Genotyyppiin liittyvien sukupuolikromosomipoikkeavuuksien endokriiniset, metaboliset, kardiovaskulaariset ja immunologiset näkökohdat (EMKISCA)

Tausta: Yleisimmät SCA:t ovat Klinefelterin oireyhtymä (KS; 47, XXY), 47, XXX, 47, XYY ja Turnerin oireyhtymä (TS; 45, X), joiden esiintyvyys on 85-250, 84, 98 ja 50 per 100 000 elävänä syntynyttä. pojat/tytöt, vastaavasti. Suurin osa SCA:ista voi kärsiä useista sairauksista, mukaan lukien synnynnäiset epämuodostumat, aineenvaihduntataudit, hypergonadotrooppinen hypogonadismi ja hedelmättömyys, autoimmuunisairaus ja psykiatriset sairaudet. Näitä fenotyyppejä aiheuttavat geneettiset mekanismit ovat kuitenkin suurelta osin selittämättömiä. Fenotyyppien on ehdotettu johtuvan muutoksista DNA:n metylaatiossa ja RNA-ekspressiossa. Metylomin ja transkription KS-, 47-, XXX- ja TS-potilaiden ääreisverinäytteissä on havaittu muuttuneen verrokkeihin verrattuna. Näitä geenejä aletaan nyt löytää mm. SHOX, joka sijaitsee X- ja Y-kromosomin pseudoautosomaalisella alueella, pakenee X-inaktivaatiota ja on siksi yhtä suuri kuin sukupuolikromosomien lukumäärä. SHOX:n muuttunut ilmentyminen SCA:issa on yhdistetty näillä potilailla havaittuun pituuteen.

Hypoteesit:

1. SCA:iden metylomi ja transkriptomi ovat muuttuneet verrattuna karyotyyppisiin normaaleihin naisiin ja miehiin, ja eri SCA-alaryhmille nähdään ainutlaatuinen metylaatioprofiili ja RNA-ekspressioprofiili.
2. Metylaatioprofiili ja RNA-ekspressioprofiili osoittavat ajallisia muutoksia.
3. DNA:n metylaatioprofiili ja RNA-ekspressioprofiili ovat kudosspesifisiä.

3. SCA-potilailla havaittu fenotyyppi ja lisääntynyt sairauksien riski liittyvät muuttuneeseen RNA-ekspressioon ja DNA:n metylaatioprofiiliin.

Materiaalit: Veri, rasva, lihakset, iho, poskenvaihdot, virtsa kerätään 60 klinefelteriltä, ​​60 Turnerin oireyhtymäpotilaalta, 20: 47, XXX ja 20: 47, XYY ja 80 uros- ja naaraskontrollilta.

Menetelmät:

DNA-metylaation analyysi käyttämällä koko genomin bisulfiittisekvensointia (WGBS). Genominen DNA muunnetaan bisulfiitiksi ja sekvensoidaan Illumina Novaseq -järjestelmässä. Ohjelmistoputkilinjan MethylStarin sekvenssidatan esiprosessorit. Analysoitu R:n avulla.

Geeniekspressioanalyysi (RNA) RNA puhdistetaan ja sekvensoidaan 30 miljoonan lukukerran sekvenssin syvyydellä. Sekvenssitietojen käsittely FastQC:llä (laadunvalvonta), HISAT2:lla (kartoitus) ja featureCountsilla (geenin ilmentäminen). Geenien ilmentymisen eroja analysoidaan R:ssä.

Uutetut biopsiat dissosioidaan yksittäisiksi soluiksi. Näistä yksittäisistä soluista peräisin oleva RNA sekvensoidaan yksilöllisesti. MiRNA-analyysiä varten eristetään pieniä ei-koodaavia RNA:ita ja analysoidaan ne seuraavan sukupolven sekvensoinnilla. Kromatiinin uudelleenmallinnus voidaan analysoida "jalanjälkien" avulla, jotka histonit jättävät DNA-juosteeseen. Jalanjälkien kartoitus koko X-kromosomissa tehdään käyttämällä yhtä määritystä kromatiini-immunosaostuksella (CHIP) yhdistettynä syvään sekvensointiin (chIPseq).

Genotyyppi-fenotyyppi-assosiaatioanalyysi painotetulla korrelaatioverkkoanalyysillä (WGCNA) paljastaa geenien käyttäytymismalleja ja jakaa ne moduuleiksi, joissa geenit reagoivat toisistaan ​​riippuvaisesti. Nämä moduulit yhdistetään myöhemmin kliinisiin tietoihin, mikä mahdollistaa "keskitin"-geenien tunnistamisen, joilla on vahvimmat assosiaatiot fenotyyppiin.

Nämä geenimoduulit ja itse geeniekspressiotiedot voidaan lisäksi sisällyttää "syväfenotyypitykseen" tekoälyä käyttäen. Perspektiivit Metylomin ja transkriptomin karakterisointi eri kohdekudoksesta potilailta, joilla on SCA:ta, ei olisi merkityksellistä vain näille potilaille. mutta voisi johtaa laajempaan ymmärrykseen samanlaisista sairauksista potilailla, joilla ei ole SCA:ta. SCA:iden käyttäminen sairausmalleina ja samanaikaisiin sairauksiin, kuten metaboliseen oireyhtymään, synnynnäiseen sydänsairauteen tai psykiatrisiin sairauksiin liittyvien muutosten tunnistamiseen DNA-metylaatiossa ja RNA-ilmentymisessä, voisi lisätä näiden sairauksien ymmärtämistä yleisesti ja mahdollisesti parantaa hoitoa muissa potilasryhmissä, joilla on vastaavia sairauksia.

Lisäksi tiedonkeruu laajentaa biopankkiamme ja mahdollistaa tulevia SCA-tutkimusprojekteja.