№7303, Исследование BRCA1, BRCA2, ATM, CHEK2, PALB2 методом NGS (кровь или парафиновые блоки) (BRCA1, BRCA2, ATM, CHEK2, PALB2 genes analysis by Next-Generation Sequencing (NGS) in biopsy specimens and blood))

Синонимы: Определение мутаций в генах BRCA1, BRCA2, ATM, CHEK2, PALB2 методом секвенирования (секвенирование всех кодирующих областей генов).

Краткое описание исследования «Исследование BRCA1, BRCA2, ATM, CHEK2, PALB2 методом NGS (кровь или парафиновые блоки)»

Гены BRCA1, BRCA2, ATM, CHEK2, PALB2 относятся к группе генов HRR (homologous recombination repair), вовлеченных в процесс репарации ДНК.

Наличие клинически значимых патогенных вариантов в генах BRCA1 или BRCA2 вызывает потерю функции белков, кодируемых этими генами, в результате чего нарушается основной механизм репарации двунитевых разрывов ДНК. В связи с этим значительно повышается риск возникновения некоторых злокачественных новообразований (рака молочной железы, яичников, предстательной железы, поджелудочной железы).

Персонализированной подход к выбору терапии, основанный на результатах генетического тестирования, может повысить эффективность лечения этих злокачественных новообразований.

Рак молочной железы (РМЖ) занимает лидирующее место в структуре онкологической заболеваемости и смертности у женщин. При этом 5-10% всех случаев приходится на наследственный РМЖ, который характеризуется аутосомно-доминантным типом наследования. При данном типе рака отмечена связь с ранним возрастом манифестации заболевания, билатеральным раком, высокой встречаемостью рака яичников (РЯ) в семьях (в том числе рака маточных труб и первичного рака брюшины), РМЖ у мужчин.

В большинстве случаев наследственного РМЖ отмечаются герминативные мутации в генах BRCA1 и BRCA2, которые кодируют белки, вовлеченные в опухолевую супрессию. BRCA1 участвует в репарации ДНК, регулируя прохождение контрольных точек клеточного цикла, выявляющих наличие повреждений ДНК. BRCA2 ответственен за репарацию двуцепочечных разрывов ДНК, появляющихся в ходе репликации.

Распространенность в популяции мутаций в генах BRCA1 и 2 составляет 1:300 и 1:800, соответственно. Мутации в этих генах приводят к значительному увеличению риска развития РМЖ и РЯ в 7 и 25 раз (соответственно) по сравнению с уровнем риска в общей популяции. Также мутации в данных генах являются высокопенетрантными, хотя вероятность манифестации рака у носителей варьирует даже в семьях, имеющих одинаковую мутацию. Пенетрантность для РМЖ находится в диапазоне от 41% до 90%, а пенетрантность мутаций для РЯ составляет от 8% до 62%.

Помимо высокого риска контралатерального РМЖ, наследственный синдром ассоциирован с тройным негативным подтипом рака. В свою очередь, РЯ у BRCA1/2-носителей гистологически характеризуется серозной карциномой высокой степени злокачественности. Также преимущественно BRCA2-носители имеют высокий риск развития рака предстательной железы, поджелудочной железы и меланомы.

В России характерен выраженный эффект предшественника, т. е. преобладание мутации 5382insC в гене BRCA1 (до 90%) у населения преимущественно славянского происхождения. Также распространенными мутациями являются: 185delAG, 4153delA, 3819delGTAAA, 3875delGTCT, 300T>G (Cys61Gly), 2080delA в гене BRCA1; 6174delT в гене BRCA2.

Согласно RUSSCO, всем пациентам с верифицированным РЯ, гистологически представленным серозной или эндометриоидной карциномой высокой степени злокачественности, рекомендовано определение патогенных мутаций в генах BRCA1/2. У BRCA1/2-положительных пациентов при рецидивах РЯ рекомендовано назначение PARP-ингибитора в качестве поддерживающей терапии. У BRCA-положительных пациентов c метастатическим раком молочной железы и метастатическими новообразованиями других локализаций возможно применение в рамках клинического исследования PARP-ингибиторов.

Ген ATM (ATM Serine/Threonine Kinase) кодирует одноименный белок — серин/треониновую протеинкиназу АТМ. АТМ-белок активируется при разрывах нитей ДНК и фосфорилирует несколько ключевых белков. Эти белки в свою очередь инициируют остановку клеточного цикла, запускают репарацию ДНК или апоптоз. Протеинкиназа АТМ также может быть вовлечена в гомеостаз митохондрий. Выступая как регулятор их аутофагии (митофагии), белок способствует удалению старых дисфункциональных митохондрий.

Ген ATM экспрессируется во многих тканях и органах: лимфатических узлах, головном и спинном мозге, крови, сердце, печени, почках, легких, щитовидной, слюнных железах и др.

АТМ-белок функционирует как регулятор широкого спектра нисходящих белков, включая белки-супрессоры опухолевого роста p53, Chk2 и BRCA1, а также белок репарации ДНК NBS1. Комплекс этих реакций приводит к восстановлению нитей ДНК, остановке клеточного цикла, а в некоторых случаях — к апоптозу. Эффективное восстановление поврежденных нитей ДНК помогает поддерживать стабильность генетической информации клетки.

При мутациях гена АТМ могут возникнуть нарушения нормального процесса онтогенетической перестройки генов иммуноглобулинов, ведущие к генетической нестабильности и канцерогенезу. Нарушение системы апоптоза ответственно за повышенную радиочувствительность гомозигот и специфическую гибель клеток, ведущую к церебеллярной атаксии, атрофии тимуса, лимфоцитопении и недостатку зародышевых клеток.

Пациенты, имеющие мутации в обоих аллелях гена АТМ, страдают тяжелым заболеванием — атаксией-телеангиэктазией (синдром Луи-Бар). Болезнь характеризуется нейродегенеративными процессами, иммунодефицитом (отсутствуют сывороточные иммуноглобулины), повышенной радиочувствительностью, ломкостью хромосом и предрасположенностью к злокачественным новообразованиям.

С мутациями гена АТМ также ассоциированы различные виды рака: лейкозы, лимфомы, рак молочной железы и мочевого пузыря.

Ген СHEK2 находится на длинном плече 22 хромосомы в локусе 22q12.1 и кодирует одноименный белок CHEK2 (checkpoint kinase 2), который может взаимодействовать с белками p53 и BRCA1.

Белковый продукт гена CHEK2 участвует в поддержании стабильности генома, контролирует процессы клеточного деления и репарации ДНК. Фермент активируется в ответ на повреждение молекулы ДНК, блокируя клеточный цикл в фазе G1 или запуская процесс апоптоза (запрограммированной клеточной гибели), выступая в качестве супрессора злокачественной трансформации клеток.

Изменения структуры гена СНЕК2 могут привести к злокачественной трансформации клеток.

Мутация 1100delC гена СНЕК2, приводящая к синтезу неполноценного укороченного белка со сниженной экспрессией, встречается в странах Европы с частотой от 0,2% до 1,4% и определяет 2-10-кратное увеличение риска развития рака молочной железы. Среди российских пациенток частота встречаемости мутации 1100delC составляет 2-5%. Эта мутация также ассоциирована с повышенным риском опухолей других локализаций (яичника, простаты, толстой кишки, желудка, остеосаркомы).

Мутация ivs2+lG>A приводит к образованию укороченного белка и ассоциирована с онкологическими патологиями различной локализации, чаще всего с раком молочной железы, также с раком простаты, щитовидной железы. Эта мутация считается специфичной для славянского населения, наиболее распространена (0,48%) и изучена в Польше.

Мутации гена CHEK2 наследуются по аутосомно-доминантному типу, передаются с вероятностью 50% и встречаются с одинаковой частотой у мужчин и женщин.

Ген PALB2 кодирует белок системы гомологичной рекомбинации ДНК, взаимодействующий с белком BRCA2 и участвующий в стабильной внутриядерной локализации и аккумуляции данного белка. Было показано, что патогенные герминальные варианты данного гена клинически значимо повышают риск развития рака молочной железы, яичников и поджелудочной железы. Данные об увеличении рисков развития других злокачественных образований у носителей патогенных вариантов крайне противоречивы.

Обнаружение патогенных герминальных вариантов PALB2 предсказывает ответ на терапию PARP-ингибиторами и препаратами платины при некоторых типах злокачественных образований.

Патогенные варианты в гене PALB2 наследуются по аутосомно-доминантному типу, то есть имеется 50% риска передачи носителем мутации последующим поколениям.

С какой целью выполняют исследование

Тест используется для диагностики BRCA1, BRCA2, ATM, CHEK2, PALB2-ассоциированных онкологических состояний, а также для назначения таргетной терапии PARP-ингибиторами.

Литература

1. Клинические рекомендации. Рак молочной железы. – 2021.
2. Клинические рекомендации. Рак предстательной железы. – 2021.
3. 1000 Genomes Project Consortium et al. A global reference for human genetic variation //Nature. – 2015. – Т. 526. – №. 7571. – С. 68.
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. et al. FastQC: a quality control tool for high throughput sequence data. – 2010.
7. 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.
8. 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.
9. 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.
10. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
11. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
12. 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.
13. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
14. 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.
15. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
16. 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.
17. 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.
18. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
19. Semmler L., Reiter-Brennan C., Klein A. BRCA1 and breast cancer: a review of the underlying mechanisms resulting in the tissue-specific tumorigenesis in mutation carriers //Journal of breast cancer. – 2019. – Т. 22. – №. 1. – С. 1-14.
20. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
21. 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.
22. 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.

Единицы измерения: тест качественный.

Референсные значения

Патогенных вариантов, вероятно патогенных вариантов в генах BRCA1, BRCA2, ATM, CHEK2, PALB2 обнаружено не было.

Трактовка результатов исследования «Исследование BRCA1, BRCA2, ATM, CHEK2, PALB2 методом NGS (кровь или парафиновые блоки)»

Отрицательный результат данного исследования практически полностью исключает BRCA1, 2-ассоциированный опухолевый синдром, однако не исключает наследственный характер заболевания в связи с тем, что патогенные варианты могут присутствовать в ряде других генов (PALB2, ATM и так далее).

Выявление герминального патогенного варианта при наличии у пациента специфического типа злокачественного образования подтверждает наследственную этиологию заболевания. Выявление герминального патогенного варианта в генах BRCA1, BRCA2 у бессимптомного носителя увеличивает риск развития специфических злокачественных образований и требует принятия профилактических мер, однако требуется отметить, что риск развития злокачественного образования у носителей не равен 100%.

Выявление соматической мутации генов BRCA1, BRCA2 является одним из показаний назначения таргентной терапии. Детекция данных мутаций не позволяет подтвердить у пациента наследственный характер заболевания. Для этого требуется исследование герминальных вариантов генов BRCA1, BRCA2 в крови пациента.

Литература

1. Клинические рекомендации. Рак молочной железы. – 2021.
2. Клинические рекомендации. Рак предстательной железы. – 2021.
3. 1000 Genomes Project Consortium et al. A global reference for human genetic variation //Nature. – 2015. – Т. 526. – №. 7571. – С. 68.
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. et al. FastQC: a quality control tool for high throughput sequence data. – 2010.
7. 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.
8. 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.
9. 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.
10. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
11. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
12. 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.
13. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
14. 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.
15. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
16. 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.
17. 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.
18. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
19. Semmler L., Reiter-Brennan C., Klein A. BRCA1 and breast cancer: a review of the underlying mechanisms resulting in the tissue-specific tumorigenesis in mutation carriers //Journal of breast cancer. – 2019. – Т. 22. – №. 1. – С. 1-14.
20. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
21. 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.
22. 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 «Исследование BRCA1, BRCA2, ATM, CHEK2, PALB2 методом NGS (кровь или парафиновые блоки)»: 

Литература

1. Клинические рекомендации. Рак молочной железы. – 2021.
2. Клинические рекомендации. Рак предстательной железы. – 2021.
3. 1000 Genomes Project Consortium et al. A global reference for human genetic variation //Nature. – 2015. – Т. 526. – №. 7571. – С. 68.
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. et al. FastQC: a quality control tool for high throughput sequence data. – 2010.
7. 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.
8. 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.
9. 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.
10. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
11. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
12. 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.
13. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
14. 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.
15. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
16. 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.
17. 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.
18. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
19. Semmler L., Reiter-Brennan C., Klein A. BRCA1 and breast cancer: a review of the underlying mechanisms resulting in the tissue-specific tumorigenesis in mutation carriers //Journal of breast cancer. – 2019. – Т. 22. – №. 1. – С. 1-14.
20. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
21. 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.
22. 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, вероятно патогенных вариантов в генах BRCA1, BRCA2, ATM, CHEK2, PALB2 обнаружено не было.

Трактовка результатов исследования «Исследование BRCA1, BRCA2, ATM, CHEK2, PALB2 методом NGS (кровь или парафиновые блоки)»

Отрицательный результат данного исследования практически полностью исключает BRCA1, 2-ассоциированный опухолевый синдром, однако не исключает наследственный характер заболевания в связи с тем, что патогенные варианты могут присутствовать в ряде других генов (PALB2, ATM и так далее).

Выявление герминального патогенного варианта при наличии у пациента специфического типа злокачественного образования подтверждает наследственную этиологию заболевания. Выявление герминального патогенного варианта в генах BRCA1, BRCA2 у бессимптомного носителя увеличивает риск развития специфических злокачественных образований и требует принятия профилактических мер, однако требуется отметить, что риск развития злокачественного образования у носителей не равен 100%.

Выявление соматической мутации генов BRCA1, BRCA2 является одним из показаний назначения таргентной терапии. Детекция данных мутаций не позволяет подтвердить у пациента наследственный характер заболевания. Для этого требуется исследование герминальных вариантов генов BRCA1, BRCA2 в крови пациента.

Литература

1. Клинические рекомендации. Рак молочной железы. – 2021.
2. Клинические рекомендации. Рак предстательной железы. – 2021.
3. 1000 Genomes Project Consortium et al. A global reference for human genetic variation //Nature. – 2015. – Т. 526. – №. 7571. – С. 68.
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. et al. FastQC: a quality control tool for high throughput sequence data. – 2010.
7. 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.
8. 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.
9. 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.
10. Gudmundsson S. et al. Variant interpretation using population databases: Lessons from gnomAD //Human mutation. – 2022. – Т. 43. – №. 8. – С. 1012-1030.
11. Li H., Durbin R. Fast and accurate short read alignment with Burrows–Wheeler transform //bioinformatics. – 2009. – Т. 25. – №. 14. – С. 1754-1760.
12. 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.
13. McLaren W. et al. The ensembl variant effect predictor //Genome biology. – 2016. – Т. 17. – №. 1. – С. 1-14.
14. 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.
15. Pollard K. S. et al. Detection of nonneutral substitution rates on mammalian phylogenies //Genome research. – 2010. – Т. 20. – №. 1. – С. 110-121.
16. 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.
17. 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.
18. Schwarz J. M. et al. MutationTaster2: mutation prediction for the deep-sequencing age //Nature methods. – 2014. – Т. 11. – №. 4. – С. 361-362.
19. Semmler L., Reiter-Brennan C., Klein A. BRCA1 and breast cancer: a review of the underlying mechanisms resulting in the tissue-specific tumorigenesis in mutation carriers //Journal of breast cancer. – 2019. – Т. 22. – №. 1. – С. 1-14.
20. Siepel A. et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes //Genome research. – 2005. – Т. 15. – №. 8. – С. 1034-1050.
21. 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.
22. 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.