Vererbungsmodus-optimierte Filtermethoden für die Mutationssuche in genomischen Hochdurchsatz-Sequenzdaten

点击翻译按钮获取中文摘要

Mit den neuen Hochdurchsatz-Sequenziertechnologien können nicht mehr nur einzelne Abschnitte des Genoms untersucht werden, sondern alle bekannten proteinkodierenden Gene eines Individuums auf einmal. Damit ergeben sich neuartige Möglichkeiten, aber auch Herausforderung bei der Suche nach krankheitsverursachenden Mutationen bei seltenen vererbten Krankheiten: War früher die Erzeugung der Sequenzrohdaten der Engpass, so ist es heute die effiziente computergestütze Analyse von Hochdurchsatz-Sequenzdaten, aufgrund der immensen Anzahl detektierter Sequenvarianten. Ziel unseres Projektes ist es, neuartige bioinformatische Filtermethoden für next generation sequencing (NGS) Datensätze zu entwickeln, die es erlauben in kombinierten, genomweiten Sequenzdaten vielversprechende Kandidaten zu identifizieren und krankheitsirrelevante Varianten auszusortieren, um dadurch die Anzahl der Mutationen, die einer anschließenden aufwändigeren funktionellen Analyse unterzogen werden müssen, drastisch zu reduzieren. Für autosomal rezessive Erkrankungen haben wir einen Algorithmus entwickelt, der die zu untersuchenden Kandidaten um das mehr als zehnfache reduzieren konnte. Nun werden statistische Modelle für verschiedene Vererbungsmodi (X-chromosal, autosomal-dominant), sowie Mischgewebe in der Tumorgenetik entwickelt. Von unserem Gesamtkonzept versprechen wir die krankheitsverursachende genetische Mutationen deutlich schneller identifizieren zu können.