fa پیاده‌سازی و بهینه‌سازی مرحله حاشیه‌نویسی و تفسیر داده‌های نسل نوین توالی‌یابی برای بیماری ناشنوایی غیر‌سندرمیک اتوزومی مغلوب بیوانفورماتیک Bioinformatics پژوهشي اصیل Original Article <span style="font-family:Tahoma;"><strong><span style="color:black;">مقدمه:</span></strong><span style="color:black;"> دقت و زمان لازم برای آنالیز داده‌های نسل نوین توالی‌یابی (</span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">NGS</span></span></span><span style="color:black;">) بسته به ابزارهای استفاده شده برای هم‌ترازی، فراخوانی واریانت، حاشیه‌نویسی، اولویت‌بندی و فیلترینگ واریانت‌ها، تسلط افراد به تحلیل و تفسیر داده‌ها و ظرفیت محاسباتی آزمایشگاه متفاوت بوده و بهینه‌سازی آن یک مسئله چالش برانگیز است.</span><span dir="LTR"><span style="color:black;"></span></span><br> <strong><span style="color:black;">روش:</span></strong><span style="color:black;"> یک نرم‌افزار کاربردی به منظور بهینه‌سازی مرحله‌ سوم آنالیز داده‌های </span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">NGS</span></span></span> <span style="color:black;">طراحی و با زبان برنامه‌نویسی </span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">C</span></span></span><span style="color:black;"><span style="font-size:11.0pt;"># </span></span><span style="color:black;">پیاده‌سازی شد. در این مطالعه روند حاشیه‌نویسی، فیلترینگ و تفسیر داده‌های </span><span dir="LTR"><span style="color:black;"><span style="font-size:11.0pt;">NGS</span></span></span> <span style="color:black;">برای بیماری ناشنوایی غیرسندرمیک با وراثت اتوزومی مغلوب به طور اختصاصی بهینه شده است.</span><span style="font-family:B Mitra;"></span><br> <strong><span style="color:black;">نتایج</span></strong><strong>:</strong> داده مربوط به بیماری که دارای یک جهش بیماری‌زای تأیید شده توسط آنالیز ژنتیکی فامیلی بود و تعداد واریانت‌های اولیه در فایل حاصل از آنالیز مراحل اولیه وی شامل 671829 واریانت می‌شد توسط نرم‌افزار پیاده‌سازی شده مورد تحلیل قرار گرفت. بعد از انجام مرحله‌ اولویت بندی خودکار واریانت‌ها با استفاده از فایل <span dir="LTR">BED</span>، تعداد واریانت‌ها 508 شد. با توجه به شجره‌ی خانوادگی بیمار در مرحله بعدی آنالیز واریانت‌های هوموزیگوت انتخاب شدند و به این ترتیب تعداد واریانت‌ها به 187 رسید. بعد از اعمال آستانه فراوانی جمعیتی 0/6% در پایگاه‌های داده <span dir="LTR">genomAD</span> و <span dir="LTR">ExAC</span> تعداد واریانت‌های باقی‌مانده به ترتیب 110 و 3 واریانت شد. پاتوژن شناسایی شده نهایی با نتیجه‌ی توالی‌یابی سنگر که به منظور بررسی هم‌تفکیکی&nbsp; واریانت مورد نظر در خانواده انجام شده بود، همخوانی داشت. مدت زمان آنالیز توسط نرم‌افزار طراحی شده بر روی یک کامپیوتر شخصی متوسط 15 دقیقه بود.<br> <strong>نتیجه‌گیری:</strong> نرم‌افزار طراحی شده کاملاً گرافیکی و بدون نیاز به کدنویسی است که علاوه بر قابلیت مقایسه و یکپارچه کردن فایل‌های ورودی، امکان ایجاد یک دیتابیس داخلی از فایل<span dir="LTR">‌</span>های آنالیز شده، امکان اعمال محدودیت ناحیه آنالیز و آستانه‌گذاری بر فیلدهای مختلف پایگاه‌های داده‌ انتخابی توسط کاربر را دارد.</span><span dir="LTR"></span><span dir="RTL"> </span> <strong>Introduction:</strong> The precision and time required for analysis of data in next-generation sequencing (NGS) depends on many factors including the tools utilized for alignment, variant calling, annotation and filtering of variants, personnel expertise in data analysis and interpretation, and computational capacity of the lab and its optimization is a challenging task.&nbsp;<br> <strong>Method:</strong> An application software was designed and implemented in C# for optimizing the third step of NGS data analysis. In this study, annotation, filtering, and interpretation of NGS data were specifically optimized for non-syndromic autosomal recessive hearing loss disease.<br> <strong>Results:</strong> Whole-exome sequencing data of a patient with a pathogenic mutation confirmed by familial genetic analysis, which contained a total number of 671829 variants after primary analysis, were evaluated by the implemented software. After filtering the variants based on a predefined BED file, 508 variants remained. According to the patient&rsquo;s pedigree, in the next step of analysis, homozygote variants were selected and only 187 variants remained. After applying the population frequency threshold of 0.6% on gnomeAD and ExAC databases, the number of variants reached 110 and 3, respectively. The identified pathogen was approved by the results of Sanger sequencing done for family co-segregation. This analysis took about 15 minutes on a moderate PC.<br> <strong>Conclusion</strong>: The designed software is a fully graphical one that has the capability of comparing, viewing, filtering, and merging input files without any coding. Moreover, it can construct a local database from the analyzed files and apply region constraints and user-defined thresholds on various fields of the database. نسل نوین توالی‌یابی, حاشیه‌نویسی, تعیین اثر واریانت, فیلترینگ واریانت‌ها Next-Generation Sequencing, Annotation, Variant Effect, Variant Filtering 435 444 http://jhbmi.ir/browse.php?a_code=A-10-667-1&slc_lang=fa&sid=1 Mehdi Shahhoseini مهدی شاه حسینی mahdi_sh1387@yahoo.com 10031947532846006228 10031947532846006228 No M.Sc. in Biomedical Engineering- Bioelectric, Bioinformatics Dept., Faculty of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran کارشناسی ارشد مهندسی پزشکی- بیوالکتریک، گروه بیوانفورماتیک، دانشکده فناوری‌های نوین پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران Newsha Molavi نیوشا مولوی newmolavi@gmail.com 10031947532846006229 10031947532846006229 No M.Sc. in Human Genetics, Genetics and Molecular Biology Dept., Faculty of Medicine, Isfahan University of Medical Sciences, Isfahan, Iran کارشناسی ارشد ژنتیک انسانی، گروه ژنتیک و بیولوژی مولکولی، دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران Mohammad Amin Tabatabaiefar محمدامین طباطبائی‌فر tabatabaiefar@gmail.com 10031947532846006230 10031947532846006230 No Ph.D. in Medical Genetics, Associate Professor, Genetics and Molecular Biology Dept., Faculty of Medicine, Isfahan University of Medical Sciences, Isfahan, Iran دکتری تخصصی ژنتیک پزشکی، دانشیار، گروه ژنتیک و بیولوژی مولکولی، دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران Mohammadreza Sehhati محمدرضا صحتی mr.sehhati@gmail.com 10031947532846006231 10031947532846006231 Yes Ph.D. in Biomedical Engineering- Bioelectric, Assistant Professor, Bioinformatics Dept., Faculty of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran دکتری تخصصی مهندسی پزشکی- بیوالکتریک، استادیار، گروه بیوانفورماتیک، دانشکده فناوری‌های نوین پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران