利用畸形学( Dysmorphology )中新一代表型分析( Next-Generation Phenotyping , NGP )辅助 Mowat-Wilson 综合征( Mowat-Wilson Syndrome , MWS )的变异解读

《Neurology Genetics》：Leveraging Next-Generation Phenotyping in Dysmorphology to Support Variant Interpretation in Mowat-Wilson Syndrome

　　

摘要：Mowat-Wilson综合征( Mowat-Wilson Syndrome , MWS ; OMIM #235730 )是由ZEB2基因杂合致病变异引起的常染色体显性罕见单基因神经发育障碍，临床表型异质性强，传统美国医学遗传学与基因组学学会( American College of Medical Genetics and Genomics , ACMG / AMP )指南中的PP4证据常因表型评估主观而未被充分利用。研究人员探讨将面部图像计算分析工具GestaltMatcher的新代表型分析( Next-generation Phenotyping , NGP )结果量化为似然比( Likelihood Ratio , LR )，以客观支持ACMG PP4标准的应用，并联合人类表型本体( Human Phenotype Ontology , HPO )分析及外显子组数据通过PEDIA框架进行候选致病基因排序。研究人员对一名发育迟缓疑诊MWS患儿进行深度表型描述，采用GestaltMatcher计算面型相似度得分( Gestalt Score )，推导对应PP4支持( Supporting )、中等( Moderate )、强( Strong )及非常强( Very Strong )四级阈值的Gestalt Score cutoff值，并结合HPO特征与模拟外显子组数据运行PEDIA支持向量机模型。此外研究人员探索用ResNet-50卷积神经网络提取脑MRI矢状位T1加权像特征向量并以t分布随机邻域嵌入( t-distributed Stochastic Neighbor Embedding , t-SNE )可视化，评估MWS患者与健康对照脑结构差异。结果显示先证者4张面部图像中3张达PP4_Moderate阈值( Gestalt Score ≥0.5672 )、1张达PP4_Supporting阈值( ≥0.5111 )，结合原有ACMG证据可将原临床实验室判定的ZEB2可疑意义变异( Variant of Uncertain Significance , VUS ; NM_014795.4:c.3237del; p.Tyr1080ThrfsTer28 )重新归类为疑似致病变异( Likely Pathogenic , LP )。PEDIA整合CADA评分( HPO相似性 )、GestaltMatcher评分及CADD评分后ZEB2基因为首位候选致病基因。内部另一例分子确诊婴幼儿面部图像经GestaltMatcher亦将MWS列为首位鉴别诊断。MRI特征提取显示MWS组与年龄匹配对照组在特征空间可明显区分，先证者存在胼胝体体部变薄。研究表明NGP可通过量化面容表型特异性客观支撑ACMG PP4标准，联合多模态深度表型分析与整合分子数据能提升罕见综合征候选致病基因排序准确性及VUS再分类可靠性，为缺乏临床遗传学专家的诊疗场景提供辅助工具。

论文解读：

《Neurology Genetics》刊载的本研究针对Mowat-Wilson综合征(Mowat-Wilson Syndrome, MWS)——一种由ZEB2基因单等位基因功能缺失性致病变异导致的罕见常染色体显性神经发育障碍——开展探索。MWS临床以中重度智力低下、癫痫、先天性异常(心脏/肾脏/Hirschsprung病)及特征性颅面畸形( broad forehead宽额、thick eyebrows浓眉、short columella短鼻小柱、broad nasal tip宽鼻尖、low-set and posteriorly rotated ears耳位低且后旋伴上翘耳垂、pointed chin尖下巴、full lower lip下唇丰满)与脑结构异常(尤胼胝体发育不全)为核心表现。当前二代测序临床应用中，ZEB2基因意义未明变异(Variant of Uncertain Significance, VUS)的解读高度依赖临床表型匹配度，而ACMG/AMP指南中PP4标准("表型高度特异指向某单基因病因疾病可支持致病性判定")常因非遗传学医师难以识别细微畸形特征、主观判断差异大而未获充分应用，导致VUS无法升级为疑似致病变异(Likely Pathogenic, LP)延误确诊。本研究旨在验证新一代表型分析(Next-Generation Phenotyping, NGP)工具GestaltMatcher量化面部特征相似度得分(Gestalt Score)以匹配ClinGen序列变异解读工作组推荐的似然比(Likelihood Ratio, LR)框架，将面容表型客观映射至ACMG PP4各证据等级阈值，并结合HPO深度表型标注与整合外显子组/分子致病性评分的PEDIA框架提升ZEB2候选基因排序能力，同时初步探索深度学习对MWS特征性脑MRI结构异常的自动判别潜力，为多模态NGP辅助罕见综合征变异解读提供概念验证。

主要关键技术方法：研究纳入先证者为4岁女性全面发育迟缓伴MWS拟诊体征及ZEB2 NM_014795.4:c.3237del(p.Tyr1080ThrfsTer28) VUS患儿，内部验证另纳入1例分子确诊ZEB2无义变异(c.1489C>T; p.Q497*)男婴。面部NGP采用GestaltMatcher-Arc(简称GestaltMatcher)，基于GestaltMatcher Database(GMDB)中7275例275种罕见病9671张图像预训练，提取12维面部表型描述符(Facial Phenotype Descriptor, FPD)计算余弦距离并转换为Gestalt Score(=1.3?余弦距离)，以MWS患者61张训练图与610张其他综合征对照图推导PP4四级LR对应阈值并在5张MWS测试图+50张对照中验证。基因优先级评估采用PEDIA框架，整合CADA API计算的HPO相似性评分(CADA score)、Gestalt Score及从1000 Genomes Project健康对照植入已知致病变异注释的CADD v1.6评分，经支持向量机(Support Vector Machine, SVM)输出PEDIA score排序。脑MRI NGP选取显示中线结构(含胼胝体)的矢状T₁加权单层切片，用ImageNet预训练ResNet-50作特征提取器，计算特征向量欧氏距离并以t-SNE降维可视化，MWS组含文献报道8例+先证者+1例内部+1例香港患儿共11例，对照为Calgary Preschool MRI Dataset中14例年龄匹配健康儿童。

研究结果：

患者临床与分子分析结果：先证者女童4岁，1岁起全面发育迟缓(沟通/大运动/精细运动/个人-社交域显著落后)、表达性语言严重延迟、间歇性简单词汇、伴内斜视(esotropia)、远视(hypermetropia)、流涎(sialorrhea)、快乐性情(happy demeanor)、第3/4/5趾屈曲(clinodactyly)及趾增宽。19月头颅MRI示胼胝体体部可疑变薄，染色体微阵列正常。临床外显子测序检出ZEB2 c.3237del为VUS(实验室依据PVS1_Moderate末外显子截短无NMD+PS2_Moderate新发+PM2_Supporting gnomAD未收录判定)。4岁临床遗传学团队深表型复核见典型MWS面容(宽额、浓眉、短鼻小柱、宽鼻尖、高鼻梁、低后旋耳伴上翘耳垂、丰满下唇、尖下巴、肌张力低下面容)，结合发育特征判定符合MWS临床表型，ZEB2变异应升为LP(PVS1_VeryStrong+PM2_Moderate+PP4_Moderate)。GestaltMatcher以正面面部照将MWS列为首要鉴别诊断。由此推荐行MWS相关心脏超声及肾脏超声随访监测，无临床癫痫发作暂不行EEG。结论：临床遗传学家深表型可纠正实验室VUS误判，NGP面容分析为临床诊断提供客观外部佐证。

面部图像分析促进基于表型特异性的变异优先级划分结果：先证者HPO标注含Global developmental delay(HP:0001263)、Delayed speech and language development(HP:0000750)、Severe expressive language delay(HP:0006863)、Aggressive behavior(HP:0000718)、Thin corpus callosum(HP:0033725)、Esotropia(HP:0000565)、Hypermetropia(HP:0000540)、Happy demeanor(HP:0040082)及需遗传学专家识别的Short columella(HP:0002000)、Broad nasal tip(HP:0000455)、Low-set ears(HP:0000369)、Posteriorly rotated ears(HP:0000358)、Uplifted earlobe(HP:0009909)、Broad forehead(HP:0000337)、Thick eyebrows(HP:0000574)。单独CADD评分ZEB2排第5；CADA评分(基于上述HPO)ZEB2排第1；GestaltMatcher评分ZEB2排第1；三者整合PEDIA评分ZEB2均排第1。逐步加入需专家判读的颅面HPO术语(自short columella起始)显著改善CADA基因排序，"Aggressive behavior"因非MWS典型特征轻微劣化排序但加入"Happy demeanor"恢复改善。结论：专家级畸形学特征标注与NGP面容评分均能独立提升候选基因排序，整合多源表型评分效果最优。

NGP衍生Gestalt Score对应PP4各级阈值计算结果：MWS组(n=61训练/5验证)与对照组Gestalt Score分布分离良好。基于ClinGen SVI推荐LR建立cutoff——PP4_Supporting：Gestalt Score≥0.5111(LR目标≥2.08，训练集LR≈4.29，验证集LR≈5)；PP4_Moderate：≥0.5672(LR目标≥4.3，训练LR≈18.48，验证LR≈16.66)；PP4_Strong：≥0.6609(LR目标≥18.7，训练LR→285无对照超阈值)；PP4_Very Strong：≥0.7632(LR目标≥350，训练/验证均无对照超阈值)。先证者4张图中3张≥0.5672达PP4_Moderate、1张≥0.5111达PP4_Supporting。加此NGP量化PP4_Moderate证据与原ACMG PVS1_VeryStrong+PM2_Moderate将ZEB2 VUS升为LP。结论：NGP可输出符合贝叶斯框架的客观PP4分级证据。

NGP应用于内部另一例确诊MWS婴幼儿的结果：对该分子确诊ZEB2 p.Q497*男婴仅输入面部图像行盲法分析，GestaltMatcher仍将MWS列为top 1鉴别诊断，提示NGP对婴儿期尚不典型MWS面容具早期识别潜力(虽单例未构成验证)。

脑MRI发现：先证者MRI示胼胝体体部变薄，无白质病变、脑室扩大、皮质发育异常、基底节或小脑异常。ResNet-50提取MWS组与对照组矢状T₁像特征向量，组内距离(对照蓝)小于组间距离(红)，t-SNE投影见MWS(橙)与对照(蓝)形成分离聚类。结论：深度学习提取MRI特征可区分MWS与正常对照，薄胼胝体与既往大样本MWS影像报道吻合，证明脑结构NGP可作面部表型外第二模态辅助表征。

讨论部分总结(结论翻译)：神经发育障碍人群患病率>3%且表型高度异质，NGP技术有望弥补基层非遗传学医师深表型能力不足之缺口，以自动化量化面容及影像表型拓宽诊断专长可及性，但其定位为辅助而非替代临床遗传学家之整合判断(含家族史/发育评估/查体/实验室/影像学)。本研究证实GestaltMatcher对MWS具诊断效用，将Gestalt Score按LR映射至ACMG PP4标准可为变异解读提供客观、标准化表型权重降低评定者间变异；扩展至脑MRI NGP显示多模态表型解析可行性。需指出本研GestaltMatcher训练验证集较小、外显子组数据为模拟、MRI仅单层切片且样本量有限、为单中心单病例概念验证，需多中心大样本不同族裔及年龄段验证。综上研究为NGP整合入罕见神经发育病变异解读流程提供原理验证，经进一步开发验证可助缩窄表型判读主观性、提升VUS再分类一致性，支持未确诊疾病项目加速罕见病诊断。