The BAG3 (BLC2-associated athanogene 3) gene codes for an antiapoptotic protein located on the sarcomere Z-disc. Mutations in BAG3 are associated with dilated cardiomyopathy (DCM), but only a small number of cases have been reported to date, and the natural history of BAG3 cardiomyopathy is poorly understood. This study sought to describe the phenotype and prognosis of BAG3 mutations in a large multicenter DCM cohort. The study cohort comprised 129 individuals with a BAG3 mutation (62% males, 35.1 ± 15.0 years of age) followed at 18 European centers. Localization of BAG3 in cardiac tissue was analyzed in patients with truncating BAG3 mutations using immunohistochemistry. At first evaluation, 57.4% of patients had DCM. After a median follow-up of 38 months (interquartile range: 7 to 95 months), 68.4% of patients had DCM and 26.1% who were initially phenotype-negative developed DCM. Disease penetrance in individuals >40 years of age was 80% at last evaluation, and there was a trend towards an earlier onset of DCM in men (age 34.6 ± 13.2 years vs. 40.7 ± 12.2 years; p = 0.053). The incidence of adverse cardiac events (death, left ventricular assist device, heart transplantation, and sustained ventricular arrhythmia) was 5.1% per year among individuals with DCM. Male sex, decreased left ventricular ejection fraction. and increased left ventricular end-diastolic diameter were associated with adverse cardiac events. Myocardial tissue from patients with a BAG3 mutation showed myofibril disarray and a relocation of BAG3 protein in the sarcomeric Z-disc. DCM caused by mutations in BAG3 is characterized by high penetrance in carriers >40 years of age and a high risk of progressive heart failure. Male sex, decreased left ventricular ejection fraction, and enlarged left ventricular end-diastolic diameter are associated with adverse outcomes in patients with BAG3 mutations.

Abstract Cardiomyopathies, diseases of the heart muscle, are a leading cause of heart failure. An increasing proportion of cardiomyopathies have been associated with specific genetic changes, such as mutations in FLNC , the gene that codes for filamin C. Altogether, more than 300 variants of FLNC have been identified in patients, including a number of single point mutations. However, the role of a significant number of these mutations remains unknown. Here, we conducted a comprehensive analysis, starting from clinical data that led to identification of new pathogenic and non-pathogenic FLNC variants. We selected some of these variants for further characterization that included studies of in vivo effects on the morphology of neonatal cardiomyocytes to establish links to phenotype, and the in vitro thermal stability and structure determination to understand biophysical factors impacting function. We used these findings to compile vast datasets of pathogenic and non-pathogenic variant structures and developed a machine-learning-based neural network (AMIVA-F) to predict the impact of single point mutations. AMIVA-F outperformed most commonly used predictors both in disease related as well as neutral variants, approaching ∼80% accuracy. Taken together, our study documents additional FLNC variants, their biophysical and structural properties, and their link to the disease phenotype. Furthermore, we developed a state-of-the-art web-based server AMIVA-F that can be used for accurate predictions regarding the effect of single point mutations in human filamin C, with broad implications for basic and clinical research.