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