Genetiske mekanismer og tilleggsrisikofaktorer som ligger til grunn for hofteleddsdysplasi

Studiepopulasjon og DNA-prøver Klinisk og radiologisk oppfølging av hoftekohortstudiemedlemmer født i løpet av 1989 (n=4004, responsrate 52%) og de som avslører sonografisk umodne eller dysplastiske hofter i nyfødtperioden i løpet av 1988 og 1990 (n=480, respons rate 67,7 %) ble utført i løpet av 2007-2009, og muliggjorde dermed karakterisering av DDH hos 2406 personer. I 1779 av disse ble spyttprøver samlet inn med samtykke, og DNA ble ekstrahert og lagret i professor Bill Olliers laboratorium ved University of Manchester.

Den første hoftekohortstudien er godt beskrevet i ClinicalTrials.gov ID: NCT01818934.

Genomomfattende genotyping, SNP og CNV assosiasjonsanalyser:

DNA-prøver vil bli sendt til Institutt for klinisk og molekylær medisin, Norges teknisk-naturvitenskapelige universitet (NTNU), Norge, for genomomfattende SNP (single nucleotide polymorphism) genotyping. For denne studien vil vi bruke den nyeste versjonen av Illumina Core Exome array, som dekker kjente gener, utvalgte eksoner og promoterregioner, samt en ryggrad av vanlig genetisk variasjon som tillater imputering av genotyper som vil utvide det genomiske innholdet vi vil undersøke. Dermed vil denne matrisen gi tilstrekkelig dekning av genomet for biologiske veianalyser. Innledende kvalitetskontroll vil bli utført i Illuminas Genome Studio Software. Påfølgende kvalitetskontroll vil bli utført som beskrevet i artikkelen av Anderson et al for å unngå vanlige forvirrende faktorer som batcheffekt (Lam et al 2020, Anderson et al 2010). Dekning av den genomomfattende variasjonen vil bli ytterligere forbedret ved imputering av ikke-genotypede SNP-er ved bruk av direkte genotypede SNP-er og koblingsulikevektsinformasjon fra Haplotype Reference Consortium. Imputering vil bli utført ved hjelp av Impute2-programvare, i henhold til anbefalte retningslinjer (Howie et al, 2011). I tillegg til baneanalysen vil det bli utført en overordnet assosiasjonsanalyse for å avdekke SNP-er assosiert med DDH. For disse analysene vil standard kvalitetskontroll og statistiske metoder benyttes (Purcell et al, 2007). Kopinummervariasjoner (CNVs) vil bli bestemt ved hjelp av PennCNV (Wang, Li, Hadley et al, 2007) og deres assosiasjon med hoftedysplasiindekser vil bli undersøkt ved bruk av regresjonsanalyser. Gitt vår nåværende prøvestørrelse, har vi omtrent 50 % kraft til å oppdage en variant i denne prøven (frekvens på 20 % av hoftedysplasi, og en lignende allelfrekvens og ELLER for toppkandidaten i GDF5). Ved å bruke flere fenotyper og genetiske analyser vil vi imidlertid kunne utforske genetikken til hofteleddsdysplasi og hofteform på en unik måte.

Biologiske baneanalyser: Bruken av konvensjonelle genomomfattende assosiasjonsmetoder utforsker ikke fullt ut de potensielt kompliserte forholdene mellom genetiske varianter, eller mellom proteinene som er et resultat av de genetiske variantene. Bane- og nettverksbaserte analysemetoder er utviklet for å hjelpe til med å løse dette problemet ((f. Wang, Li, Bucan et al 2007; Torkamani et al 2008; Baranzini et al 2009; Eleftherohorinou et al 2009; Perry et al 2009; Peng et al 2010). Disse metodene kombinerer typisk bevis på flere gener/SNP-er innenfor en bestemt biologisk vei, for å fastslå om en vei kan være involvert i utviklingen av en fenotype. Permutasjonsmetoder brukes ofte for å vurdere betydningen i disse analysene. Denne typen analyser kan også bidra til å tolke den biologiske betydningen av assosiasjonssignaler. Denne tilnærmingen vil tillate utforskning av de relative bidragene til forskjellige biologiske mekanismer som muligens ligger til grunn for DDH, ved å bruke genetisk informasjon til å gruppere gener i antatte veier og relatere dem til forskjellige anatomiske og kliniske trekk ved DDH. For den nåværende studien vil biologiske veier bli hentet fra etablerte databaser, som Gene Ontology og Reactome-databasene, og andre offentlige ressurser (Ashburner et al, 2000; Croft et al, 2014). Baner vil bli analysert i MAGMA, ved å bruke den genomomfattende SNP- og/eller CNV-informasjonen for å identifisere underliggende biologiske veier for en individuell radiologisk indeks (de Leeuw et al, 2015). Spesielle biologiske mekanismer knyttet til radiologiske indekser kan identifiseres gjennom baneanalyser. Til dags dato har de fleste prediktorer for alvorlig DDH-utfall vært basert på kliniske funn og røntgenfunn, og på evaluering av pasientens funksjonssvikt. Vi vil, ved å bruke multivariable prognostiske modeller, konstruere en mer fokusert, multivariat modell for prediksjon av forbedring, basert ikke bare på tradisjonelle kliniske og radiologiske risikofaktorer, men også på ny genetisk informasjon og avbildningsbiomarkører.