近期，CELL杂志连续发表了基因研究相关的20余篇文章，描绘了目前基因研究的进展及在医学领域的应用。不仅为我们总结了目前遗传学的前沿进展，而且指出了未来遗传学的发展方向，并着重强调了基因组学在疾病方面的应用。本次分享的文章描述了在测序技术的推动下罕见病诊断的发展现状和进展。

外显子测序（exome sequencing ，ES）技术的引入为临床罕见病（raregenetic diseases ，RDs）的诊断带来了曙光。然而，为使所有罕见病患者的诊断更加明确，该领域迫切需要制定和实施相应的策略使我们了解全部罕见病的发病机制，并将其转化到临床。 

ES已经成功应用于临床RD患者诊断中，其诊断率远远高于其他基因检测。目前，ES对临床上有特定表现和高度确定由遗传因素引起的RD患者，诊断率可能超过50%。尽管如此，ES数据仍有很大的诊断潜力：研究表明，对检测阴性的ES数据在1至3年后重新分析，可使诊断率提高10%（这是因为在最初的分析中，没有足够的证据证明候选变异或基因与疾病的关系，但是通过每年对10000种疾病变异(ClinVar和HGMD)和250种新的疾病基因关联(OMIM和Orphanet)的筛选，重新分析后有了证据）；通过与转诊医生合作再分析，诊断率提高约12%。与研究实验室合作通过应用新的计算工具、对更多家庭成员测序以及新基因的发现，可以进一步提高诊断率。这需要得到共享基因型和表型信息平台的支持，这些平台可以识别具有重叠表型和候选基因的患者，这种方法称为配对。尽管在过去十年中，捕获试剂盒持续增强其对编码序列的覆盖度，以及覆盖先前报道的启动子区域和已知疾病相关基因的内含子区域，但是ES的技术局限性已被充分认识。然而考虑到成本和其他实际情况，ES被认为将继续在RD诊断中发挥重要作用。

要实现ES理论诊断率的最大化，需要全球协作模式：每个病人都应该有机会加入研究。更国际化和数据共享最大化对于推动疾病基因发现、促进对变异的解释、增加对照数据和开发新的计算工具至关重要。同时，只有开发适当的计算体系结构，确保参与者隐私不泄露，并继续普及全球共享数据的观念，这种协作模式才能实现。

ES可以为一些RD患者提供诊断，但使用这种方法很难或不可能检测到某些疾病的致病基因 (Table 1)。例如，目前的分析方法不能常规地确定致病变异的嵌合现象，新的数据分析工具正在被开发来解决这种嵌合现象。同时，高深度和高覆盖度的高成本测序技术正在被开发，该技术将可以用于对嵌合体的检测。

某些致病变异完全被ES忽略，短读长的基因组测序(Genome sequencing，GS)在indel、CNVs和染色体重排方面的表现优于ES，而长读长GS有望进一步改进重排的检测和有能力识别RDs重复扩增变异。GS还能识别外显子外调控区的变异，如启动子、增强子、内含子区域或位于基因间的区域，尽管对这些变异的解释具有挑战性，但所列举的这些都指出GS优于ES，我们猜测GS会将RDs的诊断率至少提高10%。随着临床GS数据的积累和对基因内含子和基因间区域变异理解的提高，其诊断率将在未来几年显著提高。

一些新兴的测序技术通过评估变异功能重要性来提供辅助诊断。例如，转录组测序可评估可能会影响剪接或基因调控的变异功能，并且使已知基因的疾病诊断率提高10%～35%。尽管应用前景被看好，但由于获得某些相关组织面临挑战，它在RDs诊断中的广泛适用性仍是未知的。类似地，甲基化微阵列可能从功能方面解释印记基因引起的疾病，该类疾病是由印记基因的拷贝数变异导致的，而引起印记基因拷贝数变异的原因可能是表观遗传错误、单亲二体或调控该印记基因的DNA或其表达等位基因的CNVs/SNVs。目前，已经鉴定出分布在整个基因组中的100多个人类印记基因，而且很可能还会发现更多。此外，微阵列还可以检测与染色质异常相关的RDs的特定DNA甲基化表观特征。同样，在分析未诊断的RD患者的基因组数据时，应考虑非典型遗传模式；这将需要更复杂的数据分析方法，以便在诊断中识别这种机制（Table 1）。对于所有这些新技术，需要在临床应用之前建立诊断标准，以便尽可能多的为患者明确诊断。

除了单基因RDs，我们还将面临复杂病因RDs诊断的挑战，其主要受遗传因素驱动，而临床表现又受到其他因素的影响，这些RDs代表了另一个重要的研究领域。遗传和环境因素对RDs的相对影响取决于相互作用的基本机制（信号转导通路,未折叠蛋白质反应,表观遗传修饰等）。这种复杂机制需要通过功能分析和模型生物来验证。

相比之下，对二基因、寡基因和多基因遗传模型的研究可能看起来相对简单，这代表了另一个领域。为了进行此类分析并收集支持RD机制所需的统计证据，需要大量的表型、基因型和家族史数据。这些数据集的建立加强了向所有RD研究对象及其家属提供研究访问和数据共享的必要性。 

经过恰当的、高敏感性的遗传学检测阴性患者：通过探索新的诊断方法（包括新技术和计算工具）来评估可能的遗传病因。

由于遗传异质性基因检测阴性患者：除GS数据外，还可能需要转录组学、代谢组学、表观基因组学和蛋白质组学数据，以便进行数据比较，通过新的技术和计算工具来识别潜在变异。

基因阴性但临床可确诊的综合征患者：这类综合征可能是由于遗传、表型异质性、嵌合、表观遗传学、基因-环境相互作用和非孟德尔遗传导致。这类患者需要通过新技术、全球合作和数据共享来诊断。

未被描述的综合征患者：这些患者最适合采用GS方法，然后进行详细的基因型和表型数据共享，以供配对使用。

在精准公共卫生领域，我们面临着一个伟大的机遇:了解每一位RD患者的病因，并为每一位RD患者提供诊断。临床ES正在改变分子诊断，并将继续对这一医学领域产生显著影响。对于基因检测后仍未诊断的患者来说，未来仍是乐观的。大量新兴技术即将出现，并将在诊断中发挥重要作用。专注于大量患者和单个患者以及健康个体的数据计算方法将成为RD探索的下一个领域。当我们朝着诊断清晰化的目标努力时，我们将获得对RD基因组和随之而来的人类生物学的宝贵知识。重要的是，对于临床和研究界来说，需要一些跨领域的知识支持RD的诊断，不仅能达到当前的研究诊断水平，还能支持未来的新领域。首先，我们需要为所有的RD患者提供全基因组检测和参与研究的机会。在卫生系统层面，我们必须及时、优先和可持续地将经验证实的创新诊断方法应用于临床。展望未来，我们需要为这一领域新一代的科学家提供充足的资金支持和RDs数据，为他们的工作提供基础需求。最关键的是，我们必须认识到，RD诊断的未来将取决于国际研发界合作，朝着共同的目标努力。只有全球抓住这一重大机遇，每位RD患者才能在1年内得到诊断。

参考文献：

Boycott KM,et al. A Diagnosis for All Rare Genetic Diseases: The Horizon and the Next Frontiers.Cell. 2019;177(1):32-37.