Endokrine, metabolische, kardiovaskuläre und immunologische Aspekte von Geschlechtschromosomenanomalien in Bezug auf den Genotyp (EMKISCA)

Hintergrund: Die häufigsten SCAs sind das Klinefelter-Syndrom (KS; 47, XXY), 47,XXX, 47,XYY und das Turner-Syndrom (TS; 45,X) mit einer Prävalenz von 85-250, 84, 98 und 50 pro 100.000 Lebendgeborene Jungen/Mädchen bzw. Die Mehrheit der SCAs kann an einer Reihe von Krankheiten leiden, darunter angeborene Fehlbildungen, Stoffwechselerkrankungen, hypergonadotroper Hypogonadismus und Unfruchtbarkeit, Autoimmunerkrankungen und psychiatrische Erkrankungen. Die genetischen Mechanismen, die diese Phänotypen verursachen, sind jedoch weitgehend ungeklärt. Es wurde vorgeschlagen, dass die Phänotypen aus Veränderungen in der DNA-Methylierung und RNA-Expression entstehen. Es wurde festgestellt, dass das Methylom und das Transkriptom in peripheren Blutproben von Personen mit KS, 47, XXX und TS im Vergleich zu Kontrollen verändert sind. Diese Gene werden jetzt allmählich gefunden, z. SHOX, lokalisiert in der pseudoautosomalen Region des X- und Y-Chromosoms, entgeht der X-Inaktivierung und entspricht daher der Anzahl der Geschlechtschromosomen. Eine veränderte Expression von SHOX in SCAs wurde mit der bei diesen Patienten beobachteten veränderten Körpergröße in Verbindung gebracht.

Hypothesen:

1. Das Methylom und Transkriptom von SCAs ist im Vergleich zu karyotypischen normalen Frauen und Männern verändert, und für die verschiedenen SCAs-Untergruppen ist ein einzigartiges Methylierungsprofil und RNA-Expressionsprofil zu sehen.
2. Das Methylierungsprofil und das RNA-Expressionsprofil zeigen zeitliche Veränderungen.
3. Das DNA-Methylierungsprofil und das RNA-Expressionsprofil sind gewebespezifisch.

3. Der Phänotyp und das erhöhte Krankheitsrisiko bei Patienten mit SCAs sind mit dem veränderten RNA-Expressions- und DNA-Methylierungsprofil verbunden.

Materialien: Blut, Fett, Muskeln, Haut, Mundstückchen, Urin werden von 60 klinefelter, 60 Patienten mit Turner-Syndrom, 20:47, XXX und 20:47, XYY und 80 männlichen und weiblichen Kontrollen gesammelt.

Methoden:

Analyse der DNA-Methylierung mittels Whole Genome Bisulfit Sequencing (WGBS). Genomische DNA wird Bisulfit-konvertiert und auf einem Illumina Novaseq-System sequenziert. Sequenzdaten-Präprozessoren der Software-Pipeline MethylStar. Analysiert mit R.

Genexpressionsanalyse (RNA) RNA wird gereinigt und mit einer Sequenztiefe von 30 Millionen Reads sequenziert. Verarbeitung von Sequenzdaten mit FastQC (Qualitätskontrolle), HISAT2 (Mapping) und featureCounts (Genexpression). Unterschiede in der Genexpression werden in R analysiert.

Die extrahierten Biopsien werden in einzelne Zellen dissoziiert. RNA aus diesen einzelnen Zellen wird einzeln sequenziert. Für die miRNA-Analyse werden wir kleine nicht-kodierende RNAs isolieren und diese durch Next-Generation-Sequencing analysieren. Chromatin-Remodellierung kann durch "Fußabdrücke" analysiert werden, die von Histonen auf DNA-Strängen hinterlassen werden. Die Kartierung von Fußspuren entlang des gesamten X-Chromosoms erfolgt mit einem einzigen Assay mit Chromatin-Immunpräzipitation (CHIP) in Kombination mit tiefer Sequenzierung (chIPseq).

Genotyp-Phänotyp-Assoziationsanalyse mit gewichteter Korrelationsnetzwerkanalyse (WGCNA) werden wir die Verhaltensmuster von Genen aufdecken und sie in Module unterteilen, in denen Gene abhängig voneinander reagieren. Diese Module werden anschließend mit den klinischen Daten verknüpft, wodurch die „Hub“-Gene mit den stärksten Assoziationen zum Phänotyp identifiziert werden können.

Diese Genmodule und die Genexpressionsdaten selbst können darüber hinaus in die „Deep-Phänotypisierung“ mittels künstlicher Intelligenz einbezogen werden. Perspektiven Eine Charakterisierung des Methyloms und Transkriptoms aus unterschiedlichen Zielgeweben von Patienten mit SCA wäre nicht nur für diese Patienten von Bedeutung könnte aber zu einem besseren Verständnis ähnlicher Erkrankungen bei Patienten ohne SCAs führen. Die Verwendung von SCAs als Krankheitsmodelle und die Identifizierung von Veränderungen in der DNA-Methylierung und RNA-Expression im Zusammenhang mit Komorbiditäten wie dem metabolischen Syndrom, angeborenen Herzfehlern oder psychiatrischen Erkrankungen könnte das Verständnis dieser Krankheiten im Allgemeinen verbessern und möglicherweise die Behandlung anderer Patientengruppen verbessern ähnliche Erkrankungen.

Darüber hinaus wird die Datensammlung unsere Biobank erweitern und zukünftige Forschungsprojekte zu SCAs ermöglichen.