Aspectos endócrinos, metabólicos, cardiovasculares e imunológicos das anormalidades dos cromossomos sexuais em relação ao genótipo (EMKISCA)

Introdução: As SCAs mais prevalentes são a síndrome de Klinefelter (KS; 47, XXY), 47,XXX, 47,XYY e a síndrome de Turner (TS; 45,X) com uma prevalência de 85-250, 84, 98 e 50 por 100.000 nascidos vivos meninos/meninas, respectivamente. A maioria das SCAs pode sofrer de uma variedade de doenças, incluindo malformações congênitas, doenças metabólicas, hipogonadismo hipergonadotrófico e infertilidade, doenças autoimunes e doenças psiquiátricas. No entanto, os mecanismos genéticos que causam esses fenótipos são amplamente inexplicados. Sugeriu-se que os fenótipos surgem de alterações na metilação do DNA e na expressão do RNA. Verificou-se que o metiloma e o transcriptoma em amostras de sangue periférico de pessoas com SK, 47,XXX e TS estão alterados em comparação com os controles. Esses genes agora começam a ser encontrados ex. O SHOX, localizado na região pseudoautossômica dos cromossomos X e Y, escapa da inativação do X e, portanto, é equivalente ao número de cromossomos sexuais. A expressão alterada de SHOX em SCAs tem sido associada à altura alterada observada nesses pacientes.

Hipóteses:

1. O metiloma e transcriptoma de SCAs é alterado em comparação com mulheres e homens cariotípicos normais, e um perfil de metilação único e perfil de expressão de RNA é visto para os diferentes subgrupos de SCAs.
2. O perfil de metilação e o perfil de expressão do RNA apresentam alterações temporais.
3. O perfil de metilação do DNA e o perfil de expressão do RNA são específicos do tecido.

3. O fenótipo e o risco aumentado de doenças observados em pacientes com SCAs estão associados à expressão alterada do RNA e ao perfil de metilação do DNA.

Materiais: Sangue, gordura, músculo, pele, trocas bucais, urina, serão coletados de 60 klinefelter, 60 pacientes com síndrome de Turner, 20:47, XXX e 20:47, XYY e 80 controles masculinos e femininos pareados.

Métodos:

Análise da metilação do DNA usando sequenciamento de bissulfito do genoma completo (WGBS). O DNA genômico será convertido em bissulfito e sequenciado em um sistema Illumina Novaseq. Pré-processadores de dados de sequência do pipeline de software MethylStar. Analisado usando R.

Análise de expressão gênica (RNA) O RNA será limpo e sequenciado com uma profundidade de sequência de 30 milhões de leituras. Processamento de dados de sequência usando FastQC (controle de qualidade), HISAT2 (mapeamento) e featureCounts (expressão gênica). Diferenças na expressão gênica serão analisadas em R.

As biópsias extraídas serão dissociadas em células singulares. O RNA dessas células singulares será sequenciado individualmente. Para análise de miRNA, vamos isolar pequenos RNAs não codificantes e analisá-los por sequenciamento de próxima geração. A remodelação da cromatina pode ser analisada através de "pegadas" deixadas por histonas na fita de DNA. O mapeamento de pegadas ao longo de todo o cromossomo X é feito usando um único ensaio com imunoprecipitação de cromatina (CHIP) em combinação com sequenciamento profundo (chIPseq).

Análise de associação genótipo-fenótipo com análise de rede de correlação ponderada (WGCNA) vamos descobrir os padrões nos quais os genes se comportam e dividi-los em módulos onde os genes reagem dependentes uns dos outros. Estes módulos serão posteriormente associados aos dados clínicos, permitindo a identificação dos genes "hub" com as associações mais fortes ao fenótipo.

Esses módulos gênicos e os próprios dados de expressão gênica podem, além disso, ser incluídos na "fenotipagem profunda" usando inteligência artificial. mas poderia levar a uma maior compreensão de doenças semelhantes em pacientes sem SCAs. Usar SCAs como modelos de doenças e identificar alterações na metilação do DNA e expressão de RNA relacionadas a comorbidades, como síndrome metabólica, doença cardíaca congênita ou doenças psiquiátricas, pode aumentar a compreensão dessas doenças em geral e potencialmente melhorar o tratamento em outros grupos de pacientes com doenças semelhantes.

Além disso, a coleta de dados ampliará nosso biobanco e possibilitará futuros projetos de pesquisa sobre SCAs.