Mapeamento variantes da doença de Alzheimer para seus genes-alvo usando análise computacional da configuração de cromatina
9 de janeiro de 2020
Apresentamos um protocolo para identificar implicações funcionais de variantes não codificadoras identificadas por estudos de associação em todo o genoma (GWAS) usando interações tridimensionais de cromatina.
Embora o GWAS tenha identificado com sucesso regiões genômicas associadas a traços e doenças humanas, o impacto biológico dessas variantes de risco não é claro. Aqui descrevemos um protocolo para prever computacionalmente genes-alvo putativos de variantes de risco GWAS usando perfis de interação de cromatina. Muitas vezes, a identificação de genes de risco é um primeiro passo para entender os mecanismos da doença e permitir abordagens terapêuticas normais.
Esperamos que os resultados deste trabalho possam eventualmente levar a estratégias finais para diagnosticar e tratar a doença de Alzheimer. A principal vantagem dessa técnica é que usando frequências de contato de cromoston 3D podemos identificar os genes afetados pela variância de risco da doença de Alzheimer, mesmo que estejam a milhares ou até milhões de pares de bases de distância. Ao tentar este protocolo, a familiaridade com o sistema de pares R ou X é fundamental porque espera-se que o usuário conduza todo o protocolo com o sistema.
Para executar este protocolo computacional, consulte o código no manuscrito do texto ou na tela. Comece, configurando-se em R, para gerar um objeto de alcanceS G para polimorfismos nucleatis nucleatitos únicos ou SNPS críveis. Para mapeamento posicional, configure em R, em seguida, carregue o promotor e a região exônica e gere um objeto de alcance G.
Sobreponha o SNPS crível com as regiões exônicas e com as regiões promotoras. Para vincular o SNPS aos seus genes de destino putativos usando interações Chromaton, carregue o conjunto de dados Hi C e gere um objeto de alcance G. Sobreponha o SNPS confiável com o objeto hi C G.
E compilar genes candidatos a DA, definidos por mapeamento posicional e perfis de interação cromoton. Em seguida, explore trajetórias de desenvolvimento. Configuração em R e processe os metadados de expressão.
Especifique estágios de desenvolvimento e selecione regiões corticais. Extrair os perfis de expressão de desenvolvimento dos genes de risco de DA e comparar os níveis de expressão pré-natal versus pós-natal. Investigue perfis de expressão do tipo celular configurando-se em R e extraindo perfis de expressão celular de risco de AD.
Finalmente, realize a análise de enriquecimento de anotação genética de genes de risco de AD. Baixe e configure Homer. Em seguida, executar Homer e traçar os termos enriquecidos com R Studio.
Um conjunto de 800 SNPs confiáveis foi investigado usando esse processo. O mapeamento posicional revelou que 103 SNPs se sobrepuseram com promotores e 42 SNPs se sobrepuseram aos Exons, enquanto 84% dos SNPs permaneceram não anotados. Usando conjuntos de dados Hi-C no cérebro adulto, 208 SNPs adicionais foram ligados a 64 genes baseados na proximidade física.
No total, 284 SNPs confiáveis de AD foram mapeados para 112 genes de risco de DA. Genes de risco de DA foram associados com proteínas precursoras amiloides, formação beta amiloide e resposta imune, o que reflete a biologia conhecida da doença. Perfis de expressão de desenvolvimento de genes de risco da DA mostraram enriquecimento pós-natal acentuado indicativo do risco elevado associado à idade da doença.
Finalmente, os genes foram altamente expressos em microglia as células imunes primárias no cérebro que suporta os achados recorrentes de que a DA tem uma forte base imune. Aqui usamos dados Hi-C do tecido cerebral para analisar um impacto biológico da variância do risco da Doença de Alzheimer. No entanto, aplicar este método a outro estudo do GWAS o nível dos novos dados Hi-C no tecido relevante é fundamental.
Esses resultados podem ser mais estudados e validados usando tecnologias baseadas em crisper, ensaios de repórteres melhorador ou cruzando-se com outros conjuntos de dados genômicos funcionais, como EQTLs. Aqui identificamos dezenas de genes de risco da doença de Alzheimer e esperamos que a identificação desses genes possa nos ajudar a entender seu papel até então desconhecido na doença de Alzheimer.
Visão Geral
Este estudo apresenta um protocolo para identificar as implicações funcionais de variantes não codificantes associadas à doença de Alzheimer por meio de estudos de associação genômica ampla (GWAS). Ao utilizar interações de cromatina tridimensionais, o protocolo tem como objetivo prever os genes-alvo afetados por essas variantes de risco.
Componentes Principais do Estudo
Área da Ciência
- Neurociência
- Genômica
- Bioinformática
Antecedentes
- Os estudos de associação do genoma inteiro (GWAS) identificaram regiões genômicas associadas a traços e doenças humanas.
- O impacto biológico das variantes de risco permanece pouco claro.
- Compreender os genes de risco é essencial para elucidar os mecanismos das doenças.
- Esta pesquisa concentra-se na doença de Alzheimer e seus fatores de risco genéticos.
Objetivo do Estudo
- Desenvolver um protocolo computacional para prever genes-alvo de variantes de risco identificadas em estudos de associação do genoma inteiro (GWAS).
- Associar SNPs a genes utilizando perfis de interação da cromatina.
- Explorar os perfis de expressão genética durante o desenvolvimento de genes associados ao risco de Alzheimer.
Métodos Utilizados
- Configuração no R para gerar objetos de intervalos G para SNPs.
- Mapeamento posicional de SNPs com regiões promotoras e exônicas.
- Uso de conjuntos de dados Hi-C para associar SNPs a genes-alvo com base na proximidade.
- Realização de análise de enriquecimento de anotação gênica com o Homer.
Resultados Principais
- 284 SNPs credíveis para DA foram mapeados em 112 genes de risco para DA.
- Os genes identificados estavam associados a proteínas precursoras de amiloide e à resposta imune.
- Perfis de expressão no desenvolvimento mostraram enriquecimento pós-natal dos genes de risco para DA.
- A alta expressão em micróglias apoia a base imunológica da doença de Alzheimer.
Conclusões
- O protocolo identifica efetivamente genes associados a variantes de risco para a doença de Alzheimer.
- Os resultados podem orientar estratégias terapêuticas e diagnósticos futuros.
- A validação adicional pode ser alcançada mediante o uso de tecnologias baseadas em CRISPR.
Perguntas Frequentes
Relevância Executiva para a Indústria
O mapeamento de variantes de GWAS não codificantes até os genes-alvo permite a desvinculação precoce de hipóteses sobre a doença de Alzheimer ao associar correlações estatísticas a mecanismos biológicos. Essa abordagem computacional apoia a validação de alvos ao priorizar genes com padrões de expressão celulares e de desenvolvimento compatíveis com a patologia da doença. Ela orienta decisões de portfólio ao identificar alvos mecanicamente plausíveis para exploração terapêutica posterior.
Aplicações Estratégicas em P&D de Biotecnologia Farmacêutica
Descoberta Inicial e Validação de Alvo
- Valor Científico: Relaciona variantes não codificantes a genes-alvo putativos utilizando dados de interação da cromatina, permitindo a geração de hipóteses sobre mecanismos de risco para a DA.
- Valor Operacional: Utiliza mapeamento fino e sobreposição com dados de Hi-C para priorizar genes para acompanhamento funcional, reduzindo falsos positivos na seleção de alvos.
- Valor Científico: Identifica genes envolvidos no processamento do amiloide e na resposta imune, alinhando-se à biologia estabelecida da DA para aumentar a confiança na relevância dos alvos.
Desenvolvimento de Triagem e Ensaio
- Valor Científico: Gera um conjunto de genes curado (112 genes de risco para DA) para uso no desenvolvimento de ensaios fenotípicos ou de biomarcadores relevantes para vias associadas à DA.
- Valor Operacional: Fornece coordenadas genômicas e listas de genes reprodutíveis que podem ser padronizadas entre equipes para triagem de engajamento de alvos.
- Valor Científico: Permite prontidão para triagem ao definir alvos com suporte genético que apresentam perfis de expressão pós-natal e microglial.
Pesquisa Translacional e Pré-clínica
- Valor Científico: Conecta risco genético a padrões de expressão no desenvolvimento, mostrando enriquecimento pós-natal que reflete o início da DA dependente da idade.
- Valor Operacional: Apoia a continuidade translacional ao associar hits de GWAS a genes expressos em micróglias, um tipo celular-chave na neuroinflamação.
- Valor Científico: Facilita a desvinculação mecanicista ao destacar genes relacionados ao sistema imunológico, orientando estratégias de biomarcadores e seleção de alvos para modelos pré-clínicos.
Integração de Pipeline e Fluxo de Trabalho
O método se insere no continuum de descoberta que vai da associação genética à identificação de alvos, permitindo o avanço de achados de GWAS para candidatos com base biológica sólida na identificação de compostos líderes.
- Biologia da Descoberta: Apoia a verificação de hipóteses ao mapear SNPs não codificantes para genes por meio de contatos de cromatina tridimensionais, esclarecendo mecanismos regulatórios.
- Triagem: Fornece um conjunto padronizado de genes com validação de expressão, permitindo o design reprodutível de ensaios para triagem de compostos.
- Análises: Gera saídas quantitativas (ligações entre SNPs e genes, termos de enriquecimento) que permitem comparação entre condições e priorização de alvos.
- Pesquisa Translacional: Conecta descobertas genéticas à expressão microglial e ao cronograma de desenvolvimento, apoiando o alinhamento de biomarcadores e a validade pré-clínica.
- Reutilização Corporativa: O protocolo é adaptável a qualquer conjunto de dados de GWAS e Hi-C, tornando-o uma plataforma escalável para a descoberta de genes-alvo em diversas doenças.
Impacto Operacional e Empresarial
- Valor Científico: Aumenta a confiança preditiva ao associar genética estatística a dados de genômica tridimensional e expressão gênica, reduzindo a ambiguidade mecanicista.
- Valor Operacional: Padroniza o mapeamento de variantes para genes utilizando fluxos de trabalho baseados em R e conjuntos de dados públicos, melhorando a reprodutibilidade entre diferentes locais.
- Valor Estratégico: Aprimora decisões de avançar ou não ao priorizar alvos com evidências convergentes de genética, cromatina e expressão gênica.
- Impacto no Portfólio: Permite o avanço ajustado ao risco, destacando genes com plausibilidade biológica nas vias da doença de Alzheimer.
Considerações sobre a Implementação
- Requer experiência em R, manipulação de intervalos genômicos e interpretação de dados de interação da cromatina.
- Depende do acesso a dados Hi-C de alta resolução de tecidos relevantes para a doença (por exemplo, cérebro humano adulto).
- Necessita padronização de filtros de SNP e definições de promotor/exon entre equipes para obter resultados consistentes.
- Deve levar em conta a especificidade tecidual e do desenvolvimento ao ser aplicado a outras doenças ou modelos.
- Limitado pela resolução e disponibilidade de conjuntos de dados da cromatina; recomenda-se a validação com métodos ortogonais (por exemplo, CRISPR, eQTLs).
Perguntas Frequentes sobre Biotecnologia Farmacêutica
Chapters in this video
0:05
Title
1:00
Generation of a Granges Object for Credible SNPs and Positional Mapping
1:53
Developmental Expression Trajectories
2:18
Cell-type Expression Profiles and Gene Annotation Enrichment Analysis
2:46
Results: Determination and Characterization of Putative Target Genes of AD GWS Loci
3:52
Conclusion
