Qualität in der Hochdurchsatz-Geno­typisierung ist machbar

Fragen der Qualitätssicherung von Daten, die bei der Hoch­durch­satz-Geno­typisierung generiert werden, reichen von Problemen der Validität und Plausibilität über die Erkennung und Vermeidung von Fehlern bis hin zu Anforderungen an Datenhaltung und Datentransfer. Gemäß dem Motto der TMF - "das Rad nicht immer wieder neu erfinden" - hat die Projektgruppe die verschiedensten Verfahren der Verarbeitung und Analyse von Geno­typisierungs­daten systematisch nach Qualitäts­gesichts­punkten geprüft, verglichen und bewertet.

Präsentiert wurden einerseits Empfehlungen zur Wahl geeigneter Qualitäts­sicherungs­verfahren, andererseits aber auch konkrete Hilfsmittel in Form von Begleit­dokumenten oder Software-Tools. In der Veranstaltung wurden wesentliche Aussagen und Ergebnisse aus den einzelnen Teilprojekten hervorgehoben:

• Calling-Algorithmen: Insgesamt wird CRLMM als der beste Allel-Calling-Algorithmus empfohlen. JAPL kommt in Frage, wenn möglichst viele Personen in den Analysen berücksichtigt werden müssen, während Chiamo  die meisten Vorteile bietet, wenn viele SNPs in den Analysen verwendet werden sollen.
• Es wurde gezeigt, dass sich die Analyse von Cluster-Plots anhand der drei Kriterien „Kompaktheit“, „Verbundenheit“ und „Trennbarkeit“ erfolgreich algorithmisieren lässt. Die Ergebnisse werden als R-Paket verfügbar gemacht.
• SNP-Daten müssen vor einer Weitergabe an Dritte oder zur kooperativen Bearbeitung mit Begleit­informationen – beispielsweise zum DNA-Sample, zum Geno­typisierungs­prozess oder zur Patienten­einwilligung – versehen werden. Zur Erfassung solcher Daten wurde ein konsentiertes Formular erstellt.
• Bei Software für die Aufbereitung von SNP-Daten konnten deutliche (Geschwindigkeits-)Vorteile für das Programm GenABEL nachgewiesen werden.
• Eine konsentierte Nomenklatur für nicht-kanonische Intensitäts-Cluster von SNPs auf Illumina Geno­typisierungs­chips wurde erstellt. Sie dient als Grundlage für eine Verbesserung automatisierter Calling-Verfahren, um nicht nur drei sondern auch vier, fünf und mehr Cluster korrekt zu erfassen und Genotypen mit höherer Präzision zu erhalten.
• Es wurde gezeigt, dass Scores zur Cluster­validierung geeignet sind, um fehlerhafte Genotypen zu identifizieren. Kriterien wie Call Rate, MAF oder HWE sind unverzichtbar und komplementär zu Scores. Der „silhouette score“ wird als unabhängiges Kriterium weiter empfohlen.
• Für eine standardisierte und systematische Qualitätskontrolle von Replikations-Geno­typisierungs­daten wurde im Rahmen des Projektes die Software „RepliCheckSNP“ entwickelt und in der Veranstaltung vorgeführt.
• Zur Speicherung von Geno­typisierungs­daten werden de-normalisierte BLOBs („Binary Large Objects“) empfohlen.
• Daten­schutz­empfehlungen beinhalten unter anderem die Einbindung von Daten­treu­händern.

Als Genotypisierung bezeichnet man die Analyse des Genotyps, also der molekular kodierten Erbanlagen eines Organismus. Sie ist die entscheidende molekular­genetische Methode im Rahmen so genannter Assoziations­studien, die zur Identifizierung von „Krankheitsgenen“ dienen. Dabei werden die Erbanlagen einer möglichst großen Gruppe von Personen, die eine bestimmte Krankheit ausgebildet haben, mit den Erbanlagen einer nicht von der Krankheit betroffenen Gruppe verglichen. Auf Basis einer DNA-basierten Genotypisierung lassen sich beispielsweise Arzneimittel gezielt für bestimmte Patientengruppen einer spezifischen genetischen Ausprägung entwickeln.