VCFWeb: Aplicación web para el filtrado de variantes en formato VCF y diseño de estrategias para su priorización e integración con distintos tipos de datos

Abstract

Las nuevas estrategias de secuenciación del ADN, como (NGS, Next-Generation Sequencing) permiten a los genetistas identificar rápidamente las variaciones genéticas en muchos genomas humanos. Sin embargo, ser capaz de aislar unas pocas variantes que puedan ser causales de enfermedad, sigue siendo un desafío importante para la genética médica. El formato de archivo estándar para contener llamadas de variante es el archivo VCF (variant call format). Este formato, no es fácilmente manejable, ya que contiene información muy diversa y resulta complicado representar las variantes de forma plana. Además se trabaja con grandes volúmenes de datos, y los recursos son limitados. Mediante la elaboración de un parseador de ficheros en formato VCF, obtenido a partir de las lecturas en crudo de diversas secuencias, se genera una estructura de datos que es explotada desde una herramienta web, que se desarrolla también como parte del proyecto. Como resultado se obtiene una aplicación web intuitiva y eficiente para los investigadores del CNIC (Centro Nacional de Investigaciones Cardiovasculares), para intentar reducir al máximo posible el número de variantes tras pasar por los procesos de filtrado y priorización. Dependiendo del tipo de enfermedad, se llegará a unas pocas variantes candidatas potencialmente causales de enfermedad, y esto permitirá, en ocasiones, tomar medidas de prevención antes de que aparezcan los primeros síntomas, pudiendo en algunos casos evitar o reducir considerablemente la enfermedad.

New DNA sequencing strategies, such as (NGS, Next-Generation Sequencing) allow geneticists to quickly identify genetic variations in many human genomes. However, being able to isolate a few variants that may be causative of disease continues to be a major challenge for medical genetics. The standard file format for containing variant calls is the VCF file (variant call format). This format is not easily manageable, since it contains very diverse information and it is difficult to represent the variants in a flat way. Furthermore, we work with large volumes of data, and resources are limited. Through the elaboration of a VCF file parser, obtained from the raw reads of sequences of different characteristics, a data structure is generated and it is exploited from a web tool, which is also developed as part of the project. As a result, an intuitive and efficient web application for CNIC researchers (National Center for Cardiovascular Research) has been obtained, as an attempt to reduce the number of variants as much as possible after passing through the filtering and prioritizing processes. The researcher will obtain, depending on the type of disease, a few candidate variants potentially causative of illness, and this will allow, on occasions, to take preventive measures before the first symptoms appear, being able in some cases to avoid or considerably reduce the disease.

Les noves estratègies de seqüenciació de l'ADN, com (NGS, Next-Generation Sequencing) permeten als genetistes identificar ràpidament les variacions genètiques en molts genomes humans. No obstant això, ser capaç d'aïllar unes poques variants que puguin ser causals de malaltia, segueix sent un desafiament important per a la genètica metgessa. El format d'arxiu estàndard per contenir trucades de variant és l'arxiu VCF (variant call format). Aquest format, no és fàcilment manejable, ja que conté informació molt diversa i resulta complicat representar les variants de forma plana. A més es treballa amb grans volums de dades, i els recursos són limitats. Mitjançant l'elaboració d'un parseador de fitxers en format VCF, obtingut a partir de les lectures en cru de diverses seqüències, es genera una estructura de dades que és explotada des d'una eina web, que es desenvolupa també com a part del projecte. Com a resultat s'obté una aplicació web intuïtiva i eficient per als investigadors del CNIC (Centre Nacional de Recerques Cardiovasculars), per intentar reduir al màxim possible el nombre de variants després de passar pels processos de filtrat i priorització. Depenent del tipus de malaltia, s'arribarà a unes poques variants candidates potencialment causals de malaltia, i això permetrà, en ocasions, prendre mesures de prevenció abans que apareguin els primers símptomes, podent en alguns casos evitar o reduir considerablement la malaltia.