$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Badania oparte na sekwencjonowaniu i genotypowaniu, w tym badania asocjacyjne całego genomu (GWAS), badania locus kandydatów i badania głębokiego sekwencjonowania, zidentyfikowały wiele wariantów genetycznych, które są statystycznie związane z chorobą, cechą lub fenotypem. Wbrew wcześniejszym przewidywaniom, większość z tych wariantów (85-93%) znajduje się w regionach niekodujących i nie zmienia sekwencji aminokwasówbiałek 1,2. Interpretacja funkcji tych niekodujących wariantów i określenie mechanizmów biologicznych łączących je z powiązaną chorobą, cechą lub fenotypem okazałosię wyzwaniem. Opracowaliśmy ogólną strategię identyfikacji mechanizmów molekularnych, które łączą warianty z ważnym fenotypem pośrednim – ekspresją genów. Ten potok jest specjalnie zaprojektowany do identyfikacji modulacji wiązania TF przez warianty genetyczne. Strategia ta łączy podejścia obliczeniowe i techniki biologii molekularnej mające na celu przewidywanie skutków biologicznych wariantów kandydujących in silico i empiryczną weryfikację tych przewidywań (ryc. 1).

Rysunek 1: Strategiczne podejście do analizy niekodujących wariantów genetycznych. Kroki, które nie zostały uwzględnione w szczegółowym protokole powiązanym z tym rękopisem, są zacieniowane na szaro. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.
W wielu przypadkach ważne jest, aby zacząć od rozszerzenia listy wariantów o wszystkie te o wysokim stopniu nierównowagi sprzężenia (LD) z każdym statystycznie powiązanym wariantem. LD jest miarą nielosowego powiązania alleli w dwóch różnych pozycjach chromosomowych, które można zmierzyć za pomocą statystyki r2 7. R2 jest miarą nierównowagi sprzężeń między dwoma wariantami, przy czym r2 = 1 oznacza idealne powiązanie między dwoma wariantami. Stwierdzono, że allele w wysokim LD kosegregują się na chromosomie w populacjach przodków. Obecne tablice genotypowania nie obejmują wszystkich znanych wariantów ludzkiego genomu. Zamiast tego wykorzystują LD w ludzkim genomie i obejmują podzbiór znanych wariantów, które działają jako proxy dla innych wariantów w określonym regionie LD8. Tak więc wariant bez żadnych konsekwencji biologicznych może być związany z konkretną chorobą, ponieważ jest w LD z wariantem przyczynowym – wariantem o znaczącym skutku biologicznym. Proceduralnie zaleca się konwersję najnowszej wersji 1,000 genomes project9 variant call files (vcf) na pliki binarne kompatybilne z PLINK10,11, narzędziem typu open source do analizy asocjacji całego genomu. Następnie wszystkie inne warianty genetyczne z LD r2 >0,8 z każdym wejściowym wariantem genetycznym mogą być identyfikowane jako kandydaci. Ważne jest, aby na tym etapie użyć odpowiedniej populacji referencyjnej – np. jeśli wariant został zidentyfikowany u osób o pochodzeniu europejskim, do ekspansji LD należy wykorzystać dane od osób o podobnym pochodzeniu.
Ekspansja LD często skutkuje dziesiątkami wariantów kandydujących, a prawdopodobnie tylko niewielka część z nich przyczynia się do mechanizmu choroby. Często niemożliwe jest eksperymentalne zbadanie każdego z tych wariantów z osobna. W związku z tym przydatne jest wykorzystanie tysięcy publicznie dostępnych funkcjonalnych zestawów danych genomicznych jako filtra do ustalania priorytetów wariantów. Na przykład konsorcjum ENCODE12 przeprowadziło tysiące eksperymentów ChIP-seq opisujących wiązanie TF i kofaktorów oraz znaczników histonów w szerokim zakresie kontekstów, wraz z danymi dotyczącymi dostępności chromatyny z technologii takich jak DNase-seq13, ATAC-seq14 i FAIRE-seq15. Bazy danych i serwery internetowe, takie jak UCSC Genome Browser16, Roadmap Epigenomics17, Blueprint Epigenome18, Cistrome19 i ReMap20, zapewniają bezpłatny dostęp do danych uzyskanych za pomocą tych i innych technik eksperymentalnych w szerokim zakresie typów komórek i stanów. Gdy istnieje zbyt wiele wariantów do zbadania eksperymentalnie, dane te można wykorzystać do nadania priorytetu tym, które znajdują się w prawdopodobnych regionach regulatorowych w odpowiednich typach komórek i tkanek. Ponadto, w przypadkach, gdy wariant znajduje się w piku ChIP-seq dla określonego białka, dane te mogą dostarczyć potencjalnych wskazówek co do konkretnych TF (s) lub kofaktorów, na których wiązanie może mieć wpływ.
Następnie, uzyskane warianty o priorytetach są badane eksperymentalnie w celu walidacji przewidywanego wiązania białek zależnego od genotypu za pomocą EMSA21,22. EMSA mierzy zmianę migracji oligo na nieredukującym żelu TBE. Znakowany fluorescencyjnie oligo jest inkubowany z lizatem jądrowym, a wiązanie czynników jądrowych opóźnia ruch oligo na żelu. W ten sposób oligo, który związał więcej czynników jądrowych, po zeskanowaniu przedstawi się jako silniejszy sygnał fluorescencyjny. Warto zauważyć, że EMSA nie wymaga przewidywań dotyczących konkretnych białek, których wiązanie zostanie naruszone.
Po zidentyfikowaniu wariantów, które znajdują się w przewidywanych regionach regulacyjnych i są zdolne do różnicowego wiązania czynników jądrowych, stosuje się metody obliczeniowe do przewidywania konkretnych TF(ów), na których wiązanie mogą wpływać. Preferujemy korzystanie z CIS-BP23,24, RegulomeDB25, UniProbe26 i JASPAR27. Po zidentyfikowaniu potencjalnych TF, przewidywania te mogą być specjalnie przetestowane przy użyciu przeciwciał przeciwko tym TF (EMSA-supershifts i DAPA-Westerns). Supershift EMSA polega na dodaniu przeciwciała specyficznego dla TF do lizatu jądrowego i oligo. Dodatni wynik superprzesunięcia EMSA jest reprezentowany jako dalsze przesunięcie w paśmie EMSA lub utrata pasma (omówione w odnośniku28). W komplementarnym DAPA 5'-biotynylowany oligoduplex zawierający wariant i 20 nukleotydów flankujących parę zasad inkubuje się z lizatem jądrowym z odpowiedniego typu komórki (komórek) w celu wychwycenia wszelkich czynników jądrowych specyficznie wiążących oligonukleotydowane. Kompleks oligo duplex-czynnik jądrowy jest unieruchamiany przez mikrogranulki streptawidyny w kolumnie magnetycznej. Związane czynniki jądrowe są zbierane bezpośrednio przez elucję29,48. Przewidywania dotyczące wiązania można następnie ocenić za pomocą Western blot przy użyciu przeciwciał specyficznych dla białka. W przypadkach, gdy nie ma oczywistych przewidywań lub jest ich zbyt wiele, elucje z wariantów pull-down eksperymentów DAPA mogą być wysyłane do rdzenia proteomicznego w celu zidentyfikowania potencjalnych TF za pomocą spektrometrii mas, które można następnie zwalidować przy użyciu tych wcześniej opisanych metod.
W dalszej części artykułu znajduje się szczegółowy protokół analizy wariantów genetycznych EMSA i DAPA.