Investigating genetic analyses to diagnose patients with neurodevelopmental diseases who tested negative for exome sequencing

Genetic analyses in patients with neurodevelopmental disorders (NDD) include routine chromosomal microarray (CMA), followed by sequencing of a gene panel or exome analysis (ES). These techniques manage to diagnose approximately ~13% and ~30% of patients, respectively. Unfortunately, more than half remain without a diagnosis or with an uncertain diagnosis. In this study, I explored a cohort of 108 patients without a diagnosis using three different integrative methods of genetic investigation. In the first method, I performed the reanalysis of exomic data with new bioinformatic tools. This approach can further improve diagnostic ability, thanks to new bioinformatic pipelines and the availability of new information, such as knowledge of newly disease-associated genes. Secondly, I examined the possibility of using exomic data to identify pathogenic copy number variants (CNV) missed by CMA analysis due to resolution limits, through the use of EXCAVATOR2 software. Finally, I explored the combination of exomic data and new diagnostic techniques such as the use of episignatures, which allows, in some groups of genetic diseases, an improvement in diagnoses. The use of these methods has demonstrated a significant improvement in diagnostic outcomes, solving cases that were seemingly unsolvable.

Le analisi genetiche in pazienti con disordini del neurosviluppo (NDD) prevedono il chromosomal microarray (CMA) di routine, seguito dal sequenziamento di un pannello di geni o dall’analisi dell’esoma (ES). Queste tecniche riescono a diagnosticare rispettivamente il ~13% e il ~30% dei pazienti. Purtroppo, più della metà rimane senza una diagnosi o con una diagnosi incerta. In questo studio ho esplorato una coorte di 108 pazienti rimasti senza una diagnosi sfruttando tre diversi metodi integrativi di investigazione genetica. Nel primo ho sfruttato la rianalisi dei dati esomici con nuovi mezzi bioinformatici. Questo approccio può ulteriormente migliorare la capacità diagnostica, sia grazie a nuove pipeline bioinformatiche che alla disponibilità di nuove informazioni, quali ad esempio la conoscenza di nuovi geni associati a malattia. In secondo luogo, ho esaminato la possibilità di sfruttare i dati esomici per identificare copy number variants (CNV) patologiche perse dall’analisi CMA per limiti di risoluzione, attraverso l’uso del software EXCAVATOR2. Infine, ho esaminato la combinazione fra dati esomici e nuove tecniche diagnostiche quali l’uso delle episignatures, che permette, in alcuni gruppi di malattie genetiche, di migliorare le diagnosi. L’uso di questi metodi ha dimostrato un notevole miglioramento diagnostico con la soluzione di casi complessi apparentemente irrisolvibili.