在这项研究中，我们描述了大型的基因负担分析

　　罕见病病例的队列，并确定了69个新疾病 - 葡萄症的关联

　　在统计上具有重要意义的信号进行分类之后。我们以五个

　　强有力的遗传和实验证据：与

　　UNC13A，带有RBFOX3的癫痫

　　与Pomk和精神分裂症一起

　　GPR17。但是，需要进一步的证据

　　在此处描述的许多新关联之前，可以在临床上使用

　　诊断，咨询和管理，至少是固定的分类

　　纳入诊断基因测试需要中等证据

　　面板38。例如，添加进一步的强度

　　功能研究证据将提高42个有限的克林根的分数

　　补充表4中显示的分类证据候选者，以便将其重新分类为

　　缓和。我们已经向GENCC提交了有关69个协会的证据

　　数据库39。我们还在追求

　　通过GeneMatcher（和链接的媒人）在其他独立案例中的变体

　　交换节点）为我们所有强调的候选人而言，到目前为止没有成功。

　　收集更多受影响的家庭成员，以合作

　　原始招募临床医生也可以提高cling林类别，尽管这是

　　可能会更加困难（例如，对于主要关联至少两个

　　需要五个受影响成员的大家庭才能增加一个点

　　证据）。

　　罕见的变体基因负担方法最初用于

　　复杂遗传学的背景，其中稳定增加数量（通常）

　　无关的个体，现在达到数十万的人，已测试遗传

　　经常在几个定量和/或二进制特征之间进行关联

　　（全基因组/全球范围的关联研究）。在这种情况下，变体是

　　会议对某种疾病的敏感性引起了人们的关注，也取决于

　　用于变异过滤的应用等位基因频率阈值，人们贡献

　　每个基因的几种罕见变体（通常）用于负担测试，以这种方式

　　增加具有相反效果的变体的机会（保护性和

　　在同一基因中）。确实，背后的主要动机之一

　　开发许多现有基因负担测试超出了一些基本的测试

　　例如，实现我们的Geneburdenrd方法中使用的演员统计量，

　　是否需要解决具有不同影响方向的变体的存在

　　和/或效应大小在同一基因40中。输入稀有变体的选择是

　　在任何基因负担方法中至关重要，可能会影响统计能力，并且

　　在孟德尔疾病的背景下变得至关重要，我们不追求

　　几种敏感性变体（在任何效应方向上），而是一个单一的

　　假定疾病造成的变体（或复合杂合的一对变体

　　基因型）。因此，某人（无论案例还是控制）贡献的情况

　　不应考虑几种与同一基因负担的罕见基因型。我们的

　　分析框架（Geneburdenrd）是基于既定的

　　稀有门德尔疾病的exomiser变体优先级工具

　　变体注释，评分和隔离的非平凡步骤（使用变体调用

　　来自单个概率或基于家庭的VCF文件的格式（VCF）文件来自核

　　家庭）和最预测的致病性，罕见，分离的选择

　　（假定的引起疾病的）每个概率/家族和每个基因的变体（每个基因）

　　兼容的继承模式）。Geneburdenrd还提供案例对照

　　变体计数过滤，模仿Mendelian完全穿透性疾病模型

　　在分析中未包含的对照中看到的变体。

　　全基因组回归建模的最先进软件

　　全基因组/全球范围的关联研究是Regenie41，已被证明是

　　比其他类似方法（例如

　　FastGWA42，Bolt-LMM43和

　　Saige44。除了几个统计测试

　　主要与复杂的遗传学相关，例如单变量的基因– gene

　　以及基因 - 环境相互作用测试以及条件分析，

　　Regenie和其他一些相关软件可以执行各种基因负担

　　例如，测试对不平衡和平衡的二进制特征量身定制测试

　　病例 - 对照研究，具有稀有变体，例如马鞍点

　　近似值（SPA）近45和Firth的逻辑回归

　　Model46（我们选择的统计模型）。值得注意的是

　　水疗中心和Firth的校正已被证明提供了良好的控制

　　1型错误，但是Saige中实施的水疗方法导致

　　膨胀的效应大小估计值 - 这是一种未观察到的功能

　　Firth在Regenie41中的逻辑回归。尽管有能力

　　处理最常用的输入遗传和表型文件，例如

　　BGEN或Plink/Plink2，并应对种群结构与相关性，Regenie和

　　类似的方法并不是针对稀有，推定的分析的本地量身定制的

　　引起疾病的，罕见的孟德尔疾病家庭内部的变体。

　　注释，评分和选择的关键且经常繁琐的步骤

　　相关的稀有变体测试基因负担的测试量留给了用户

　　建议使用外部工具（例如SNPEFF或VEP）的建议。

　　我们的分析框架Geneburdenrd克服了这一限制，并涵盖了

　　对更量身定制的基因负担分析工具的重要需求，用于分析

　　罕见的孟德尔疾病，诸如康涅利之类的方法仍然是首选

　　对于复杂的遗传学分析，在几个定量和/或二元性状中

　　（通常）无关的人。

　　尽管我们的方法适用于大型罕见疾病队列

　　成功强调了许多已知的关联，并表明了许多以前

　　未报告的关联，并非没有限制，指向

　　未来发展和重新分析的机会。例如，尽管我们

　　仅考虑单核苷酸变体以及小插入

　　蛋白质编码基因在当前研究中，包括非编码稀有

　　变化以及结构变体可能有助于揭示进一步的分子诊断

　　和疾病机制。尽管大小为100公斤，但226中有29

　　在此分析中观察到的疾病少于五例，另外36例

　　不要通过至少两个相同的疾病病例的测试标准

　　某个基因中的变体。这突出了当前发现的有限力量

　　新的（超）罕见的单基因疾病关联，甚至需要更大的稀有

　　疾病测序工作。作为每个基因统计测试的输入

　　我们的分析框架只是一个矩阵，记录了

　　Proband的基因型通过每个情况和控制的每个标准，一个

　　增加统计能力的可能性是在罕见疾病中联合分析

　　测序项目（最好是基于exomiser）处理的数据应为

　　在大多数道德和法律框架下可共享。最后，尽管我们的重点是

　　罕见的门德利，单基因完全渗透性关联，进一步分析

　　需要开发和研究来揭示那些缺失的遗传病因

　　由于不完整的外渗和/或可变表达性以及二元性

　　和/或稀有疾病中的多基因作用。

　　贝叶斯提供了我们常见方法的替代方法

　　稀有疾病的方法称为bevimed47（贝叶斯评估变体参与

　　在孟德尔病）中，其中疾病的风险取决于罕见的基因型

　　位点中的变体，潜在的继承模式和变体的潜在分区

　　进入致病性和非致病子集。在最近的分析中使用了Bevimed

　　在这项研究中，大约相同的罕见病患者队列，其中241例

　　已知但只发现了19个新协会48。确实，在165个中有113

　　我们已知的，其中只有141个潜在的新（分类之前），信号

　　也被贝维姆检测到：Tuft1相关

　　用表皮溶解bullosa；SRP9与

　　导管板畸形，MORC2与

　　线粒体疾病和ARPC3

　　CMT疾病。尽管直接比较并不直接

　　案例对照策略的差异（贝文研究

　　分析了269个案例集，而不是通过我们的测试标准的161个）

　　单独使用统计方法，信号中相对较小的重叠

　　突出显示了这两种发现新方法的可能互补性

　　来自同一队列的疾病 - 基因关联。

　　有553例没有分子诊断，但有变体

　　有助于已知的一种已知疾病 - 基因关联信号之一

　　在诊断中尚未考虑并归类为VUS或良性

　　报告，从审查的诊断产量增加给出了上限

　　这些变体为1.6％（分析了34,851例中的553个）。此外，155分子

　　未解决的案件有一个变化，为69个新关联之一造成了贡献

　　诊断产率潜在增加0.4％的上限（34,851中的155个

　　分析的病例），如果确认所有基因并将变体视为渗透率

　　足以被认为是致病性的，而不仅仅是预测性。通过进行分析

　　框架公开可用于全球类似同类数据的更广泛的应用程序，我们

　　希望实质上有助于疾病 - 发现发现和新的分子诊断

　　在罕见的孟德尔疾病中，许多其他人群。