고관절 이형성증의 기저를 이루는 유전적 기전 및 추가적인 위험 요인

연구 모집단 및 DNA 샘플 1989년에 태어난 고관절 코호트 연구 구성원(n=4004, 응답률 52%)과 1988년과 1990년 신생아기에 초음파 검사상 미성숙 또는 이형성 고관절을 보이는 사람들(n=480, 응답률)의 임상 및 방사선학적 추적 비율 67.7%)를 2007-2009년에 수행하여 2,406명의 피험자에서 DDH를 특성화할 수 있었습니다. 이 중 1779년에는 동의 하에 타액 샘플을 수집하고 DNA를 추출하여 맨체스터 대학의 Bill Ollier 교수의 연구실에 보관했습니다.

초기 고관절 코호트 연구는 ClinicalTrials.gov에 잘 설명되어 있습니다. ID: NCT01818934.

게놈 차원의 유전형 분석, SNP 및 CNV 연관성 분석:

DNA 샘플은 게놈 차원의 SNP(단일 염기 다형성) 유전형 분석을 위해 노르웨이 과학 기술 대학(NTNU)의 임상 및 분자 의학과로 보내질 것입니다. 이 연구에서는 알려진 유전자, 선택된 엑손 및 프로모터 영역뿐만 아니라 검사할 게놈 콘텐츠를 확장할 유전자형의 전가를 허용하는 공통 유전 변이의 백본을 포함하는 최신 버전의 Illumina 코어 엑솜 어레이를 사용할 것입니다. 따라서, 이 어레이는 생물학적 경로 분석을 위한 게놈의 충분한 범위를 제공할 것입니다. 초기 품질 관리는 Illumina의 Genome Studio 소프트웨어에서 수행됩니다. 배치 효과(Lam et al 2020, Anderson et al 2010)와 같은 일반적인 교란 요인을 피하기 위해 Anderson et al의 논문에 설명된 대로 후속 품질 관리가 수행됩니다. 전체 게놈 변이의 적용 범위는 Haplotype Reference Consortium의 직접 유전자형 SNP 및 연관 불균형 정보를 사용하여 유전자형이 지정되지 않은 SNP의 전가로 더욱 향상될 것입니다. 대체는 권장 지침(Howie et al, 2011)에 따라 Impute2 소프트웨어를 사용하여 수행됩니다. 경로 분석에 더하여, DDH와 연관된 SNP를 밝히기 위해 전반적인 연관 분석이 수행될 것입니다. 이러한 분석을 위해 표준 품질 관리 및 통계 방법이 사용됩니다(Purcell et al, 2007). CNV(Copy Number Variation)는 PennCNV(Wang, Li, Hadley et al, 2007)를 사용하여 결정되며 고관절 이형성 지수와의 연관성은 회귀 분석을 사용하여 조사됩니다. 현재 샘플 크기를 감안할 때, 우리는 이 샘플에서 변이를 탐지할 수 있는 약 50%의 힘을 가지고 있습니다(고관절 이형성증의 20% 빈도, GDF5에서 상위 후보의 유사한 대립 유전자 빈도 및 OR). 그러나 여러 표현형과 유전자 분석을 사용하여 고유한 방식으로 고관절 이형성증과 고관절 모양의 유전학을 탐색할 수 있습니다.

생물학적 경로 분석: 기존의 게놈 차원의 연관 방법을 사용하면 유전적 변이 사이 또는 유전 변이로 인해 발생하는 단백질 사이의 잠재적으로 복잡한 관계를 완전히 탐색할 수 없습니다. 경로 및 네트워크 기반 분석 방법은 이 문제를 해결하는 데 도움이 되도록 개발되었습니다((예: Wang, Li, Bucan 등 2007; Torkamani 외 2008; Baranzini 외 2009; Eleftherohorinou 외 2009; 페리 외 2009; 펭 외 2010). 이러한 방법은 일반적으로 특정 생물학적 경로 내에서 여러 유전자/SNP의 증거를 결합하여 경로가 표현형의 발달에 연루될 수 있는지 여부를 확인합니다. 순열 방법은 종종 이러한 분석의 중요성을 평가하기 위해 사용됩니다. 이러한 유형의 분석은 연관 신호의 생물학적 의미를 해석하는 데 도움이 될 수도 있습니다. 이 접근법은 유전 정보를 사용하여 유전자를 추정 경로로 그룹화하고 이를 DDH의 다양한 해부학적 및 임상적 특징과 관련시켜 DDH의 기저에 있을 수 있는 다양한 생물학적 메커니즘의 상대적 기여도를 탐색할 수 있게 합니다. 현재 연구의 경우 생물학적 경로는 Gene Ontology 및 Reactome 데이터베이스와 같은 기존 데이터베이스 및 기타 공개 리소스에서 얻을 수 있습니다(Ashburner et al, 2000; Croft et al, 2014). 경로는 MAGMA에서 분석될 것이며, 게놈 차원의 SNP 및/또는 CNV 정보를 사용하여 개별 방사선학적 지표에 대한 기본 생물학적 경로를 식별합니다(de Leeuw et al, 2015). 방사선 지표와 관련된 독특한 생물학적 기전은 경로 분석을 통해 확인할 수 있습니다. 지금까지 중증 DDH 결과의 대부분의 예측 인자는 임상 및 x-레이 소견과 환자의 기능 손상 평가에 근거했습니다. 우리는 다변량 예후 모델을 사용하여 전통적인 임상 및 방사선학적 위험 인자뿐만 아니라 새로운 유전 정보 및 이미징 바이오마커를 기반으로 개선 예측을 위한 보다 집중된 다변량 모델을 구축할 것입니다.