23170 - DISEÑO DE UN PANEL Y HERRAMIENTAS DE ANÁLISIS PARA DETECTAR NUEVAS VARIANTES Y FACILITAR LA DETECCIÓN DE EXPANSIONES EN PACIENTES DE ELA MEDIANTE LA TECNOLOGÍA DE SECUENCIACIÓN DE LECTURAS LARGAS
1Grupo de Enfermedades Neurológicas. Fundación para la Investigación Biomédica. Hospital Clínico San Carlos. Facultad de Informática. UCM; 2Servicio de Neurología. Hospital Clínico San Carlos. Fundación para la Investigación Biomédica. Facultad de Medicina. UCM; 3Grupo de Enfermedades Neurológicas. Hospital Clínico San Carlos. IdISSC; 4Departamento de Arquitectura de Computadores y Automática. Facultad de Informática. UCM.
Objetivos: La esclerosis lateral amiotrófica (ELA) es un trastorno neurodegenerativo fatal y multifactorial; solo en el 10% de los casos se identifica una causa genética. El objetivo es poner a punto un pipeline bioinformático usando la tecnología de secuenciación de cadena larga de Oxford Nanopore (ONT) para identificar nuevos factores genéticos superando las limitaciones de la tecnología de secuenciación de cadena corta.
Material y métodos: Se puso a punto un protocolo de análisis bioinformático con bases de datos publicadas. Se extrajo ADN de sangre total de 4 pacientes de ELA y 2 controles sanos. Se realizó la secuenciación de genoma completo en un PromethION P2® durante 72 horas cada uno. Se identificaron regiones ampliamente cubiertas en comparación con Illumina® y se diseñó un panel de genes y regiones de interés (ROI) que representan un 5% del genoma para ser utilizado en adaptive sampling.
Resultados: Cada muestra secuenciada generó una media de 5M de lecturas de 12kpb de longitud, calidad media de 17 y coverage de 15. Utilizando los programas Nanoplot®, Minimap2®, Mosdepth®, Clair3®, Sniffles2®, SnpEff®, Spectre® y STRique® se identificó un número significativo de variantes estructurales nuevas, como el número de expansiones en C9ORF72, así como patrones de metilación afectados. Analizando un panel de regiones génicas por la técnica de adaptive sampling se reduce el coste, estudiando con precisión las ROI.
Conclusión: La tecnología ONT en genoma completo permite detectar variantes de forma óptima y eficiente, como son las estructurales y repeticiones, facilitando la identificación de nuevas variantes, además de suponer una mejora en coste e implementación para la práctica clínica.



