ABSTRACT Recommendations from the American College of Medical Genetics and Genomics and the Association for Molecular Pathology (ACMG/AMP) for interpreting sequence variants specify the use of computational predictors as Supporting level of evidence for pathogenicity or benignity using criteria PP3 and BP4, respectively. However, score intervals defined by tool developers, and ACMG/AMP recommendations that require the consensus of multiple predictors, lack quantitative support. Previously, we described a probabilistic framework that quantified the strengths of evidence (Supporting, Moderate, Strong, Very Strong) within ACMG/AMP recommendations. We have extended this framework to computational predictors and introduce a new standard that converts a tool’s scores to PP3 and BP4 evidence strengths. Our approach is based on estimating the local positive predictive value and can calibrate any computational tool or other continuous-scale evidence on any variant type. We estimate thresholds (score intervals) corresponding to each strength of evidence for pathogenicity and benignity for thirteen missense variant interpretation tools, using carefully assembled independent data sets. Most tools achieved Supporting evidence level for both pathogenic and benign classification using newly established thresholds. Multiple tools reached score thresholds justifying Moderate and several reached Strong evidence levels. One tool reached Very Strong evidence level for benign classification on some variants. Based on these findings, we provide recommendations for evidence-based revisions of the PP3 and BP4 ACMG/AMP criteria using individual tools and future assessment of computational methods for clinical interpretation.

Missense variants of uncertain significance (VUS) in the BRCA1 and BRCA2 cancer predisposition genes confound clinical interpretation. To improve methods for classification of VUS, functional data for 248 BRCA1 and 207 BRCA2 variants were comprehensively compared to 40 in-silico prediction algorithms, using default and optimized thresholds. Integrated frameworks predicting the pathogenicity of BRCA1 and BRCA2 missense variants were also developed using a random forest model (RF) and a naive voting method (NVM). Both models yielded high area under the receiver operating characteristic curve (AUC) (>0.90) for pathogenic variants in these genes. When applied to other genes, the predictive ability of the models were superior to other algorithms. The quantitative prediction of functional impact of all possible variants in clinically relevant functional domains of BRCA1 and BRCA2 using these models provides the first high-throughput validated method for classification of VUS identified by clinical genetic testing.

The American College of Medical Genetics and Genomics (ACMG) guidelines for sequence variant classification include two criteria, PP3 and BP4, for combining computational data with other evidence types contributing to sequence variant classification. PP3 and BP4 assert that computational modeling can provide Supporting evidence for or against pathogenicity within the ACMG framework. Here, leveraging a meta-analysis of ATM and CHEK2 breast cancer case-control mutation screening data, we evaluate the strength of evidence determined from the relatively simple computational tool Align-GVGD. Importantly, application of Align-GVGD to these ATM and CHEK2 data is free of logical circularities, hidden multiple testing, and use of other ACMG evidence types. For both genes, rare missense substitutions that are assigned the most severe Align-GVGD grade exceed a "Moderate pathogenic" evidence threshold when analyzed in a Bayesian framework; accordingly, we argue that the ACMG classification rules be updated for well-calibrated computational tools. Additionally, congruent with previous analyses of ATM and CHEK2 case-control mutation screening data, we find that both genes have a considerable burden of pathogenic missense substitutions, and that severe ATM rare missense have increased odds ratios compared to truncating and splice junction variants, indicative of a potential dominant-negative effect for those missense substitutions.

Colorectal cancer (CRC) has a large hereditary component, which is only partially explained by known genetic causes. Recently, variants in ribosomal protein S20 ( RPS20 , [OMIM: 603682]) were identified in a family with familial CRC type X and in a CRC cancer case-control screen. This study describes a novel splice donor variant in RPS20 , NM_001023.3:c.177+1G>A. It segregates with CRC [OMIM: 114500] and polyposis [HP: 0200063] within the proband’s family. Reverse transcription-polymerase chain reaction (RT-PCR) confirms the variant results in two aberrantly-spliced transcripts that are absent in controls. The location of the novel RPS20 variant is near two previously-reported truncating RPS20 variants associated with CRC. DNA from colon adenocarcinoma showed no evidence of loss-of-heterozygosity, supporting a haploinsufficiency or dominant negative disease mechanism. These findings support designation of RPS20 as a CRC predisposition gene, and expand the phenotypic spectrum of RPS20 truncating variants to include polyposis.