Evaluating the Clinical Validity of Gene-Disease Associations
A pesar de su variabilidad, los laboratorios clínicos pueden incluir genes con una evidencia preliminar de relación con una enfermedad en paneles o tenerlos en cuenta ( valorarlos) en la secuenciación de exomas o del genoma. Algunas de estas relaciones entre genes-enfermedad no consiguen una confirmarse a lo largo de muchos años desde el establecimiento preliminar de su relación , o finalmente se confirma su no relación.
La evaluación del impacto clínico de variantes identificadas en genes con un papel poco claro en una patología concreta va en aumento y puede llevar a diagnósticos incorrectos , imposibilitando posteriores evaluaciones y/o manejo incorrecto de pacientes y familiares.
Este escenario hace imprescindible la necesidad de estandarizar un método para evaluar la evidencia de la implicación de un gen en una enfermedad y así determinar su a validez clínica. Por ello el NIH ha fundado ClinGen, un recurso abierto para mejorar el establecimiento de genes y variantes clínicamente relevantes, basado en evaluaciones transparente y estandarizadas para su utilización en medicina de precisión e investigación
Natasha T. Strande, Erin Rooney Riggs, Adam H. Buchanan, Ozge Ceyhan-Birsoy, Marina DiStefano, Selina S. Dwight, Jenny Goldstein, Rajarshi Ghosh, Bryce A. Seifert, Tam P. Sneddon, Matt W. Wright, Laura V. Milko, J. Michael Cherry, Monica A. Giovanni, Michael F. Murray, Julianne M. O’Daniel, Erin M. Ramos, Avni B. Santani, Alan F. Scott, Sharon E. Plon, Heidi L. Rehm, Christa L. Martin, and Jonathan S. Berg
ClinGen – Clinical Genome Resource
ClinGen is a National Institutes of Health (NIH)-funded resource dedicated to building an authoritative central resource that defines the clinical relevance of genes and variants for use in precision medicine and research.
Key Goals
Several key goals support our overall mission of building a genomic knowledge base to improve patient care:
- Share genomic and phenotypic data provided by clinicians, researchers, and patients through centralized databases for clinical and research use
- Standardize the clinical annotation and interpretation of genomic variants
- Implement evidence-based expert consensus for curating genes and variants
- Improve understanding of variation in diverse populations to realize interpretation of genetic testing on a global scale
- Develop machine-learning algorithms to improve the throughput of variant interpretation
- Assess the “medical actionability” of genes and variants
- Structure and provide access to genomic knowledge for use in EHR ecosystems
- Disseminate the collective knowledge and resources for unrestricted use in the community
