собой различные по степени тяжести клинические варианты одного заболевания:

1) семейный холодовой аутовоспалительный синдром/ семейная холодовая крапивница (FCAS/FCU);

2) синдром Макла-Уэллса (MWS);

3) хронический детский неврологический кожно-суставной синдром/мультисистемная воспалительная болезнь с началом в неонатальном возрасте (CINCA/NOMID).

При болезни Макла-Уэллса описана патогномоничная триада, включающая крапивницу, глухоту, реактивный амилоидоз. При мутациях в гене NLRP3 также возможно развитие наследственного кератоэндотелиита, аутосомно-доминантной тугоухости 34 типа.

Мутации в гене MVK вызывают развитие синдрома дефицита мевалонат-киназы (СДМК). Причиной развития эпизодов немотивированного воспаления у пациентов с мутациями в гене MVK становится дефицит геранил-геранил-пирофосфата – одного из конечных продуктов каскада мевалоновой кислоты, необходимого для процесса пренилирования внутриклеточных G-белков, что приводит к избыточной активности прокаспазы и синтезу ИЛ-1β. Наследуются аутосомно-рецессивно. Степень тяжести заболевания коррелирует с остаточной активностью фермента. Выделяют сравнительно легкий фенотип СДМК – синдром гипериммуноглобулинемии D (HIDS), при котором сохраняется ~10-процентная активность фермента, проявляющийся эпизодами лихорадки с четкой периодичностью, сыпью, афтозным стоматитом, лимфаденопатией, болями в животе, диарейным синдромом и артралгиями и тяжелый вариант – мевалоновую ацидурию (активность фермента <1%), которая характеризуется выраженным лицевым и скелетным дисморфизмом, отставанием в физическом развитии, неврологическими нарушениями различной степени тяжести (задержкой психомоторного развития, атаксией, судорогами) в сочетании с эпизодами немотивированного системного воспаления. Также мутации в гене MVK могут приводить к развитию прокератоза 3 типа.

Мутации гена рецептора I типа фактора некроза опухоли (TNFRSF1A) вызывают периодический синдром, связанный с рецептором фактора некроза опухоли (TRAPS). Связывание TNF c TNFR1 приводит к активации сигнального пути, который регулирует экспрессию генов провоспалительных цитокинов. Мутировавшие рецепторы теряют способность уходить с поверхности клетки и стимулируют сигнальный путь NF-κB, что приводит к гиперпродукции ИЛ-1β, ИЛ-6, TNFα и хемокинов. Характеризуется приступами лихорадки, абдоминальной боли, интенсивной миалгии и болезненной эритемы на туловище или конечностях.

Мутации в гене CARD15 (NOD2) приводят к развитию синдрома Блау (характеризуется неказеозным гранулематозным воспалением с поражением суставов, кожи и сосудистой оболочки глаз; наследуется аутосомно-доминантно) или PASH-синдрома (гангренозная пиодермия, акне и гнойный гидраденит).

Мутации в гене LPIN2 приводят к развитию синдрома Маджида (характеризуется хроническим рецидивирующим многоочаговым остеомиелитом, врожденной дизэритропоэтической анемией и нейтрофильным дерматозом; наследуется аутосомно-рецессивно).

Мутации в гене PLCG2 (кодирует фосфолипазу PLCγ2, играющую ключевую роль в регуляции иммунного ответа) приводят к развитию семейного холодового аутовоспалительного синдрома 3, а также синдрома аутовоспаления, дефицита антител и иммунной дисрегуляции (APLAID), наследуются аутосомно-доминантно. Клинические проявления у пациентов с APLAID весьма разнообразны, но как правило укладываются в картину аутовоспалительного заболевания.

Мутации в гене CD2BP1 (PSTPIP1) могут приводить к развитию PAPA-синдрома (гнойный артрит, гангренозная пиодермия и акне), PAPASH-синдрома (гнойный артрит, акне, гангренозная пиодермия и гнойный гидраденит) или PASH-синдрома (гангренозная пиодермия, акне и гнойный гидраденит). Наследуются аутосомно-доминантно.

Мутации в гене IL1RN могут приводить к развитию синдрома недостаточности антагониста рецептора IL-1 (DIRA-синдрома) (характеризуется дебютом в неонатальном периоде, мультифокальным остеомиелитом, периоститом и кожными пустулами, наследуется аутосомно-рецессивно) или PASH-синдрома (гангренозная пиодермия, акне и гнойный гидраденит).

Полиморфизм в генах IL10RA и IL10RB вызывает тяжелое воспалительное заболевание кишечника с ранним дебютом. Мутации в гене IL10RA вызывают развитие воспалительной болезни кишечника 28; мутации в гене IL10RB – воспалительную болезнь кишечника 25.

К аутовоспалительным заболеваниям относятся около двадцати пяти синдромов, часть из которых встречается чрезвычайно редко.

Данный тест используется для диагностики аутовоспалительных заболеваний:

• вызванных аберрациями в гене MEFV (семейная средиземноморская лихорадка);
• вызванных аберрациями в гене MVK (синдром дефицита мевалонат-киназы, проявляющийся как гипериммуноглобулинемия D или мевалоновая ацидурия; прокератоз 3 типа);
• вызванных аберрациями в гене TNFRSF1A (периодический синдром, ассоциированный с рецептором ФНО (TRAPS));
• вызванных аберрациями в гене NLRP3 (криопирин-ассоциированный периодический синдром (CAPS), проявляющийся как семейный холодовой аутовоспалительный синдром/семейная холодовая крапивница (FCAS/FCU); синдром Макла-Уэллса (MWS); хронический детский неврологический кожно-суставной синдром/мультисистемная воспалительная болезнь с началом в неонатальном возрасте (CINCA/NOMID); наследственный кератоэндотелиит, аутосомно-доминантная тугоухость 34 типа);
• вызванных аберрациями в гене NOD2 (синдром Блау, PASH-синдром);
• вызванных аберрациями в гене LPIN2 (синдром Маджида);
• вызванных аберрациями в гене PLCG2 (семейный холодовой аутовоспалительный синдром 3; синдром аутовоспаления, дефицита антител и иммунной дисрегуляции (APLAID));
• вызванных аберрациями в гене PSTPIP1 (синдромы пиогенного стерильного артрита, гангренозной пиодермии и акне (PAPA-синдром, PAPASH-синдром));
• вызванных аберрациями в гене IL1RN (синдром недостаточности антагониста рецептора IL-1 (DIRA-синдром));
• вызванных аберрациями в гене IL10RA (воспалительная болезнь кишечника 28);
• вызванных аберрациями в гене IL10RB (воспалительная болезнь кишечника 25).

С какой целью выполняют исследование

Тест используется для диагностики аутовоспалительных заболеваний.

Литература

1. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Семейная средиземноморская лихорадка (Наследственный семейный амилоидоз). – 2023.
2. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Криопирин-ассоциированные периодические синдромы (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
3. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Периодический синдром, ассоциированный с мутацией гена рецептора фактора некроза опухоли (TRAPS) (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
4. Adzhubei I. A. et al. A method and server for predicting damaging missense mutations //Nature methods. – 2010. – Т. 7. – №. 4. – С. 248-249.
5. Amberger J. S. et al. OMIM. org: leveraging knowledge across phenotype–gene relationships //Nucleic acids research. – 2019. – Т. 47. – №. D1. – С. D1038-D1043.
6. Andrews S. FastQC: A Quality Control Tool for High Throughput Sequence Data.[Internet].[cited 2015 May 6]. – 2010.
7. Auton A. et al. 1000 Genomes Project Consortium //Nature. – 2015. – Т. 526. – №. 7571. – С. 68-74.
8. Choi Y., Chan A. P. PROVEAN web server: a tool to predict the functional effect of amino acid substitutions and indels //Bioinformatics. – 2015. – Т. 31. – №. 16. – С. 2745-2747.
9. Den Dunnen J. T. et al. HGVS recommendations for the description of sequence variants: 2016 update //Human mutation. – 2016. – Т. 37. – №. 6. – С. 564-569.
10. Efthimiou P. (ed.). Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – Springer, 2019.
11. Fu W. et al. Analysis of 6,515 exomes reveals the recent origin of most human protein-coding variants //Nature. – 2013. – Т. 493. – №. 7431. – С. 216-220.
12. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
13. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
14. McKenna A. et al. The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data //Genome research. – 2010. – Т. 20. – №. 9. – С. 1297-1303.
15. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
16. Meier‐Schiesser B., French L. E. Autoinflammatory syndromes //JDDG: Journal der Deutschen Dermatologischen Gesellschaft. – 2021. – Т. 19. – №. 3. – С. 400-426.
17. Nambu R. et al. A systematic review of monogenic inflammatory bowel disease //Clinical Gastroenterology and Hepatology. – 2022. – Т. 20. – №. 4. – С. e653-e663.
18. O'Leary N. A. et al. Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation //Nucleic acids research. – 2016. – Т. 44. – №. D1. – С. D733-D745.
19. Petryna O., Purat N. Mevalonate Kinase Deficiency (MKD)/Hyperimmunoglobulin D Syndrome (HIDS) //Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – 2019. – С. 19-27.
20. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
21. Poplin R. et al. A universal SNP and small-indel variant caller using deep neural networks //Nature biotechnology. – 2018. – Т. 36. – №. 10. – С. 983-987.
22. Reva B., Antipin Y., Sander C. Predicting the functional impact of protein mutations: application to cancer genomics //Nucleic acids research. – 2011. – Т. 39. – №. 17. – С. e118-e118.
23. Rood J. E., Behrens E. M. Inherited autoinflammatory syndromes //Annual Review of Pathology: Mechanisms of Disease. – 2022. – Т. 17. – С. 227-249.
24. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
25. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
26. Sim N. L. et al. SIFT web server: predicting effects of amino acid substitutions on proteins //Nucleic acids research. – 2012. – Т. 40. – №. W1. – С. W452-W457.
27. Wang K., Li M., Hakonarson H. ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data //Nucleic acids research. – 2010. – Т. 38. – №. 16. – С. e164-e164.

Правила подготовки к исследованию

Специальной подготовки не требуется. Исследование проводится натощак (не принимать пищу 3 часа до исследования, можно пить воду).

Литература

1. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Семейная средиземноморская лихорадка (Наследственный семейный амилоидоз). – 2023.
2. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Криопирин-ассоциированные периодические синдромы (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
3. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Периодический синдром, ассоциированный с мутацией гена рецептора фактора некроза опухоли (TRAPS) (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
4. Adzhubei I. A. et al. A method and server for predicting damaging missense mutations //Nature methods. – 2010. – Т. 7. – №. 4. – С. 248-249.
5. Amberger J. S. et al. OMIM. org: leveraging knowledge across phenotype–gene relationships //Nucleic acids research. – 2019. – Т. 47. – №. D1. – С. D1038-D1043.
6. Andrews S. FastQC: A Quality Control Tool for High Throughput Sequence Data.[Internet].[cited 2015 May 6]. – 2010.
7. Auton A. et al. 1000 Genomes Project Consortium //Nature. – 2015. – Т. 526. – №. 7571. – С. 68-74.
8. Choi Y., Chan A. P. PROVEAN web server: a tool to predict the functional effect of amino acid substitutions and indels //Bioinformatics. – 2015. – Т. 31. – №. 16. – С. 2745-2747.
9. Den Dunnen J. T. et al. HGVS recommendations for the description of sequence variants: 2016 update //Human mutation. – 2016. – Т. 37. – №. 6. – С. 564-569.
10. Efthimiou P. (ed.). Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – Springer, 2019.
11. Fu W. et al. Analysis of 6,515 exomes reveals the recent origin of most human protein-coding variants //Nature. – 2013. – Т. 493. – №. 7431. – С. 216-220.
12. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
13. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
14. McKenna A. et al. The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data //Genome research. – 2010. – Т. 20. – №. 9. – С. 1297-1303.
15. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
16. Meier‐Schiesser B., French L. E. Autoinflammatory syndromes //JDDG: Journal der Deutschen Dermatologischen Gesellschaft. – 2021. – Т. 19. – №. 3. – С. 400-426.
17. Nambu R. et al. A systematic review of monogenic inflammatory bowel disease //Clinical Gastroenterology and Hepatology. – 2022. – Т. 20. – №. 4. – С. e653-e663.
18. O'Leary N. A. et al. Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation //Nucleic acids research. – 2016. – Т. 44. – №. D1. – С. D733-D745.
19. Petryna O., Purat N. Mevalonate Kinase Deficiency (MKD)/Hyperimmunoglobulin D Syndrome (HIDS) //Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – 2019. – С. 19-27.
20. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
21. Poplin R. et al. A universal SNP and small-indel variant caller using deep neural networks //Nature biotechnology. – 2018. – Т. 36. – №. 10. – С. 983-987.
22. Reva B., Antipin Y., Sander C. Predicting the functional impact of protein mutations: application to cancer genomics //Nucleic acids research. – 2011. – Т. 39. – №. 17. – С. e118-e118.
23. Rood J. E., Behrens E. M. Inherited autoinflammatory syndromes //Annual Review of Pathology: Mechanisms of Disease. – 2022. – Т. 17. – С. 227-249.
24. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
25. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
26. Sim N. L. et al. SIFT web server: predicting effects of amino acid substitutions on proteins //Nucleic acids research. – 2012. – Т. 40. – №. W1. – С. W452-W457.
27. Wang K., Li M., Hakonarson H. ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data //Nucleic acids research. – 2010. – Т. 38. – №. 16. – С. e164-e164.

В каких случаях проводят анализ «Диагностика аутовоспалительных заболеваний (11 генов: MEFV, MVK, TNFRSF1A, NLRP3, NOD2, LPIN2, PLCG2, PSTPIP1, IL1RN, IL10RA, IL10RB) методом секвенирования следующего поколения (NGS) в крови»: 

Литература

1. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Семейная средиземноморская лихорадка (Наследственный семейный амилоидоз). – 2023.
2. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Криопирин-ассоциированные периодические синдромы (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
3. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Периодический синдром, ассоциированный с мутацией гена рецептора фактора некроза опухоли (TRAPS) (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
4. Adzhubei I. A. et al. A method and server for predicting damaging missense mutations //Nature methods. – 2010. – Т. 7. – №. 4. – С. 248-249.
5. Amberger J. S. et al. OMIM. org: leveraging knowledge across phenotype–gene relationships //Nucleic acids research. – 2019. – Т. 47. – №. D1. – С. D1038-D1043.
6. Andrews S. FastQC: A Quality Control Tool for High Throughput Sequence Data.[Internet].[cited 2015 May 6]. – 2010.
7. Auton A. et al. 1000 Genomes Project Consortium //Nature. – 2015. – Т. 526. – №. 7571. – С. 68-74.
8. Choi Y., Chan A. P. PROVEAN web server: a tool to predict the functional effect of amino acid substitutions and indels //Bioinformatics. – 2015. – Т. 31. – №. 16. – С. 2745-2747.
9. Den Dunnen J. T. et al. HGVS recommendations for the description of sequence variants: 2016 update //Human mutation. – 2016. – Т. 37. – №. 6. – С. 564-569.
10. Efthimiou P. (ed.). Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – Springer, 2019.
11. Fu W. et al. Analysis of 6,515 exomes reveals the recent origin of most human protein-coding variants //Nature. – 2013. – Т. 493. – №. 7431. – С. 216-220.
12. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
13. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
14. McKenna A. et al. The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data //Genome research. – 2010. – Т. 20. – №. 9. – С. 1297-1303.
15. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
16. Meier‐Schiesser B., French L. E. Autoinflammatory syndromes //JDDG: Journal der Deutschen Dermatologischen Gesellschaft. – 2021. – Т. 19. – №. 3. – С. 400-426.
17. Nambu R. et al. A systematic review of monogenic inflammatory bowel disease //Clinical Gastroenterology and Hepatology. – 2022. – Т. 20. – №. 4. – С. e653-e663.
18. O'Leary N. A. et al. Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation //Nucleic acids research. – 2016. – Т. 44. – №. D1. – С. D733-D745.
19. Petryna O., Purat N. Mevalonate Kinase Deficiency (MKD)/Hyperimmunoglobulin D Syndrome (HIDS) //Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – 2019. – С. 19-27.
20. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
21. Poplin R. et al. A universal SNP and small-indel variant caller using deep neural networks //Nature biotechnology. – 2018. – Т. 36. – №. 10. – С. 983-987.
22. Reva B., Antipin Y., Sander C. Predicting the functional impact of protein mutations: application to cancer genomics //Nucleic acids research. – 2011. – Т. 39. – №. 17. – С. e118-e118.
23. Rood J. E., Behrens E. M. Inherited autoinflammatory syndromes //Annual Review of Pathology: Mechanisms of Disease. – 2022. – Т. 17. – С. 227-249.
24. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
25. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
26. Sim N. L. et al. SIFT web server: predicting effects of amino acid substitutions on proteins //Nucleic acids research. – 2012. – Т. 40. – №. W1. – С. W452-W457.
27. Wang K., Li M., Hakonarson H. ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data //Nucleic acids research. – 2010. – Т. 38. – №. 16. – С. e164-e164.

Интерпретация результатов исследования содержит информацию для лечащего врача и не является диагнозом. Информацию из этого раздела нельзя использовать для самодиагностики и самолечения. Точный диагноз ставит врач, используя как результаты данного обследования, так и нужную информацию из других источников: анамнеза, результатов других обследований и т.д.

Единицы измерения: тест качественный.

Референсные значения

Патогенных вариантов в генах MEFV, MVK, TNFRSF1A, NLRP3, NOD2, LPIN2, PLCG2, PSTPIP1, IL1RN, IL10RA, IL10RB обнаружено не было.

Трактовка результатов исследования «Диагностика аутовоспалительных заболеваний (11 генов: MEFV, MVK, TNFRSF1A, NLRP3, NOD2, LPIN2, PLCG2, PSTPIP1, IL1RN, IL10RA, IL10RB) методом секвенирования следующего поколения (NGS) в крови»

Выявление аберраций в генах MEFV, MVK, TNFRSF1A, NLRP3, NOD2, LPIN2, PLCG2, PSTPIP1, IL1RN, IL10RA, IL10RB подтверждает диагноз аутовоспалительного синдрома.

Отсутствие мутаций в генах MEFV, MVK, TNFRSF1A, NLRP3, NOD2, LPIN2, PLCG2, PSTPIP1, IL1RN, IL10RA, IL10RB не исключает диагноза аутовоспалительного синдрома.

Литература

1. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Семейная средиземноморская лихорадка (Наследственный семейный амилоидоз). – 2023.
2. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Криопирин-ассоциированные периодические синдромы (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
3. Клинические рекомендации Ассоциации детских ревматологов и Ассоциации медицинских генетиков. Периодический синдром, ассоциированный с мутацией гена рецептора фактора некроза опухоли (TRAPS) (Другие уточненные нарушения с вовлечением иммунного механизма, не классифицированные в других рубриках). – 2023.
4. Adzhubei I. A. et al. A method and server for predicting damaging missense mutations //Nature methods. – 2010. – Т. 7. – №. 4. – С. 248-249.
5. Amberger J. S. et al. OMIM. org: leveraging knowledge across phenotype–gene relationships //Nucleic acids research. – 2019. – Т. 47. – №. D1. – С. D1038-D1043.
6. Andrews S. FastQC: A Quality Control Tool for High Throughput Sequence Data.[Internet].[cited 2015 May 6]. – 2010.
7. Auton A. et al. 1000 Genomes Project Consortium //Nature. – 2015. – Т. 526. – №. 7571. – С. 68-74.
8. Choi Y., Chan A. P. PROVEAN web server: a tool to predict the functional effect of amino acid substitutions and indels //Bioinformatics. – 2015. – Т. 31. – №. 16. – С. 2745-2747.
9. Den Dunnen J. T. et al. HGVS recommendations for the description of sequence variants: 2016 update //Human mutation. – 2016. – Т. 37. – №. 6. – С. 564-569.
10. Efthimiou P. (ed.). Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – Springer, 2019.
11. Fu W. et al. Analysis of 6,515 exomes reveals the recent origin of most human protein-coding variants //Nature. – 2013. – Т. 493. – №. 7431. – С. 216-220.
12. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
13. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
14. McKenna A. et al. The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data //Genome research. – 2010. – Т. 20. – №. 9. – С. 1297-1303.
15. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
16. Meier‐Schiesser B., French L. E. Autoinflammatory syndromes //JDDG: Journal der Deutschen Dermatologischen Gesellschaft. – 2021. – Т. 19. – №. 3. – С. 400-426.
17. Nambu R. et al. A systematic review of monogenic inflammatory bowel disease //Clinical Gastroenterology and Hepatology. – 2022. – Т. 20. – №. 4. – С. e653-e663.
18. O'Leary N. A. et al. Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation //Nucleic acids research. – 2016. – Т. 44. – №. D1. – С. D733-D745.
19. Petryna O., Purat N. Mevalonate Kinase Deficiency (MKD)/Hyperimmunoglobulin D Syndrome (HIDS) //Auto-Inflammatory Syndromes: Pathophysiology, Diagnosis, and Management. – 2019. – С. 19-27.
20. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
21. Poplin R. et al. A universal SNP and small-indel variant caller using deep neural networks //Nature biotechnology. – 2018. – Т. 36. – №. 10. – С. 983-987.
22. Reva B., Antipin Y., Sander C. Predicting the functional impact of protein mutations: application to cancer genomics //Nucleic acids research. – 2011. – Т. 39. – №. 17. – С. e118-e118.
23. Rood J. E., Behrens E. M. Inherited autoinflammatory syndromes //Annual Review of Pathology: Mechanisms of Disease. – 2022. – Т. 17. – С. 227-249.
24. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
25. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
26. Sim N. L. et al. SIFT web server: predicting effects of amino acid substitutions on proteins //Nucleic acids research. – 2012. – Т. 40. – №. W1. – С. W452-W457.
27. Wang K., Li M., Hakonarson H. ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data //Nucleic acids research. – 2010. – Т. 38. – №. 16. – С. e164-e164.