Sentieon | 每周文献-Genetic Disease（遗传病）-第二期

 Answer ALS 是患者来源的诱导多能干 （iPS） 细胞系、来自 iPS 神经元的多组学数据以及来自 1，000 多名 ALS 患者的纵向临床和智能手机数据的生物学和临床资源。该资源提供人群水平的生物学和临床数据，可用于识别肌萎缩侧索硬化症（ALS）的临床-分子-生化亚型。采用基于智能手机的独特系统来收集深入的临床数据，包括精细运动活动、言语、呼吸和语言学/认知。

该研究收集了~1000例ALS患者的样本，构建了包含散发ALS样本~850例及正常对照iPSC细胞系，合计~1200例。同时收集了大量的多组学数据，包括基因组、表观基因组、转录组、蛋白质组、ALS患者临床信息及智能设备采集数据等，并对这些数据进行了深入的计算分析和整合。

 在全基因组数据分析部分，研究者使用Sentieon来该队列（~1000例WGS）联合基因分型。由于Sentieon最大程度遵循了GATK最佳实践分析流程，因此在整个分析流程中可以保持GATK分析流程完美兼容，同时保证了分析的准确性和高效性。

总结：在散发性ALS发病机制尚未探明并缺乏大规模人群组学数据的背景下，本文通过构建了~1000例ALS患者及正常对照iPSC细胞系及整合了基因组、转录组、表观遗传组、蛋白组、临床信息及智能设备采集数据等多维度数据，形成了目前为止关于ALS最全面的数据资源，并对已有数据进行了初步探索性分析。在全基因组数据整合过程中，Sentieon软件因高效的工程实现和最大程度忠于GATK最佳实践流程确保了数据分析的快速、准确及兼容性。

 心脏离子通道病的患病率和遗传具有人群特异性。本文使用1029个自述健康的印度人全基因组数据及53个独立的全外显子验证数据集研究了印度心脏离子通道病的人群特征及特异性变异。

 该研究数据分析部分使用Ilumina DRAGEN v3.4 Bio-IT 平台对全基因组及全外显子数据进行标准分析。使用Sentieon对全基因组数据（1029个样本）进行联合基因分型。

 本研究利用IndiGenomes数据集（使用Sentieon进行联合基因分型）和独立的全外显子验证数据集对已知的36个心脏离子通道病基因上的变异进行过滤并根据ACMG指南进行分类及独立验证。最终，鉴定到124个在印度人群中特有的变异，并确定了13个致病/可能致病的突变位点。其中，3个突变位点在53个人构成的独立外显子队列中得到了验证。

总结：本文通过对1029个样本构成的自述健康的印度人群全基因组数据研究发现了印度人群特有的心脏离子通道病相关基因，并估算了该疾病的流行率。通过适当的生活方式改变及治疗干预可以有效减轻心源性猝死的风险。此类研究需要进行大规模人群筛查，以识别高危人群并采取预防措施。此过程中，高效、精准的的变异检测软件（如Sentieon）为大规模人群基因组分析提供了重要支撑。