Mappare le varianti della malattia di Alzheimer ai loro geni bersaglio utilizzando l'analisi computazionale della configurazione della cromatina

Presentiamo un protocollo per identificare le implicazioni funzionali delle varianti non codificanti identificate dagli studi di associazione a livello di genoma (GWAS) utilizzando interazioni tridimensionali della cromatina.

Mentre i GWAS hanno identificato con successo le regioni genomiche associate ai tratti e alle malattie umane, l'impatto biologico di queste varianti di rischio non è chiaro. Qui delineamo un protocollo per prevedere computazalmente i geni bersaglio putativi delle varianti di rischio GWAS utilizzando profili di interazione della cromatina. Spesso l'identificazione dei geni a rischio è un primo passo per comprendere i meccanismi della malattia e consentire normali approcci terapeutici.

Speriamo che i risultati di questo lavoro possano alla fine portare a strategie definitive per diagnosticare e curare il morbo di Alzheimer. Il vantaggio principale di questa tecnica è che utilizzando frequenze di contatto del cromotone 3D possiamo identificare i geni affetti dalla varianza del rischio di Alzheimer anche se sono a migliaia o addirittura milioni di coppie di basi di distanza. Quando si tenta questo protocollo, la familiarità con il sistema di coppia R o X è fondamentale perché si prevede che l'utente conduca l'intero protocollo con il sistema.

Per eseguire questo protocollo computazionale, fare riferimento al codice nel manoscritto testuale o sullo schermo. Inizia, impostandolo in R, per generare un oggetto gamme G per polimorfismi nucleatide credibili e singoli o SNPS. Per la mappatura posizionale, impostare in R, quindi caricare il promotore e l'area esonica e generare un oggetto intervallo G.

Sovrapporre l'SNPS credibile alle regioni esoniche e alle regioni promotrice. Per collegare l'SNPS ai loro geni bersaglio putativi usando le interazioni Chromaton, caricare il set di dati Hi C e generare un oggetto intervallo G. Sovrapponi l'SNPS credibile all'oggetto gamma Hi C G.

E compilare geni candidati ad AD, definiti dalla mappatura posizionale e dai profili di interazione del cromotone. Quindi, esplora le traiettorie di sviluppo. Impostare in R ed elaborare i metadati dell'espressione.

Specificare le fasi di sviluppo e selezionare le regioni corticali. Estrarre i profili di espressione dello sviluppo dei geni ad rischio ad e confrontare i livelli di espressione prenatale rispetto a quelli postnatali. Esaminare i profili di espressione di tipo cella impostando in R ed estraendo i profili di espressione cellulare del rischio di Active Media.

Infine, eseguire l'analisi dell'arricchimento delle annotazioni geniche dei geni a rischio AD. Scaricare e configurare Homer. Quindi esegui Homer e traccia i termini arricchiti con R Studio.

Un insieme di 800 SNP credibili è stato studiato utilizzando questo processo. La mappatura posizionale ha rivelato che 103 SNP si sovrapponevano ai promotori e 42 SNP si sovrapponevano a Exons, mentre l'84% degli SNP rimaneva senza preavviso. Utilizzando set di dati Hi-C nel cervello adulto, altri 208 SNP erano collegati a 64 geni basati sulla vicinanza fisica.

In totale, 284 SNP credibili ad AD sono stati mappati a 112 geni a rischio AD. I geni a rischio AD erano associati a proteine precursori amiloide, formazione beta amiloide e risposta immunitaria, che riflette la biologia nota della malattia. I profili di espressione dello sviluppo dei geni a rischio di AD hanno mostrato un marcato arricchimento postnatale indicativo dell'elevato rischio associato all'età della malattia.

Infine, i geni sono stati altamente espressi in microglia le cellule immunitarie primarie nel cervello che supportano i risultati ricorrenti che l'AD ha una forte base immunitaria. Qui usiamo i dati Hi-C del tessuto cerebrale per analizzare un impatto biologico della varianza del rischio di Alzheimer. Tuttavia, per applicare questo metodo a un altro studio GWAS, il livello dei nuovi dati Hi-C nel tessuto pertinente è fondamentale.

Questi risultati possono essere ulteriormente studiati e convalidati utilizzando tecnologie basate su crisper, test di enhancer reporter o intersecandosi con altri set di dati genomici funzionali come gli EQTL. Qui identifichiamo dozzine di geni a rischio di Alzheimer e ci aspettiamo che l'identificazione di questi geni possa aiutarci a capire il loro ruolo precedentemente sconosciuto nel morbo di Alzheimer.