Aspectos endocrinos, metabólicos, cardiovasculares e inmunológicos de las anomalías cromosómicas sexuales en relación con el genotipo (EMKISCA)

Antecedentes: Las SCA más prevalentes son el síndrome de Klinefelter (KS; 47, XXY), 47,XXX, 47,XYY y el síndrome de Turner (TS; 45,X) con una prevalencia de 85-250, 84, 98 y 50 por 100.000 nacidos vivos niños/niñas, respectivamente. La mayoría de las SCA pueden sufrir una variedad de enfermedades que incluyen malformaciones congénitas, enfermedades metabólicas, hipogonadismo hipergonadotrópico e infertilidad, enfermedades autoinmunes y enfermedades psiquiátricas. Sin embargo, los mecanismos genéticos que causan estos fenotipos son en gran parte inexplicables. Se ha sugerido que los fenotipos surgen de alteraciones en la metilación del ADN y la expresión del ARN. Se ha encontrado que el metiloma y el transcriptoma en muestras de sangre periférica de personas con KS, 47, XXX y TS están alterados en comparación con los controles. Estos genes ahora están comenzando a ser encontrados ex. SHOX, ubicado en la región pseudoautosómica del cromosoma X e Y, escapa a la inactivación X y, por lo tanto, es equivalente al número de cromosomas sexuales. La expresión alterada de SHOX en SCA se ha asociado con la altura alterada observada en estos pacientes.

Hipótesis:

1. El metiloma y el transcriptoma de las SCA están alterados en comparación con los machos y hembras normales cariotípicos, y se observa un perfil de metilación y un perfil de expresión de ARN únicos para los diferentes subgrupos de SCA.
2. El perfil de metilación y el perfil de expresión de ARN muestran alteraciones temporales.
3. El perfil de metilación del ADN y el perfil de expresión del ARN son específicos de tejido.

3. El fenotipo y el mayor riesgo de enfermedades observado en pacientes con SCA están asociados con la expresión alterada del ARN y el perfil de metilación del ADN.

Materiales: Sangre, grasa, músculo, piel, intercambios bucales, orina, se recolectarán de 60 klinefelter, 60 pacientes con síndrome de Turner, 20: 47, XXX y 20: 47, XYY y 80 controles emparejados masculinos y femeninos.

Métodos:

Análisis de la metilación del ADN mediante secuenciación de bisulfito del genoma completo (WGBS). El ADN genómico se convertirá con bisulfito y se secuenciará en un sistema Illumina Novaseq. Preprocesadores de datos de secuencia de la canalización de software MethylStar. Analizado usando R.

Análisis de expresión génica (ARN) El ARN se limpiará y secuenciará con una profundidad de secuencia de 30 millones de lecturas. Procesamiento de datos de secuencia usando FastQC (control de calidad), HISAT2 (mapeo) y featureCounts (expresión génica). Las diferencias en la expresión génica se analizarán en R.

Las biopsias extraídas se disociarán en células singulares. El ARN de estas células singulares se secuenciará individualmente. Para el análisis de miARN, aislaremos pequeños ARN no codificantes y los analizaremos mediante secuenciación de próxima generación. El remodelado de la cromatina se puede analizar a través de las "huellas" dejadas por las histonas en la cadena de ADN. El mapeo de huellas a lo largo de todo el cromosoma X se realiza mediante un único ensayo con cromatina-inmunoprecipitación (CHIP) en combinación con secuenciación profunda (chIPseq).

Análisis de asociación genotipo-fenotipo con análisis de red de correlación ponderada (WGCNA) descubriremos los patrones en los que se comportan los genes y los dividiremos en módulos donde los genes reaccionan de forma dependiente unos de otros. Estos módulos se asociarán luego con los datos clínicos, lo que permitirá la identificación de los genes "hub" con las asociaciones más fuertes con el fenotipo.

Estos módulos genéticos, y los datos de expresión génica en sí mismos, pueden incluirse además en el "fenotipado profundo" usando inteligencia artificial pero podría conducir a una mayor comprensión de enfermedades similares en pacientes sin SCA. El uso de SCA como modelos de enfermedades e identificar cambios en la metilación del ADN y la expresión del ARN relacionados con comorbilidades, como el síndrome metabólico, la cardiopatía congénita o las enfermedades psiquiátricas, podría aumentar la comprensión de estas enfermedades en general y mejorar potencialmente el tratamiento en otros grupos de pacientes con enfermedades similares.

Además, la recopilación de datos ampliará nuestro biobanco y permitirá futuros proyectos de investigación sobre SCA.