Continued advances in variant effect prediction are necessary to demonstrate the ability of machine learning methods to accurately determine the clinical impact of variants of unknown significance (VUS). Towards this goal, the ARSA Critical Assessment of Genome Interpretation (CAGI) challenge was designed to characterize progress by utilizing 219 experimentally assayed missense VUS in the

Abstract Background Variants which disrupt splicing are a frequent cause of rare disease that have been under-ascertained clinically. Accurate and efficient methods to predict a variant’s impact on splicing are needed to interpret the growing number of variants of unknown significance (VUS) identified by exome and genome sequencing. Here we present the results of the CAGI6 Splicing VUS challenge, which invited predictions of the splicing impact of 56 variants ascertained clinically and functionally validated to determine splicing impact. Results The performance of 12 prediction methods, along with SpliceAI and CADD, was compared on the 56 functionally validated variants. The maximum overall accuracy achieved was 82% from two different approaches, one weighting SpliceAI scores by minor allele frequency, and one applying the recently published Splicing Prediction Pipeline (SPiP). SPiP performed optimally in terms of sensitivity, while an ensemble method combining multiple prediction tools and information from databases exceeded all others for specificity. Conclusions Several challenge methods equalled or exceeded the performance of SpliceAI, with ultimate choice of prediction method likely to depend on experimental or clinical aims. One quarter of the variants were incorrectly predicted by at least 50% of the methods, highlighting the need for further improvements to splicing prediction methods for successful clinical application.

The pathogenicity of individual de novo missense mutations in autism spectrum disorder remains difficult to validate. Here we asked in 2,384 probands whether these variants exhibited collective functional impact biases across pathways. As measured with Evolutionary Action (EA) in 368 gene groupings, we found significant biases in axonogenesis, synaptic transmission, and other neurodevelopmental pathways. Strikingly, both de novo and inherited missense variants in prioritized genes correlated with patient IQ. This general integrative approach thus detects missense variants most likely to contribute to autism pathogenesis and is the first, to our knowledge, to link missense variant impact to autism phenotypic severity.

Abstract Current therapies for high-grade TP53 -mutated myeloid neoplasms (≥10% blasts) do not offer a meaningful survival benefit except allogeneic stem cell transplantation in the minority who achieve a complete response to first line therapy (CR1). To identify reliable pre-therapy predictors of complete response to first-line therapy (CR1) and outcomes, we assembled a cohort of 242 individuals with TP53 -mutated myeloid neoplasms and ≥10% blasts with well-annotated clinical, molecular and pathology data. Key outcomes examined were CR1 & 24-month survival (OS24). In this elderly cohort (median age 68.2 years) with 74.0% receiving frontline non-intensive regimens (hypomethylating agents +/- venetoclax), the overall cohort CR1 rate was 25.6% (50/195). We additionally identified several pre-therapy factors predictive of inferior CR1 including male gender ( P = 0.026), ≥2 autosomal monosomies ( P < 0.001), −17/17p ( P = 0.011), multi-hit TP53 allelic state ( P < 0.001) and CUX1 co-alterations ( P = 0.010). In univariable analysis of the entire cohort, inferior OS24 was predicated by ≥2 monosomies ( P = 0.004), TP53 VAF > 25% ( P = 0.002), TP53 splice junction mutations ( P = 0.007) and antecedent treated myeloid neoplasm ( P = 0.001). In addition, mutations/deletions in CUX1 , U2AF1 , EZH2 , TET2 , CBL , or KRAS (‘ EPI6 ’ signature) predicted inferior OS24 (HR = 2.0 [1.5–2.8]; P < 0.0001). In a subgroup analysis of HMA +/-Ven treated individuals ( N = 144), TP53 VAF and monosomies did not impact OS24. A risk score for HMA +/-Ven treated individuals incorporating three pre-therapy predictors including TP53 splice junction mutations, EPI6 and antecedent treated myeloid neoplasm stratified 3 prognostic distinct groups: intermediate, intermediate-poor, and poor with significantly different median (12.8, 6.0, 4.3 months) and 24-month (20.9%, 5.7%, 0.5%) survival ( P < 0.0001). For the first time, in a seemingly monolithic high-risk cohort, our data identifies several baseline factors that predict response and 24-month survival.

ABSTRACT To determine the impact of TP53 mutations on the phenotype and outcome of myelodysplastic syndromes, we quantified the deleterious effects of missense TP53 mutations using the computationally-derived evolutionary action score (higher score indicates worse impact), based on the phylogenetic divergence of the sequence position and amino acid change perturbation, and correlated with clinico-pathologic-genomic features in 270 newly-diagnosed TP53 -mutant patients primarily treated with hypomethylating agents. Using recursive partitioning and regression trees, we identified a subset of patients with low-EAp53 mutations (≤52) with improved overall survival (OS) (n=17, 6%) compared to high-EAp53 (n=253, 94%) [median OS, 48 vs. 10 months; p=0.01]. Compared to high-EAp53, low-EAp53 patients had lower cytogenetic complexity, lower TP53 protein expression, lacked multi-allelic TP53 alterations, but had more somatic mutations in other genes. There was no difference in median TP53 variant allele frequency or distribution of R-IPSS. 3D-protein modeling showed clustering of poor-outcome mutations, indicating structural location influences outcome.