유전자형에 따른 성염색체 이상의 내분비, 대사, 심혈관, 면역학적 측면 (EMKISCA)

배경: 가장 흔한 SCA는 클라인펠터 증후군(KS; 47, XXY), 47,XXX, 47,XYY 및 터너 증후군(TS; 45,X)이며 100,000명당 유병률은 85-250, 84, 98 및 50입니다. 각각 소년/소녀. 대부분의 SCA는 선천성 기형, 대사성 질환, 성선기능항진증 및 성선기능저하증 및 불임, 자가면역 질환 및 정신 질환을 포함한 다양한 질병으로 고통받을 수 있습니다. 그러나 이러한 표현형을 유발하는 유전적 메커니즘은 대부분 설명되지 않습니다. 표현형은 DNA 메틸화 및 RNA 발현의 변경으로 인해 발생하는 것으로 제안되었습니다. KS, 47, XXX 및 TS 환자의 말초 혈액 샘플에서 메틸롬 및 전사체는 대조군과 비교하여 변경된 것으로 밝혀졌습니다. 이 유전자들은 이제 ex에서 발견되기 시작했습니다. X 및 Y 염색체의 가성 상염색체 영역에 위치한 SHOX는 X-비활성화를 벗어나므로 성염색체의 수와 동일합니다. SCA에서 SHOX의 변경된 발현은 이러한 환자에서 보이는 변경된 키와 관련이 있습니다.

가설:

1. SCA의 메틸롬 및 전사체는 핵형 정상 여성 및 남성과 비교하여 변경되었으며, 독특한 메틸화 프로필 및 RNA 발현 프로필이 다른 SCA 하위 그룹에서 나타납니다.
2. 메틸화 프로필과 RNA 발현 프로필은 시간적 변화를 보여줍니다.
3. DNA 메틸화 프로파일과 RNA 발현 프로파일은 조직 특이적입니다.

3. SCA 환자에서 나타나는 표현형 및 질병 위험 증가는 변경된 RNA 발현 및 DNA 메틸화 프로필과 관련이 있습니다.

재료: 혈액, 지방, 근육, 피부, 협측 스왑, 소변은 60명의 클라인펠터, 60명의 터너 증후군 환자, 20:47, XXX 및 20:47, XYY 및 80명의 남성 및 여성 일치 대조군으로부터 수집될 것입니다.

행동 양식:

WGBS(Whole Genome Bisulfite Sequencing)를 이용한 DNA-메틸화 분석. 게놈 DNA는 Illumina Novaseq 시스템에서 bisulfite로 변환되고 시퀀싱됩니다. 소프트웨어 파이프라인 MethylStar의 시퀀스 데이터 전처리기. R을 사용하여 분석했습니다.

유전자 발현 분석(RNA) RNA는 3천만 판독의 서열 깊이로 세척 및 시퀀싱됩니다. FastQC(품질 관리), HISAT2(매핑) 및 featureCounts(유전자 발현)를 사용한 시퀀스 데이터 처리. 유전자 발현의 차이는 R에서 분석될 것이다.

추출된 생검은 단일 세포로 분리됩니다. 이러한 단일 세포의 RNA는 개별적으로 시퀀싱됩니다. miRNA 분석을 위해 우리는 작은 비코딩 RNA를 분리하고 이를 차세대 시퀀싱으로 분석할 것입니다. 크로마틴 리모델링은 DNA 가닥에 히스톤이 남긴 "발자국"을 통해 분석할 수 있습니다. 전체 X-염색체를 따라 발자국의 매핑은 med deep sequencing(chIPseq)과 조합하여 염색질-면역 침전(CHIP)을 사용한 단일 분석을 사용하여 수행됩니다.

WGCNA(Weighted Correlation Network Analysis)를 통한 유전자형-표현형 연관성 분석 우리는 유전자가 행동하는 패턴을 밝히고 유전자가 서로 의존적으로 반응하는 모듈로 나눌 것입니다. 이 모듈은 나중에 임상 데이터와 연관되어 표현형과 가장 강한 연관이 있는 "허브" 유전자를 식별할 수 있습니다.

이러한 유전자 모듈 및 유전자 발현 데이터 자체는 인공 지능을 사용하여 "심층 표현형 분석"에 더 포함될 수 있습니다. 그러나 SCA가 없는 환자의 유사한 질병에 대한 더 큰 이해로 이어질 수 있습니다. SCA를 질병 모델로 사용하고 대사 증후군, 선천성 심장병 또는 정신 질환과 같은 동반 질환과 관련된 DNA 메틸화 및 RNA 발현의 변화를 식별하면 이러한 질병에 대한 일반적인 이해를 높이고 잠재적으로 다른 환자 그룹의 치료를 개선할 수 있습니다. 유증.

또한 데이터 수집은 우리의 바이오뱅크를 확장하고 SCA에 대한 향후 연구 프로젝트를 가능하게 할 것입니다.