№7302, Исследование мутаций в генах BRCA1, BRCA2 методом NGS (BRCA1, BRCA2 genes analysis by Next-Generation Sequencing (NGS) in biopsy specimens and blood)

Синонимы: Исследование BRCA1, BRCA2 методом секвенирования следующего поколения в биопсийном материале и крови.

Краткое описание исследования «Исследование мутаций в генах BRCA1, BRCA2 методом NGS»

Белки генов BRCA1 и BRCA2 являются частью системы гомологичной рекомбинации ДНК, которая исправляет двухцепочечные разрывы ДНК. Распространенность патогенных вариантов в данных генах в российской популяции составляет 1:300 для гена BRCA1 и 1:800 для гена BRCA2. Хотя в центральных регионах Российской Федерации наибольшее распространение имеет специфический набор генетических изменений (например, вариант 5382insC гена BRCA1 или вариант 6174delT гена BRCA2), патогенные варианты в генах BRCA1, BRCA2 могут встречаться в любой части кодирующей области. Кроме этого существуют региональные особенности распространения вариантов в гене BRCA1, BRCA2. Это подчеркивает важность исследования всей кодирующей последовательности этих генов. Данный тест, проводимый с использованием метода массового параллельного секвенирования (метод next generation sequencing – NGS), позволяет выявлять все возможные точечные изменения, а также небольшие инсерции и делеции в генах BRCA1, BRCA2.

Герминальные патогенные варианты в генах BRCA1, BRCA2 приводят к значительному увеличению риска развития рака молочной железы, яичников, предстательной железы, поджелудочной железы, желудка. Нужно отметить, что уровень пенетрантности (вероятности развития болезни в течение жизни) у носителей патогенных вариантов в данных генах варьирует для различных типов опухолей. Так, для рака молочной железы пенетрантность находится в диапазоне от 41% до 90%, а пенетрантность мутаций для рака яичников составляет от 8% до 62%. Для других злокачественных образований она достигает 20-30%. Также следует отметить, что вероятность развития злокачественного образования варьирует даже в семьях, имеющих одинаковую мутацию.

При BRCA-ассоциированных опухолевых состояниях наблюдается более ранняя манифестация болезни с более агрессивным фенотипом опухоли. Так, для рака молочной железы характерен тройной негативный подтип опухоли, а для рака яичника – серозная карцинома высокой степени злокачественности. Также для носителей патогенных вариантов в генах BRCA1, BRCA2 характерно развитие контралатерального рака молочной железы и феномен сосуществования нескольких опухолей различной локализации.

Патогенные варианты в генах BRCA1 и BRCA2 наследуются по аутосомно-доминантному типу, то есть имеется 50% риска передачи носителем мутаций последующим поколениям.

Важно отметить, что помимо герминальных патогенных вариантов, мутации в генах BRCA1, BRCA2 могут обнаруживаться только в опухолевой ткани – соматические мутации. Выявление соматических мутаций не позволяет подтвердить наследственный характер опухоли, но является одним из показаний назначения PARP-ингибиторов (NCCN, 2021). При выявлении соматических мутаций в генах BRCA1, BRCA2 рекомендуется проведение исследования на наличие герминальных вариантов.

С какой целью выполняют исследование

Тест используется для диагностики BRCA1, BRCA2-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.

Правила подготовки к исследованию

Специальной подготовки не требуется. Взятие крови желательно проводить не ранее 4 часов после приема пищи.

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.

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 обнаружено не было.

Трактовка результатов исследования «Исследование мутаций в генах BRCA1, BRCA2 методом NGS»

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.