Mapowanie wariantów choroby Alzheimera do ich docelowych genów przy użyciu obliczeniowej analizy konfiguracji chromatyny

Znaczenie dla przemysłu

Mapowanie niewykodowujących wariantów GWAS do genów docelowych umożliwia wczesną weryfikację hipotez dotyczących choroby Alzheimera poprzez powiązanie asocjacji statystycznych z mechanizmami biologicznymi. To podejście obliczeniowe wspiera walidację celów terapeutycznych poprzez priorytetyzację genów, których wzorce ekspresji rozwojowej i specyficznej dla typu komórek są zgodne z patologią choroby. Pozwala ono na podejmowanie decyzji dotyczących portfela badań poprzez identyfikację celów prawdopodobnych pod względem mechanistycznym do dalszych poszukiwań terapeutycznych.

Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym

Wczesne odkrywanie i walidacja celu

• Wartość naukowa: Łączy warianty niekodujące z domniemanymi genami docelowymi przy użyciu danych o oddziaływaniach chromatyny, co umożliwia formułowanie hipotez dotyczących mechanizmów ryzyka AD.
• Wartość operacyjna: Wykorzystuje mapowanie precyzyjne (fine-mapping) oraz nakładanie danych Hi-C w celu priorytetyzacji genów do dalszych badań funkcjonalnych, co zmniejsza liczbę wyników fałszywie dodatnich w wyborze celów.
• Wartość naukowa: Identyfikuje geny zaangażowane w przetwarzanie amyloidu i odpowiedź immunologiczną, co jest zgodne z uznaną biologią AD i zwiększa pewność co do istotności wybranych celów.

Przesiewanie i opracowywanie testów

• Wartość naukowa: Generuje wyselekcjonowany zestaw genów (112 genów ryzyka AD) do wykorzystania w opracowywaniu testów fenotypowych lub biomarkerowych istotnych dla szlaków AD.
• Wartość operacyjna: Zapewnia powtarzalne współrzędne genomiczne i listy genów, które mogą zostać zestandaryzowane w różnych zespołach w celu przesiewowego badania angażowania celów terapeutycznych.
• Wartość naukowa: Umożliwia przygotowanie do badań przesiewowych poprzez zdefiniowanie celów wspartych genetycznie z profilami ekspresji postnatalnej i mikroglejalnej.

Badania translacyjne i przedkliniczne

• Wartość naukowa: Łączy ryzyko genetyczne z wzorcami ekspresji rozwojowej, wykazując wzbogacenie postnatalne, które odzwierciedla zależny od wieku początek choroby AD.
• Wartość operacyjna: Wspiera ciągłość translacyjną poprzez powiązanie wyników GWAS z genami ekspresowanymi w mikrogleju, kluczowym typie komórek w neurozapaleniu.
• Wartość naukowa: Ułatwia mechanistyczną redukcję ryzyka poprzez wyróżnienie genów związanych z odpornością, co dostarcza informacji dla strategii biomarkerowych i wyboru celów dla modeli przedklinicznych.

Integracja potoku i przepływu pracy

Metoda ta wpisuje się w kontinuum odkryć – od powiązań genetycznych po identyfikację celu, umożliwiając przejście od wyników GWAS do biologicznie uzasadnionych kandydatów w celu identyfikacji związku wiodącego.

• Biologia odkrywcza: Wspiera testowanie hipotez poprzez mapowanie niekodujących SNP do genów za pomocą kontaktów chromatyny 3D, co pozwala wyjaśnić mechanizmy regulacyjne.
• Screening: Dostarcza zestandaryzowany zestaw genów z walidacją ekspresji, umożliwiając projektowanie powtarzalnych testów do screeningu związków.
• Analityka: Generuje wyniki ilościowe (powiązania SNP-gen, terminy wzbogacenia), które pozwalają na porównanie różnych warunków i priorytetyzację celów.
• Badania translacyjne: Łączy odkrycia genetyczne z ekspresją mikrogleju i czasem rozwoju, wspierając dopasowanie biomarkerów i walidację przedkliniczną.
• Ponowne wykorzystanie w przedsiębiorstwie: Protokół jest możliwy do zaadaptowania do dowolnego zbioru danych GWAS i Hi-C, co czyni go skalowalną platformą do odkrywania genów docelowych w różnych jednostkach chorobowych.

Wpływ operacyjny i przedsiębiorczy

• Wartość naukowa: Zwiększa pewność predykcyjną poprzez powiązanie genetyki statystycznej z genomiką 3D i danymi o ekspresji, co redukuje niejednoznaczność mechanistyczną.
• Wartość operacyjna: Standaryzuje mapowanie wariantów do genów przy użyciu przepływów pracy opartych na języku R oraz publicznych zbiorów danych, co poprawia odtwarzalność w różnych ośrodkach.
• Wartość strategiczna: Poprawia proces podejmowania decyzji go/no-go poprzez priorytetyzację celów z konwergentnymi dowodami z zakresu genetyki, chromatyny i ekspresji.
• Wpływ na portfolio: Umożliwia postępy skorygowane o ryzyko poprzez wyróżnienie genów o biologicznej wiarygodności w szlakach AD.

Wskazówki dotyczące wdrożenia

• Wymaga biegłości w języku R, manipulacji zakresami genomowymi oraz interpretacji danych o oddziaływaniach chromatyny.
• Zależne od dostępu do wysokorozdzielczych danych Hi-C z tkanek istotnych dla danej choroby (np. dorosłego ludzkiego mózgu).
• Wymaga standaryzacji filtrowania SNP oraz definicji promotorów/eksonów pomiędzy zespołami w celu uzyskania spójnych wyników.
• Należy uwzględnić specyfikę tkankową i rozwojową podczas zastosowania metody w innych chorobach lub modelach.
• Ograniczone przez rozdzielczość i dostępność zbiorów danych chromatyny; zaleca się walidację metodami ortogonalnymi (np. CRISPR, eQTLs).

Najczęściej zadawane pytania dotyczące biofarmacji