Background: With the reduce of cost and incomparable advantages, WGS is likely to change the way of clinical diagnosis of rare and undiagnosed diseases. However, the sensitivity and breadth of coverage of clinical WGS as a diagnostic test for genetic disorders has not been fully evaluated, especially for CNV detection. Methods: All the samples underwent WGS using MGISEQ-2000. The performance of NA12878, YH cell line, and the Chinese trios were measured for sensitivity, PPV, depth and breadth of coverage. We also compared the performance of WES and WGS using NA12878. The sensitivity and PPV were tested using family-based trio design in the Chinese trios. We also developed a systematic WGS pipeline for the analysis of 8 clinical cases with known disease-causing variants. Results: In general, the sensitivity and PPV for SNV/indel detection increased with mean depth, and reached a plateau at a ~40X mean depth using down-sampling samples of NA12878. With a mean depth of 40X, the sensitivity of homozyous and heterozygous SNPs of NA12878 was >99.25% and >99.50% respectively, and PPVs were 99.97% and 98.96%. Homozygous and heterozygous indels showed lower sensitivity and PPV. The sensitivity and PPV is still not 100% even with a mean depth of ~150X. We also observed a substantial variation in the sensitivity of CNV detection across different tools, especially in CNVs with a size of less than 1kb. In general, the breadth of coverage for disease-associated genes and CNVs increased with mean depth. The sensitivity and coverage of WGS (~40X) is better than WES (~120X). Among the Chinese trios with ~40X mean depth, the sensitivity in the offspring was >99.48% and >96.36% for SNP and indel detection, and PPVs were 99.86% and 97.93%. All the 12 previously validated variants in the 8 clinical cases were successfully detected by our WGS pipeline. Conclusions: The current standard of a mean depth of 40X may be sufficient for SNV/indel detection and identification of most CNVs. Clinical scientists should know the range of sensitivity and PPV for different classes of variants for a particular WGS pipeline, which would be useful when interpreting and delivering clinical reports.

Purpose: Cardiovascular diseases are the most common cause of death globally. In which atrioventricular block (AVB) is a common disorder with genetic causes, but the responsible genes have not been fully identified yet. To determine the underlying causative genes involved in cardiac AVB, here we report a three-generation Chinese family with severe autosomal dominant cardiac AVB that has been ruled out as being caused by known genes mutations. Methods: Whole-exome sequencing was performed in five affected family members across three generations, and co-segregation analysis was validated on other members of this family. Results: Whole-exome sequencing and subsequent co-segregation validation identified a novel germline heterozygous point missense mutation, c.49287C>A (p.N16429K), in the titin (TTN, NM_001267550.2) gene in all 5 affected family members, but not in the unaffected family members. The point mutation is predicted to be functionally deleterious by in-silico software tools. Our finding was further supported by the conservative analysis across species. Conclusion: Based on this study, TTN was identified as a potential novel candidate gene for autosomal dominant AVB; this study expands the mutational spectrum of TTN gene and is the first to implicate TTN mutations as AVB disease causing in a Chinese pedigree.

Most of the variation in the human genome is a single nucleotide variation (SNV) based on a single base or small fragment insertions and deletions and genomic copy number variation (CNV). Both types of mutations are involved in many human diseases. Such diseases often have complex clinical symptoms and difficult clinical diagnosis, so an effective detection method is needed to help clinical diagnosis and prevent birth defects. With the development of sequencing technology, the method of chip capture combined with high-throughput sequencing has been extensively used because of its high throughput, high accuracy, high speed and low cost. This study designed a chip that captures the coding region of 3043 genes associated with 4013 monogenic diseases. In addition, 148 chromosomal abnormalities can be identified by setting targets in specific regions. Compared with the whole exon chip, the chip can detect 4013 monogenic diseases and 148 chromosomal abnormalities at a lower cost, including SNV, intra-gene CNV and genomic copy number variation. This study utilized a strategy of combining the BGISEQ500 sequencing platform with the chip to identify 102 disease-associated mutations in 63 patients, 69 of which were new mutations. The evaluation test results also show that this combination complies with the requirements of clinical testing and has good clinical application value.

Abstract Purpose To evaluate the performance of PCR-free whole genome sequencing (WGS) for clinical diagnosis, and thereby revealing how experimental parameters affect variant detection. Methods All the 5 NA12878 samples were sequenced using MGISEQ-2000. NA12878 samples underwent WGS with differing DNA input and library preparation protocol (PCR-based versus PCR-free protocols for library preparation). The DP (depth of coverage) and GQ (genotype quality) of each sample were compared. We developed a systematic WGS pipeline for the analysis of down-sampling samples of the 5 NA12878 samples. The performance of each sample was measured for sensitivity, coverage of depth and breadth of coverage of disease-related genes and CNVs. Results In general, NA12878-2 (PCR-free WGS) showed better DP and GQ distribution than NA12878-1 (PCR-based WGS). With a mean depth of ~40X, the sensitivity of homozyous and heterozygous SNPs of NA12878-2 showed higher sensitivity (>99.77% and > 99.82%) than NA12878-1, and positive predictive value (PPV) exceeded 99.98% and 99.07%. The sensitivity and PPV of homozygous and heterozygous indels for NA12878-2 (PCR-free WGS) showed great improvement than NA128878-1. The breadths of coverage for disease-related genes and CNVs are slightly better for samples with PCR-free library preparation protocol than the sample with PCR-based library preparation protocol. DNA input also influences the performance of variant detection in samples with PCR-free WGS. Conclusion Different experimental parameters may affect variant detection for clinical WGS. Clinical scientists should know the range of sensitivity of variants for different methods of WGS, which would be useful when interpreting and delivering clinical reports.