Aspetti endocrini, metabolici, cardiovascolari e immunologici delle anomalie dei cromosomi sessuali in relazione al genotipo (EMKISCA)

Contesto: le SCA più diffuse sono la sindrome di Klinefelter (KS; 47, XXY), 47, XXX, 47, XYY e la sindrome di Turner (TS; 45, X) con una prevalenza di 85-250, 84, 98 e 50 per 100.000 nati vivi rispettivamente ragazzi/ragazze. La maggior parte delle SCA può soffrire di una serie di malattie tra cui malformazioni congenite, malattie metaboliche, ipogonadismo ipergonadotropo e infertilità, malattie autoimmuni e malattie psichiatriche. Tuttavia, i meccanismi genetici che causano questi fenotipi sono in gran parte inspiegabili. È stato suggerito che i fenotipi derivino da alterazioni nella metilazione del DNA e nell'espressione dell'RNA. Il metiloma e il trascrittoma nei campioni di sangue periferico di persone con KS, 47, XXX e TS sono risultati alterati rispetto ai controlli. Questi geni stanno ora iniziando a essere trovati ex. SHOX, situato nella regione pseudo autosomica del cromosoma X e Y, sfugge all'inattivazione dell'X ed è quindi equivalente al numero di cromosomi sessuali. L'espressione alterata di SHOX nelle SCA è stata associata all'altezza alterata osservata in questi pazienti.

Ipotesi:

1. Il metiloma e il trascrittoma delle SCA sono alterati rispetto alla femmina e ai maschi cariotipici normali e si osserva un profilo di metilazione e un profilo di espressione dell'RNA unici per i diversi sottogruppi di SCA.
2. Il profilo di metilazione e il profilo di espressione dell'RNA mostrano alterazioni temporali.
3. Il profilo di metilazione del DNA e il profilo di espressione dell'RNA sono tessuto-specifici.

3. Il fenotipo e l'aumento del rischio di malattie osservati nei pazienti con SCA sono associati all'espressione alterata dell'RNA e al profilo di metilazione del DNA.

Materiali: sangue, grasso, muscoli, pelle, scambi buccali, urina, saranno raccolti da 60 klinefelter, 60 pazienti con sindrome di Turner, 20: 47, XXX e 20: 47, XYY e 80 controlli abbinati maschi e femmine.

Metodi:

Analisi della metilazione del DNA mediante Whole Genome Bisulfite Sequencing (WGBS). Il DNA genomico sarà convertito con bisolfito e sequenziato su un sistema Illumina Novaseq. Pre-processori di dati di sequenza della pipeline software MethylStar. Analizzato utilizzando R.

Analisi dell'espressione genica (RNA) L'RNA sarà pulito e sequenziato con una profondità di sequenza di 30 milioni di letture. Elaborazione dei dati di sequenza utilizzando FastQC (controllo di qualità), HISAT2 (mappatura) e featureCounts (espressione genica). Le differenze nell'espressione genica saranno analizzate in R.

Le biopsie estratte saranno dissociate in singole cellule L'RNA di queste singole cellule sarà sequenziato individualmente. Per l'analisi dei miRNA isoleremo piccoli RNA non codificanti e li analizzeremo mediante sequenziamento di nuova generazione. Il rimodellamento della cromatina può essere analizzato attraverso "impronte" lasciate dagli istoni sul filamento di DNA. La mappatura delle impronte lungo l'intero cromosoma X viene eseguita utilizzando un singolo test con immunoprecipitazione della cromatina (CHIP) in combinazione con il sequenziamento profondo (chIPseq).

Analisi dell'associazione genotipo-fenotipo con analisi della rete di correlazione ponderata (WGCNA) scopriremo i modelli in cui i geni si comportano e li divideremo in moduli in cui i geni reagiscono in modo dipendente l'uno dall'altro. Questi moduli saranno successivamente associati ai dati clinici, consentendo l'identificazione dei geni "hub" con le più forti associazioni al fenotipo.

Questi moduli genici, e gli stessi dati di espressione genica, possono inoltre essere inclusi nella "fenotipizzazione profonda" utilizzando l'intelligenza artificiale. ma potrebbe portare a una maggiore comprensione di malattie simili nei pazienti senza SCA. L'utilizzo delle SCA come modelli di malattia e l'identificazione dei cambiamenti nella metilazione del DNA e nell'espressione dell'RNA correlati a comorbilità come la sindrome metabolica, le cardiopatie congenite o le malattie psichiatriche potrebbe aumentare la comprensione di queste malattie in generale e potenzialmente migliorare il trattamento in altri gruppi di pazienti con malattie simili.

Inoltre, la raccolta dati amplierà la nostra biobanca e consentirà futuri progetti di ricerca sulle SCA.