Bu çalışma, genetik analiz yoluyla kalp yetmezliği için sekiz potansiyel ilaç hedefi belirledi ve bu belirlenen hedeflerle ilişkili aday terapötik bileşikleri araştırdı.
Method Article
Bu çalışma, genetik analiz yoluyla kalp yetmezliği için sekiz potansiyel ilaç hedefi belirledi ve bu belirlenen hedeflerle ilişkili aday terapötik bileşikleri araştırdı.
Kardiyovasküler hastalıklar arasında yaygın olan kalp yetmezliği (KY), ileri evrelerinde yaşam kalitesini önemli ölçüde bozan bir hastalıktır. Mevcut çeşitli tedavi stratejilerinin rağmen, KY'nin hastalık yükü hala önemlidir. Bu nedenle, yeni terapötik hedeflerin araştırılması acilen gereklidir. Bu çalışma, ilaçlanabilir genler ve KY arasındaki nedensel ilişkileri değerlendirmek için Mendelian rastgeleştirme (MR) yöntemini kullandı. İlişkilendirme analizi ve özet verilere dayalı Mendelian rastgeleştirme (SMR) bu ilişkinin daha da doğrulanması için yapıldı. Sonunda, KY için 8 potansiyel terapötik hedef belirlendi ve bu hedefler arasında 4 risk faktörü (CYP11A1, GALT, KCNH2 ve METRN) ve 4 koruyucu faktör (APOM, CHD4, IL11RA ve LPAR5) bulunmaktadır. GO zenginleştirme, KEGG zenginleştirme ve protein-protein etkileşimi (PPI) ağı analizi bu genlerin çoğunlukla metabolik düzenleme ve kardiyak elektrofizyolojik süreçlerde yer aldığını göstermiştir. Ayrıca, bu hedeflere yönelik potansiyel ilaçlar ilaç tahmini ve moleküler yerleştirme kullanılarak belirlenmiştir ve bu ilaçlar arasında mitotan, Adehl, Benzofuranlar, 1,3-Di-o-tolylguanidin, 96-69-5 ve bromoenollaktan yer almaktadır. Ayrıca, PCR sonuçları mitotan'ın CYP11A1 ve KCNH2 ile ilişkili olabileceğini de göstermiştir. Bu potansiyel terapötik hedeflere dayalı olarak tasarlanan ilaçlar, daha yüksek başarı oranları ve klinik sonuçların iyileştirilmesini sunabilir.
Kardiyak yetmezlik (KY), bozulmuş ventrikül dolumu veya miyokardiyal kontraktilite ile tanımlanan yaygın bir kardiyovasküler sendrom olup metabolik talepleri karşılamada yetersiz kardiyak çıkış ile sonuçlanmaktadır1,2,3. Klinik olarak, KY pulmoner ve sistemik konjeksiyon, doku hipoperfüzyonu ve dispne, yorgunluk ve periferik ödem gibi semptomlarla karakterizedir1,4,5. Terapötik ilerlemelere rağmen, KY dünya çapında önemli bir morbidite ve mortalite nedeni olmaya devam etmekte ve Global Burden of Disease (GBD) çalışmasına göre 64 milyondan fazla kişiyi etkilemektedir6,7,8. Hastalık yükünün önemi, yeni tedavi stratejilerinin acil ihtiyacını vurgulamaktadır.
KY için mevcut farmakolojik ve cihaz tabanlı müdahaleler, optimal olmayan etkinlik ve yan etkilerle sınırlı olup, yüksek yeniden hastane yatış oranlarına ve yaşam kalitesinde bozulmaya katkıda bulunmaktadır9,10,11,12. Bu nedenle, KY patogenezinde nedensel bağlantılara sahip yeni moleküler hedeflerin belirlenmesi klinik sonuçları iyileştirmek için kritik öneme sahiptir. Genomikleri ilaç keşfine entegre etmek, etkinliği artırmak için oldukça etkili bir stratejidir, çünkü genetik olarak doğrulanmış tedaviler klinik çalışmalarda önemli ölçüde daha yüksek başarı oranı göstermektedir13,14,15. Ayrıca, bu eyleme açık genler tarafından kodlanan proteinler, hem küçük moleküller hem de monoklonal antikorlar için birincil terapötik hedefler olarak hizmet vermektedir16,17.
İnsan genetiğindeki son gelişmeler, genom çapında ilişkilendirme çalışmaları (GWAS) ve ekspresyon nicel özellik lokusları (eQTL) verilerinin entegratif analizi yoluyla ilaç hedeflerinin önceliklendirilmesini kolaylaştırmıştır. Mendelian rastgeleştirme (MR) genetik varyantları enstrümantal değişkenler olarak kullanarak nedensel etkileri tahmin etmektedir ve gözlemsel çalışmalarda doğal olan karışıklık ve ters nedenselliği en aza indirmektedir13,14. Bu yaklaşım, özet tabanlı MR (SMR) ve konlokalizasyon ile birleştirildiğinde, hastalığın riskini etkileyebilecek genlerin modülasyonunun güvenilir önceliklendirilmesini sağlayarak, hedef keşif için genetik olarak temellendirilmiş bir strateji sunar18,19,20. Geleneksel ilişkilendirme çalışmaları ile karşılaştırıldığında, MR, SMR ve konlokalizasyonun entegrasyonu, karışıklığı ve ters nedenselliği aşarak güçlü nedensel çıkarımlar kurar. Ayrıca, bu çerçeve, bağlantı dengesizliğinden kaynaklanan yanlış pozitif sinyalleri, gen ekspresyonu ve kalp yetmezliği riskinin aynı altta yatan nedensel varyantı paylaşmasını sağlayarak filtreler, hedef önceliklendirmeyi optimize eder. Kardiyak dokular yüksek özgüllük gösterirken, bu çalışmanın büyük ölçekli kan cis-eQTL verilerini kullanarak istatistiksel gücü en üst düzeye çıkardığını belirtmek önemlidir. Bu yaklaşım, KY'ye özgü doku mekanizmalarını tam olarak yakalayamasa da, kan kaynaklı varyantlar erişilebilir biyobelirteçler olarak hizmet eder ve hastalığın sistemik genetik sürücüleri hakkında güçlü bilgiler sağlar.
Bu çalışmada, büyük ölçekli GWAS ve eQTL veri setleri, ilaçlanabilir genlerin KY riski üzerindeki nedensel etkilerini değerlendirmek için kullanılmıştır. Önemli ilişkiler daha sonra konlokalizasyon ve SMR analizleri ile doğrulanmıştır. Önceliklendirilen hedeflerin biyolojik fonksiyonlarını açıklamak için Gen Ontoloji (GO) ve Kyoto Genler ve Genomlar Ansiklopedisi (KEGG) zenginleştirme analizleri, protein-protein etkileşimi (PPI) ağ analizi gerçekleştirilmiştir. Terapötik potansiyel daha sonra ilaç tahmini ve moleküler yerleşim ile değerlendirilmiştir. Son olarak, seçilen ilaçlanabilir genler ve aday ilaçlar arasındaki ilişkiler in vitro deneylerle doğrulanmıştır.
Sonuç olarak, bu çalışma KY için yeni terapötik hedeflerin keşfi için önemli bilgiler sunmaktadır. MR, SMR, konlokalizasyon analizi, gen zenginleştirme analizi, PPI ağının oluşturulması, ilaç tahmini, moleküler yerleşim ve in vitro deneyler kullanarak bu bulgular, KY için daha etkili terapötik stratejilerin geliştirilmesine katkıda bulunabilir.
Bu çalışmada kullanılan tüm veri setleri, önceden yayınlanmış ve etik onayla sahip çalışmalardan elde edilmiştir. Kullanılan reaktifler ve ekipmanlar Malzemeler Tablosunda listelenmiştir.
1. Çalışma tasarımı
Bu çalışmanın iş akışı Şekil 1'de gösterilmiştir. Öncelikle, maruz kalma verileri, ilaçlanabilir genlerin cis-eQTL'lerinden elde edildi. İkinci olarak, ilaçlanabilir genler ve HF arasındaki nedensel ilişkiyi araştırmak için MR analizi yapıldı. HF için aday terapötik hedefler daha sonra kolokalizasyon ve SMR analizlerinde tanımlandı. Daha sonra gen zenginleştirme analizi ve PPI ağı inşası yapıldı. Son olarak, ilaç tahmini ve moleküler yerleşim yapılarak genler için ilaçların bağlanma afinitesi keşfedildi.
2. Veri kaynağı
Toplam 6.888 ilaçlanabilir gen, iki kaynaktan tanımlandı. Bir veri seti, önceden yayınlanmış ve birden fazla veri kaynağını entegre eden bir çalışmadan 4.463 geni içeriyordu17. Diğer veri seti, İlaç-Gen Etkileşimi Veritabanı (DGIdb)nden21 5.012 geni içeriyordu. Ayrıntılı bilgi web sitesinde (https://www.dgidb.org/) bulunabilir. Birleştirme ve tekrarların kaldırılmasından sonra analiz için 6.888 benzersiz ilaçlanabilir gen kaldı.
Cis-eQTL verileri, ekspresyon profillerini 31.684 kan örneğinden elde eden ve 16.987 geni kapsayan eQTLGen Konsorsiyumu (https://eqtlgen.org/cis-eqtls.html)nden alındı22.
HF özet istatistikleri, 37.653 vaka ve 462.695 kontrol içeren FinnGen veri tabanının R12 sürümünden alındı23. HF tanısı Uluslararası Hastalık Sınıflaması (ICD)ne dayanıyordu ve ICD-10—I11.0, I13.0, I13.2, I50, ICD-9—4029B|428, ve ICD-8—42700|42710|428|7824 içermekteydi. Tüm katılımcılar Avrupa soyundandı. Ayrıntılı bilgi FinnGen web sitesinde ve orijinal makalede (https://www.finngen.fi/en/access_results) bulunabilir.
3. Mendelyen rastgeleştirme analizi
Enstrümantal değişkenler (IV'ler), üç temel MR varsayımına dayanarak seçildi24. Birinci olarak, IV'ler maruz kalma faktörleri ile doğrudan ilişkilidir. İkinci olarak, IV'ler karıştırıcı faktörlerle ilişkili değildir. Son olarak, IV'ler sonucu sadece maruz kalma yoluyla etkiler. Proksimal eQTL'lerin hedef genler üzerinde daha anında ve sağlam bir düzenleyici kontrol uyguladığı düşünüldüğünde, MR yalnızca biyolojik yakınlığı en üst düzeye çıkarmak için genlerin 100 kb bölgeleri içinde yer alan SNP'leri kullandı. SNP seçimi için katı kriterler kullanıldı. Seçilen tüm SNP'ler, her ilaçlanabilir genin transkripsiyon başlangıç bölgesinden 100 kb yukarısında ve transkripsiyon sonu bölgesinden 100 kb aşağısında yer aldı. Sadece genom-genişliğinde anlamlılık (p < 5×10-8) gösteren SNP'ler dahil edildi25. Bağlantı dengesizliğini (LD) en aza indirgemek için, r2 eşiği 0.001 ve 10.000 kb kümelenme mesafesi ile LD kümelenmesi yapıldı26. F-istatistikleri >10 olan SNP'ler, F = [R2(N−k−1)]/[k(1−R2)] formülünün kullanılmasıyla hesaplandı27. SNP bilgileri Ek Tablo 1'de verilmiştir.
Temel analitik yöntemler, ters varyans ağırlıklı (IVW) ve Wald oranıydı. 0.05'ten küçük bir p-değeri istatistiksel olarak anlamlı kabul edildi28,29. Yanlış keşif oranı (FDR) p-değerini yanıltıcı pozitif sonuçları en aza indirgemek için ayarlamak için uygulandı30. Sadece bir SNP mevcut olduğunda Wald oranı yöntemi kullanıldı; aksi takdirde IVW uygulandı. Yeterli SNP mevcut olduğunda MR-Egger, ağırlıklı median, ağırlıklı mod ve basit mod analizleri yapıldı.
Heterojenlik ve pleiotropiyi test etmek için Cochran'ın Q testi ve MR-Egger kesişim analizi kullanıldı. Q-p-değeri 0.05'ten büyükse heterojenlik yokluğuna işaret ediyordu31. MR-Egger kesişimi için p-değeri 0.05'ten küçükse yönlü pleiotropiye işaret ediyordu18. Son olarak, sonuçların tek bir SNP tarafından etkilenebileceğini test etmek için bir-çıkar-testi yapıldı. MR analizleri R (sürüm 4.4.2) üzerindeki TwoSampleMR paketi (sürüm 0.6.11) kullanılarak
Mendelian rasgeleleştirme
İlaçlanabilir gen ekspresyonu ve HF arasındaki nedensel etkileri değerlendiren MR sonuçları Tablo Ek 3'te sunulmuştur. FDR düzeltilmiş P değeri 0,05'ten küçük olarak istatistiksel olarak anlamlı kabul edildi. HF ile anlamlı nedensel ilişkileri olan toplam 11 gen belirlenmiştir (Şekil 2). Bunlar arasında altı gen HF için artmış risk ile ilişkilendirilmiştir ve bunlar CDKN1A (P_FDR: 0.03, OR: 1.293), CYP11A1 (P_FDR: 0.034, OR: 1.494), GALT (P_FDR: 0.042, OR: 1.074), KCNH2 (P_FDR: 0.018, OR: 1.163), LST1 (P_FDR: 0.03, OR: 1.112) ve METRN (P_FDR: 0.018, OR: 1.115) idi. Kalan beş gen HF için azalmış risk ile ilişkilendirilmiştir ve bunlar APOM (P_FDR: 0.03, OR: 0.773), CAMK2G (P_FDR: 0.018, OR: 0.699), CHD4 (P_FDR: 0.018, OR: 0.811), IL11RA (P_FDR: 0.018, OR: 0.947) ve LPAR5 (P_FDR: 0.021, OR: 0.915) idi.
Bu çalışmada hassas analiz yapılmış ve sonuçlar, önemli bir heterojenite veya yatay pleiotropi saptanmadığını (Tablo 1) ve MR tahminlerinin herhangi bir tek SNP tarafından belirlenmediğini göstermiştir (Tablo Ek Figür 1).
Kolokalizasyon analizi
Kolokalizasyon analizi, belirlenen 11 gen üzerinde yapılmıştır (Şekil 3 ve Tablo 2). Dokuz gen, HF ile nedensel varyantları paylaşma konusunda güçlü kanıtlar göstermiş ve bunlar APOM (PP.H4: 0.923), CHD4 (PP.H4: 0.942), CYP11A1 (PP.H4: 0.91), GALT (PP.H4: 0.967), IL11RA (PP.H4: 0.967), KCNH2 (PP.H4: 0.815), LPAR5 (PP.H4: 0.938), LST1 (PP.H4: 0.913) ve METRN (PP.H4: 0.907) idi. PP.H4 değeri 0,8'den düşük olduğu için CDKN1A ve CAMK2G olmak üzere iki gen daha analizden çıkarılmıştır.
SMR analizi
Gen-hastalık ilişkilerini daha fazla doğrulamak için dokuz kolokalleşmiş gen için SMR analizi yapılmıştır (Tablo 2). SMR analizi, sekiz genin HF ile anlamlı ilişkilerinin devam ettiğini göstermiştir. HF ile negatif ilişkisi olan dört gen vardı ve bunlar APOM (P_SMR: 0.018, P_HEIDI: 0.115, OR: 0.838), CHD4 (P_SMR: 5.45E-05, P_HEIDI: 0.458, OR: 0.732), IL11RA (P_SMR: 1.00E-04, P_HEIDI: 0.388, OR: 0.938) ve LPAR5 (P_SMR: 3.71E-05, P_HEIDI: 0.168, OR: 0.889) idi. Ve HF ile pozitif ilişkisi olan dört gen vardı ve bunlar CYP11A1 (P_SMR: 5.68E-04, P_HEIDI: 0.056, OR: 1.81), GALT (P_SMR: 1.02E-04, P_HEIDI: 0.726, OR: 1.085), KCNH2 (P_SMR: 2.76E-04, P_HEIDI: 0.162, OR: 1.236) ve METRN (P_SMR: 1.55E-05, P_HEIDI: 0.068, OR: 1.103) idi. LST1 (P_SMR: 4.61E-05, P_HEIDI: 0.025, OR: 1.135) HF için artmış risk ile ilişkilendirilmesine rağmen, HEIDI testi bu ilişkinin bağlantı dengesizliğinden kaynaklanmış olabileceğini göstermiştir. Bu nedenle LST1 çıkarıldı.
Zenginleştirme analizi
MR, kolokalizasyon ve SMR analizleri ile belirlenen sekiz gen, GO zenginleştirme ve KEGG zenginleştirme analizine tabi tutulmuştur (Şekil 4A–E). BP sınıfında genler, metabolik süreçlerin parçalanması (kortizol metabolik süreci, galaktoz metabolik süreci, glukokortikoid biyosentetik süreci ve ters kolesterol taşıma), lipoprotein parçacıkları ile ilgili süreçler (yüksek yoğunluklu lipoprotein parçacığı toplanması, yüksek yoğunluklu lipoprotein parçacığı yeniden yapılandırması ve yüksek yoğunluklu lipoprotein parçacığı temizliği) ve ventriküler kardiyak kas hücresi aksiyon potansiyeli sırasında membran repolarizasyonu ile zenginleştirilmiştir. CC sınıfında genler, lipoprotein parçacıkları (düşük yoğunluklu lipoprotein parçacığı, çok düşük yo
Bu araştırma, MR kullanarak uyuşturulabilir genlerin HF riski üzerindeki nedensel etkilerini sistematik olarak değerlendirerek sekiz potansiyel tedavi hedefini belirledi. Bunlar arasında dört koruyucu faktör (APOM, CHD4, IL11RA ve LPAR5) ve dört risk faktörü (CYP11A1, GALT, KCNH2 ve METRN) yer aldı. Bu ilişkiler, eşlokalizasyon analizi ve SMR ile daha da desteklenmiştir. GO, KEGG zenginleştirme ve PPI ağı analizleri yoluyla fonksiyonel açıklama, bu genlerin HF'yi öncelikle metabolizma ve elektrofizyoloji ile ilgili yollardan etkileyebileceğini öne sürdü. Ayrıca, ilaç tahmini ve moleküler doklama çalışmaları, bu hedeflerin çevrilme potansiyelini vurguladı.
APOM, HF için koruyucu bir faktör olarak tanımlandı. APOM, sfingozin-1-fosfatı (S1P) bağlar ve TNF-α ekspresyonunu azaltarak, monosit-endotelyal yapışmayı sınırlayarak ve endotelyal bariyer bütünlüğünü koruyarak, enflamasyona bağlı miyokardiyal hasarı hafifleterek anti-inflamatuar etkiler gösterir42,43,44. Ek olarak, APOM, kardiyomiyosit sağkalımını ve proliferasyonunu desteklerken apoptozu azaltır, kardiyak yapı ve fonksiyonu korur. Eksikliği, olumsuz kardiyak sonuçlarla ilişkilendirilmiştir, bu da bu bulguyla tutarlıdır42,45. Ancak, APOM'u HF'ye bağlayan altta yatan mekanizma daha fazla araştırma gerektirir.
CHD4, tanımlanan başka bir koruyucu gendir ve nükleosom yeniden yapılandırma ve deasetilaz (NuRD) kompleksinin çekirdek bileşenidir ve kardiyak gelişim ve miyokardiyal büyüme için önemli bir rol oynar46,47,48. CHD4 kaybı, uygun olmayan miyofibriler proteinlerin kardiyak sarkomerlere dahil edilmesine yol açarak, yapısal ve fonksiyonel anormallikler, yani boşluk genişlemesi ve bozulmuş ventriküler gelişim ile sonuçlanır. Bu sonuç, normal kardiyak fonksiyonun korunmasında CHD4'ün kritik rolünü pekiştirir.
Bu araştırmada IL11RA'nın HF riskini azalttığı ortaya çıkarıldı. IL11RA, IL-11 reseptör kompleksinin birincil ligand bağlanma alt birimidir. IL-11'in kalpte fibrotik tepkileri tetiklediği gösterilse de, IL11RA'nın spesifik rolü belirsizdir49. Bu çalışmada gözlemlenen koruyucu etki, IL11RA'nın belirli koşullar altında fibroziyi sınırlamak için bağlamdan bağımlı fonksiyonlar gösterebileceğini veya diğer sinyal bileşenleriyle etkileşime girebileceğini öne sürer50. Bu belirgin tutarsızlık, HF patogenezinde IL11RA'nın fonksiyonel rolünü açıklamak için daha fazla mekanizma çalışmasının gerektiğini vurgulamaktadır.
Bu çalışma, LPAR5'in HF riskinin azalmasıyla ilişkili olduğunu gösterdi. LPAR5, lizofosfatidik asidin (LPA) bir reseptörüdür. LPA genellikle pro-inflamatuar olarak kabul edilir ve advers kardiyak yeniden yapılanma ile ilişkilendirilmiştir, ancak bireysel LPA reseptörlerinin farklı rolleri olabilir51,52. Örneğin, LPA sinyali, Gα12/13 ve Gαq/11 yolları aracılığıyla hücre iskeleti stres lifleri oluşumunu modüle ederek kardiyomiyosit morfolojisi, kontraktil fonksiyon ve sinyal iletimi süreçlerinde önemli bir rol oynar53,54. Bununla birlikte, LPAR5'in HF patofizyolojisindeki kesin rolü daha fazla araştırmayı gerektirmektedir.
Bu araştırma, CYP11A1'in HF için bir risk faktörü olduğunu gösterdi. CYP11A1, steroid hormon biyosentezindeki hız sınırlayıcı enzimi kodlar55,56. Steroid hormonlarının, özellikle aldosteronun yükseltilmiş üretimi, sodyum tutulması ve artmış kardiyak yüke katkıda bulunur, bu da HF ilerlemesinin temel özellikleridir57,58. Ek olarak, CYP11A1 metabolik aktivitesi sırasında reaktif oksijen türleri üretir, bu da miyokardiyal hasarı kötüleştirebilir59. in vitro CYP11A1 ve mitotan arasında gerçek bir korelasyon gözlendi ve bu, mitotanın HF tedavisi için potansiyel terapötik değeri olabileceğine dair kanıt sağladı. Ancak, mitotan ve HF arasındaki ilişkiyi araştırmak için daha fazla deney gerekmektedir.
Bu araştırmada GALT, HF riskini artırabilir. GALT, galaktoz metabolizmasında önemli bir enzimdir ve HF riskiyle pozitif bir ilişki gösterir60,61. Yükseltilmiş GALT ekspresyonu, kardiyak fibroz ve yeniden yapılanma için bir biyobelirteç olarak önerilmiştir ve daha yüksek seviyeler, muhtemelen profibrotik metabolik yollara olan iliş
Yazarlar, herhangi bir çıkar çatışması olmadığını beyan ederler.
FinnGen çalışmasının katılımcıları ve araştırmacıları kabul edilmektedir. eQTLGen konsorsiyumu, DGIdb ve bu analizler için herkese açık veriler sağlayan diğer araştırmacılar da minnettarlıkla kabul edilmektedir. Bu çalışma, Chongqing Tıp Üniversitesi Birinci Klinik Koleji'nin Yüksek Lisans Araştırma İnovasyon Projesi (CYYY-SSCX202516) ve Kalp Yetmezliğinin Standart Teşhisi ve Tedavisi (2025cyjstg006) tarafından desteklenmiştir.
Yazar Katkısı
Huiling Zhu, kavramsallaştırma, finansman edinimi, araştırma, metodoloji, kaynaklar, yazılım, denetleme, doğrulama, orijinal taslak yazımı ve elemanın gözden geçirilmesi ve düzenlenmesine katkıda bulunmuştur. Suxin Luo, finansman edinimi, metodoloji, denetleme ve elemanın gözden geçirilmesi ve düzenlenmesine katkıda bulunmuştur.
| Name | Company | Catalog Number | Comments |
|---|---|---|---|
| 2× Universal SYBR Green Fast qPCR Mix | Abclonal | RK21203 | |
| AC16 | HyCyte | TCH-C119 | |
| AC16 hücre özgü kültür ortamı | HyCyte | TCH-G119 | |
| cDNA ters kit | Abclonal | RK20400 | |
| CFX96™ Gerçek Zamanlı sistem | Bio-Rad Laboratories | ||
| Mitotan | TargetMol | T1199 | |
| Palmitik asit | TargetMol | T2908 | |
| RNA ekstraksiyon kiti | Abclonal | RK30120 |
Request permission to reuse the text or figures of this JoVE article
Request Permission