¿Qué bases de datos utilizar para analizar una CNV?

Respuesta generada por Itaca · 50 fuentes · 17 de diciembre de 2025

Pregunta original

qué páginas de datos puedo utilizar para analizar una CNV

Resumen

A continuación enumero y describo fuentes de datos y bases de datos útiles para el análisis e interpretación de CNV (Copy‑Number Variants) orientadas a uso clínico y de investigación, indicando para cada una su contenido principal y utilidad práctica (frecuencia poblacional, asociación clínica, anotación genómica, herramientas de interpretación). Las referencias citadas son publicaciones científicas y recursos especializados que describen o evalúan estas bases de datos y herramientas para CNV[1][2][3][4][5].

Fuentes públicas clave para analizar CNV

  • gnomAD‑SV / gnomAD (structural variants) — base poblacional de frecuencias de variantes estructurales (incluye CNV) derivada de cientos de miles de genomas/exomas; indispensable para filtrar CNV comunes y aportar contexto poblacional[1][6].

    • Uso: establecer frecuencia poblacional y determinar si una CNV es recurrente o rara[1][6].
  • DECIPHER — repositorio clínico crowdsourced de variantes estructurales y fenotipos asociados (incluye casos con fenotipos raros y CNV patogénicas) usado en diagnóstico de enfermedades raras[7][8].

    • Uso: evidencia clínica (reportes de pacientes), correlación genotipo‑fenotipo y ejemplos reportados.
  • ClinVar — base de datos de variante→clasificación clínica (patogénico/benigno/etc.) que contiene entradas de CNV remitidas por laboratorios clínicos y curadores; útil para ver interpretaciones previas y evidencias clínicas agregadas[3][4].

    • Uso: comparar clasificación clínica y observar la evidencia que respalda una determinación clínica.
  • DGV (Database of Genomic Variants) — catálogo de CNV observadas en individuos sanos; referencia de CNV benignas esperadas en la población general[1][9].

    • Uso: identificar CNV de variación normal y evitar sobrediagnóstico.
  • DECIPHER/ClinGen dosage sensitivity maps — mapillas de sensibilidad a la dosis génica (haploinsuficiencia / triplosensibilidad) útiles para evaluar impacto clínico de pérdidas/ganancias que afectan genes concretos[5][3].

    • Uso: soporte para aplicar criterios de las guías ACMG/ClinGen en interpretación de CNV.
  • UK Biobank / 1000 Genomes / cohortes poblacionales (p. ej. SPAnish CNV resources, CNVIntegrate) — cohortes grandes con llamadas de CNV que permiten estudios de asociación y estimación de prevalencias locales o multiétnicas[10][11][6].

    • Uso: estudios de asociación CNV‑fenotipo y estimar prevalencias específicas de población.
  • DECIPHER, ClinGen, OMIM (para genes y síndromes) — para relacionar regiones con síndromes descritos, penetrancia y manifestaciones clínicas; OMIM y entradas de ClinGen proporcionan contexto gene→síndrome[7][3].

    • Uso: vincular CNV con síndromes genéticos conocidos.

Herramientas web y servidores para anotación e interpretación clínica

  • CNVxplorer — servidor web para evaluación funcional de CNV en contexto clínico; agrega anotaciones genómicas, clínicas y epigenómicas para ayudar en interpretación diagnóstica[2].

    • Uso: informe interactivo de anotaciones para CNV detectadas por arrays o secuenciación.
  • ClassifyCNV / AutoCNV — implementan las guías ACMG/ClinGen 2019 para clasificación sistemática de CNV; generan puntajes y justificaciones reproducibles[4][3].

    • Uso: estandarizar clasificación clínica (benigno/indeterminado/patogénico) según las guías.
  • CNV‑ClinViewer / CNVIntegrate — visualizadores y recursos integrativos para explorar grandes CNV y su posible impacto clínico; CNV‑ClinViewer facilita la evaluación de CNV grandes con anotaciones interactivas[5][11].

    • Uso: exploration visual y priorización en contextos clínicos.
  • Classical bioinformatic tools (CNVnator, CNVpytor, PennCNV, CNV‑caller suites) — para detección y genotipado a partir de WGS/WES o arrays; cada uno tiene fortalezas/limitaciones según plataforma y tamaño de evento[12][13][14].

    • Uso: detección y generación de llamadas que luego se anotan con las bases anteriores.
  • Pipelines y frameworks para asociación y predicción de patogenicidad (ParseCNV2, X‑CNV, dbCNV, CNVoyant, SCIP, PEcnv, etc.) — para estudios de asociación o predicción de la patogenicidad usando ML o reglas clínicas[15][16][17][7][18][19].

    • Uso: análisis a gran escala, priorización y puntuación cuantitativa de riesgo.

Guías y artículos de referencia metodológica (recomendadas para uso clínico)

  • Publicaciones que describen prácticas, evaluación de bases de datos y recomendaciones para interpretación clínica: artículos de revisión y guías ACMG/ClinGen (ej.: AutoCNV, ParseCNV2, revisiones sobre bases de datos de CNV)[3][1][9][20].
    • Uso: fundamento metodológico para interpretación clínica reproducible.

Recomendaciones prácticas para un flujo clínico de análisis de CNV

    1. Confirmar y reportar la llamada (coordenadas GRCh38/GRCh37, tipo: deleción/duplicación, tamaño en bp) usando una herramienta de detección validada (p. ej. CNVnator/CNvpyor para WGS, PennCNV para arrays)[12][13][14].
    1. Consultar frecuencias poblacionales en gnomAD‑SV y DGV para excluir CNV comunes[1][6][1].
    1. Buscar evidencia clínica en DECIPHER y ClinVar (reportes de casos, clasificación clínica)[7][3].
    1. Evaluar genes afectados con ClinGen dosage sensitivity y OMIM para haploinsuficiencia/triplosensibilidad y relación con fenotipo del paciente[5][3].
    1. Aplicar un sistema estandarizado (ClassifyCNV / ACMG‑ClinGen) para puntuar la evidencia y asignar categoría clínica; documentar criterios usados[4][3].
    1. Si persiste incertidumbre, considerar confirmación por método alternativo (p. ej. qPCR, MLPA, o FISH) y/o análisis familiar para herencia/de novo[9][2].

Recursos y lecturas citadas (ejemplos representativos de soporte)

  • High‑resolution CNV resource describing population CNVs and su utilidad clínica[1].
  • CNVxplorer: herramienta web clínica para anotación de CNV[2].
  • AutoCNV / ClassifyCNV: sistemas y artículos que implementan las guías ACMG/ClinGen para interpretación de CNV[3][4].
  • CNV‑ClinViewer: aplicacion web para evaluación clínica y visual de CNV grandes[5].
  • Revisiones metodológicas sobre detección y bases de datos de CNV (varios artículos de revisión y herramientas: CNVnator, CNVpytor, ParseCNV2, X‑CNV, dbCNV, etc.)[12][13][15][16][17].

Consideraciones finales y limitaciones

  • No existe una sola base de datos que cubra por completo frecuencia poblacional, evidencia clínica y sensibilidad a la dosis génica; la interpretación clínica robusta requiere integrar múltiples recursos y aplicar guías estandarizadas (ACMG/ClinGen) documentando cada evidencia[3][4].
  • Algunas bases de datos (p. ej. cohortes locales) pueden aportar contexto poblacional relevante; si trabaja en una población específica, busque recursos locales (ej.: bases crowdsourcing españolas) para evitar sesgo por diferencias étnicas[10].
  • Para recomendaciones diagnósticas concretas (interpretación de una CNV concreta con coordenadas, genes afectados y signos clínicos del paciente), envíeme las coordenadas genómicas exactas (ej. chr1:1234567‑2345678 GRCh38), el tipo de CNV (deleción/duplicación), la plataforma que generó la llamada y el fenotipo clínico para que realice una evaluación integrada aplicando las guías y consultando las bases citadas[4][5][2].

Si desea, preparo una lista descargable (por ejemplo en CSV) con enlaces a las bases y herramientas clínicas prioritarias y un checklist paso a paso para interpretación clínica de una CNV específica; indíqueme si trabaja con GRCh37 o GRCh38 y si dispone ya de coordenadas y plataforma de detección.

Fuentes

  1. https://pmc.ncbi.nlm.nih.gov/articles/PMC2752118/
  2. https://pmc.ncbi.nlm.nih.gov/articles/PMC8262689/
  3. https://pmc.ncbi.nlm.nih.gov/articles/PMC8496072/
  4. https://pmc.ncbi.nlm.nih.gov/articles/PMC7683568/
  5. https://academic.oup.com/bioinformatics/advance-article-pdf/doi/10.1093/bioinformatics/btad290/50116160/btad290.pdf
  6. https://pmc.ncbi.nlm.nih.gov/articles/PMC9903682/
  7. https://pmc.ncbi.nlm.nih.gov/articles/PMC11437066/
  8. https://pmc.ncbi.nlm.nih.gov/articles/PMC11092842/
  9. https://pmc.ncbi.nlm.nih.gov/articles/PMC5027376/
  10. https://pmc.ncbi.nlm.nih.gov/articles/PMC9997023/
  11. https://academic.oup.com/database/article/doi/10.1093/database/baab044/6321046
  12. https://pmc.ncbi.nlm.nih.gov/articles/PMC3106330/
  13. https://academic.oup.com/gigascience/article-pdf/10/11/giab074/41180561/giab074.pdf
  14. https://pmc.ncbi.nlm.nih.gov/articles/PMC2875020/
  15. https://pmc.ncbi.nlm.nih.gov/articles/PMC9995335/
  16. https://pmc.ncbi.nlm.nih.gov/articles/PMC8375180/
  17. https://pmc.ncbi.nlm.nih.gov/articles/PMC10029177/
  18. https://pmc.ncbi.nlm.nih.gov/articles/PMC9918589/
  19. https://pmc.ncbi.nlm.nih.gov/articles/PMC9487654/
  20. https://pmc.ncbi.nlm.nih.gov/articles/PMC9995309/
  21. https://e-revistas.uc3m.es/index.php/HISPNOV/article/view/6181
  22. https://revista.infad.eu/index.php/IJODAEP/article/view/2574
  23. https://www.revistacirugia.org/index.php/cirugia/article/view/2455
  24. https://revistas.cef.udima.es/index.php/RCyT/article/view/7647
  25. https://revistas.ucm.es/index.php/RGID/article/view/76973
  26. https://revistas.unab.edu.co/index.php/rcc/article/view/4300
  27. https://quivera.uaemex.mx/article/view/16529
  28. https://revistas.ufg.br/bgg/article/view/70149
  29. https://revistas.actuarios.org/index.php/aiae/article/view/68
  30. https://www.camjol.info/index.php/REICE/article/view/18869
  31. https://pmc.ncbi.nlm.nih.gov/articles/PMC3227574/
  32. https://pmc.ncbi.nlm.nih.gov/articles/PMC10868300/
  33. https://academic.oup.com/bioinformatics/article/36/3/972/5544927
  34. https://pmc.ncbi.nlm.nih.gov/articles/PMC9930243/
  35. https://pmc.ncbi.nlm.nih.gov/articles/PMC9805572/
  36. https://pmc.ncbi.nlm.nih.gov/articles/PMC11601614/
  37. https://pmc.ncbi.nlm.nih.gov/articles/PMC9729012/
  38. https://www.mdpi.com/2076-3417/11/2/819/pdf?version=1611022039
  39. https://pmc.ncbi.nlm.nih.gov/articles/PMC2747762/
  40. https://pmc.ncbi.nlm.nih.gov/articles/PMC5217618/
  41. https://pmc.ncbi.nlm.nih.gov/articles/PMC9547229/
  42. https://pmc.ncbi.nlm.nih.gov/articles/PMC3227091/
  43. https://pmc.ncbi.nlm.nih.gov/articles/PMC11513043/
  44. https://pmc.ncbi.nlm.nih.gov/articles/PMC3828214/
  45. https://pmc.ncbi.nlm.nih.gov/articles/PMC6041760/
  46. https://pmc.ncbi.nlm.nih.gov/articles/PMC7520931/
  47. https://pmc.ncbi.nlm.nih.gov/articles/PMC2924882/
  48. https://pmc.ncbi.nlm.nih.gov/articles/PMC3058066/
  49. https://www.mdpi.com/2073-4425/13/11/2037/pdf?version=1668412450
  50. https://pmc.ncbi.nlm.nih.gov/articles/PMC3846878/

Respuesta generada por inteligencia artificial a partir de las fuentes citadas. Verifica las fuentes antes de aplicarla.

¿Tienes una pregunta sobre tu propio caso? Itaca responde con fuentes en segundos.

Hacer una pregunta

Más preguntas sobre Genética médica