应用多种预测算法的分子诊断癫痫(S26.004)

文摘

摘要目的:本研究的目的是寻找突变SCN1A患者Dravet Doose综合症,建立genotype-phenotype相关性使用预测算法作为一种工具来确定潜在的有害突变。

背景Dravet和Doose症状严重形式的癫痫的临床表现包括全身性癫痫伴发热性发作+ (gef +)。突变SCN1A已确定的病人在这个光谱。然而,这些突变的预后价值和可能与不同的临床表型的相关性尚不清楚。

设计/方法:我们进行了SCN1A突变筛选15 Dravet综合症患者和13 Doose综合症。八个预测算法被用来分析蛋白质功能的突变可能造成的影响。此外,MLPA技术用于检测拷贝数变化SCN1A。

结果:十二个突变被发现在80%的患者Dravet综合症:六个错义突变(50%)影响蛋白质功能预测,三个剪切位点突变,两个删除和插入。突变大多位于孔隙地区和蛋白c端。Doose综合症患者没有突变。此外,没有发现拷贝数变异。

结论:我们发现高的频率SCN1A突变Dravet综合症患者(80%),因此这表明分子识别这些患者测试是有用的。此外,我们的研究结果表明,错义突变可以引起严重的表型取决于它的位置和类型的氨基酸替换。此外,我们的战略预测有害突变的影响使用多个算法能够提供有价值的信息,帮助临床医生做出决定。关于Doose综合症,SCN1A测试似乎并没有临床相关。

支持:FAPESP,必须占州政府CNPq。

披露:Gonsales博士没有披露。Preto博士没有披露。黑山博士没有披露。Guerreiro博士没有披露。Lopes-Cendes博士没有披露。