Mapeo de variantes de la enfermedad de Alzheimer a sus genes objetivo mediante el análisis computacional de la configuración de la cromatina

Si bien los GWAS han identificado con éxito regiones genómicas asociadas con rasgos y enfermedades humanas, el impacto biológico de estas variantes de riesgo no está claro. Aquí delineamos un protocolo para predecir computacionalmente los genes objetivo putativos de las variantes de riesgo de GWAS utilizando perfiles de interacción con cromatina. A menudo, la identificación de genes de riesgo es un primer paso para entender los mecanismos de la enfermedad y permitir enfoques terapéuticos normales.

Esperamos que los resultados de este trabajo eventualmente podrían conducir a estrategias finales para diagnosticar y tratar la enfermedad de Alzheimer. La principal ventaja de esta técnica es que mediante el uso de frecuencias de contacto cromotón 3D podemos identificar los genes afectados por la varianza de riesgo de la enfermedad de Alzheimer, incluso si están a miles o incluso millones de pares de bases de distancia. Al intentar este protocolo, la familiaridad con el sistema de pares R o X es fundamental porque se espera que el usuario lleve a cabo todo el protocolo con el sistema.

Para realizar este protocolo computacional, consulte el código del manuscrito de texto o en pantalla. Comience, estableciendo en R, para generar un objeto de rangos G para polimorfismos nucleótidos únicos creíbles o SNPS. Para la asignación posicional, configure en R y, a continuación, cargue el promotor y la región exónica y genere un objeto de rango G.

Superponer el SNPS creíble con las regiones exónicas y con las regiones promotoras. Para vincular SNPS a sus genes de destino putativo mediante interacciones de Chromaton, cargue el conjunto de datos Hi C y genere un objeto de rango G. Superponga el SNPS creíble con el objeto de rango Hi C G.

Y compilar genes candidatos a AD, definidos por el mapeo posicional y los perfiles de interacción cromotón. A continuación, explore las trayectorias de desarrollo. Configure en R y procese los metadatos de la expresión.

Especifique las etapas de desarrollo y seleccione regiones corticales. Extraiga los perfiles de expresión del desarrollo de los genes de riesgo de AD y compare los niveles de expresión prenatal frente a postnatal. Investigue los perfiles de expresión de tipo celular configurando en R y extrayendo perfiles de expresión celular de riesgo de AD.

Por último, realice un análisis de enriquecimiento de anotaciones genéticas de genes de riesgo de AD. Descargue y configure Homer. A continuación, ejecute Homer y trace los términos enriquecidos con R Studio.

Se investigó un conjunto de 800 SNP creíbles utilizando este proceso. La asignación posicional reveló que 103 SNP se superponían con los promotores y 42 SNP se superponían con exones, mientras que el 84% de los SNP permanecieron sin anotar. Utilizando conjuntos de datos Hi-C en el cerebro adulto, otros 208 SNP se vincularon a 64 genes basados en la proximidad física.

En total, 284 SNP creíbles ad se asignaron a 112 genes de riesgo de AD. Los genes de riesgo de AD se asociaron con proteínas precursoras de amiloide, formación beta amiloide y respuesta inmune, que refleja la biología conocida de la enfermedad. Los perfiles de expresión del desarrollo de genes de riesgo de AD mostraron un marcado enriquecimiento posnatal indicativo del riesgo elevado asociado a la edad de la enfermedad.

Finalmente, los genes se expresaron altamente en microglia las células inmunitarias primarias en el cerebro que apoya los hallazgos recurrentes de que la AD tiene una base inmune fuerte. Aquí utilizamos datos Hi-C del tejido cerebral para analizar un impacto biológico de la varianza del riesgo de la enfermedad de Alzheimer. Sin embargo, aplicar este método a otro estudio GWAS el nivel de los nuevos datos Hi-C en el tejido relevante es fundamental.

Estos resultados se pueden seguir estudiando y validando utilizando tecnologías basadas en crisper, ensayos de reporteros potenciadores o intersecando con otros conjuntos de datos genómicos funcionales como EQTL. Aquí identificamos docenas de genes de riesgo de la enfermedad de Alzheimer y esperamos que la identificación de estos genes pueda ayudarnos a entender su papel previamente desconocido en la enfermedad de Alzheimer.