Las variantes espliceogénicas, aquellas que afectan al mecanismo de splicing, contribuyen significativamente a la etiopatogenia de muchas enfermedades raras (ER). Sin embargo, su priorización e interpretación continúa siendo un desafío, especialmente la de variantes localizadas fuera de los sitios canónicos. Nuestro objetivo es diseñar una estrategia para la identificación de variantes espliceogénicas en casos no resueltos de distrofias hereditarias de retina (DHR).

El estudio comparativo de 13 predictores de splicing usando un grupo de 3647 variantes raras procedentes de ClinVar y HGMD-pro (cohorte de entrenamiento) ha permitido la redefinición de los puntos de corte y el posterior análisis combinatorial de seis de las herramientas. La combinación más eficaz de predictores fue evaluada en la cohorte de validación compuesta por 116 individuos con una ER que portaban 119 variantes espliceogénicas. El algoritmo desarrollado fue aplicado para el análisis de 217 familias de DHR no resueltas (cohorte experimental), de las cuáles 18 familias habían sido secuenciadas por WGS y el resto por un panel de genes personalizado.

La combinación de las herramientas SpliceAI y MaxEntScan resultó ser la más eficaz para el análisis de las variantes de splicing en su conjunto y el predictor BranchPoint (Alamut® Batch) para las variantes de branchpoint. La aplicación del flujo de trabajo desarrollado permitió la identificación de 40 variantes que podrían explicar el fenotipo en 27 familias de la cohorte experimental. Entre estas variantes, 19 eran potencialmente espliceogénicas de tipo: no canónicas (5), branchpoint (3), en regiones intrónicas profunda (7), sinónimas (2) y missense (2), cuya validación funcional se encuentra actualmente en proceso.

El flujo de trabajo desarrollado ha contribuido a aumentar hasta el 12.4% el rendimiento diagnóstico en pacientes con DHR no resueltos previamente, reforzando la importancia de las variantes espliceogénicas en la etiopatogenia de esta patología.