Genetiska mekanismer och ytterligare riskfaktorer bakom höftledsdysplasi

Studiepopulation och DNA-prov Klinisk och radiologisk uppföljning av höftkohortstudiemedlemmar födda under 1989 (n=4004, svarsfrekvens 52%) och de som avslöjar sonografiskt omogna eller dysplastiska höfter under nyföddperioden under 1988 och 1990 (n=480, svar frekvens 67,7 %) utfördes under 2007-2009, vilket möjliggjorde karakterisering av DDH hos 2406 försökspersoner. År 1779 av dessa samlades salivprover med samtycke, och DNA extraherades och lagrades i professor Bill Olliers laboratorium vid University of Manchester.

Den första höftkohortstudien beskrivs väl i ClinicalTrials.gov ID: NCT01818934.

Genomomfattande genotypning, SNP och CNV associationsanalyser:

DNA-prover kommer att skickas till Institutionen för klinisk och molekylär medicin, Norges tekniska universitet (NTNU), Norge, för den genomomfattande SNP-genotypningen (single nucleotide polymorphism). För denna studie kommer vi att använda den senaste versionen av Illumina Core Exome array, som täcker kända gener, utvalda exoner och promotorregioner, samt en ryggrad av vanlig genetisk variation som möjliggör imputering av genotyper som kommer att bredda det genomiska innehållet vi kommer att undersöka. Således kommer denna array att ge tillräcklig täckning av genomet för biologiska väganalyser. Inledande kvalitetskontroll kommer att utföras i Illuminas Genome Studio Software. Efterföljande kvalitetskontroll kommer att utföras enligt beskrivningen i artikeln av Anderson et al för att undvika vanliga störande faktorer såsom batcheffekt (Lam et al 2020, Anderson et al 2010). Täckningen av den genomomfattande variationen kommer att förbättras ytterligare genom imputering av icke-genotypade SNP:er med hjälp av direkt genotypade SNP:er och länkningsojämviktsinformation från Haplotype Reference Consortium. Imputering kommer att utföras med hjälp av programvaran Impute2, enligt rekommenderade riktlinjer (Howie et al, 2011). Utöver väganalysen kommer en övergripande associationsanalys att utföras för att avslöja SNP:er associerade med DDH. För dessa analyser kommer standardkvalitetskontroll och statistiska metoder att användas (Purcell et al, 2007). Variationer i antal kopior (CNV) kommer att bestämmas med PennCNV (Wang, Li, Hadley et al, 2007) och deras samband med höftdysplasiindex kommer att undersökas med hjälp av regressionsanalyser. Med tanke på vår nuvarande provstorlek har vi cirka 50 % kraft att upptäcka en variant i detta prov (frekvens på 20 % av höftdysplasi och en liknande allelfrekvens och OR för toppkandidaten i GDF5). Men med hjälp av flera fenotyper och genetiska analyser kommer vi att kunna utforska genetiken för höftdysplasi och höftform på ett unikt sätt.

Biologiska väganalyser: Användningen av konventionella genomomfattande associationsmetoder utforskar inte helt de potentiellt komplicerade sambanden mellan genetiska varianter eller mellan proteinerna som härrör från de genetiska varianterna. Väg- och nätverksbaserade analysmetoder har utvecklats för att hjälpa till att lösa detta problem ((t.ex. 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). Dessa metoder kombinerar typiskt bevis på flera gener/SNPs inom en viss biologisk väg, för att fastställa om en väg kan vara inblandad i utvecklingen av en fenotyp. Permutationsmetoder används ofta för att bedöma betydelsen i dessa analyser. Denna typ av analys kan också hjälpa till att tolka den biologiska betydelsen av associationssignaler. Detta tillvägagångssätt kommer att möjliggöra utforskningen av de relativa bidragen från olika biologiska mekanismer som möjligen ligger bakom DDH, genom att använda genetisk information för att gruppera gener i förmodade vägar och relatera dem till olika anatomiska och kliniska egenskaper hos DDH. För den aktuella studien kommer biologiska vägar att erhållas från etablerade databaser, såsom Gene Ontology och Reactome-databaserna, och andra offentliga resurser (Ashburner et al, 2000; Croft et al, 2014). Banor kommer att analyseras i MAGMA, med användning av genomomfattande SNP- och/eller CNV-information för att identifiera underliggande biologiska vägar för ett individuellt radiologiskt index (de Leeuw et al, 2015). Särskiljande biologiska mekanismer relaterade till radiologiska index kan identifieras genom väganalyser. Hittills har de flesta prediktorer för allvarliga DDH-utfall baserats på kliniska fynd och röntgenfynd och på utvärdering av patientens funktionsnedsättning. Vi kommer, med hjälp av multivariabla prognostiska modeller, att konstruera en mer fokuserad, multivariat modell för förutsägelse av förbättring, baserad inte bara på traditionella kliniska och radiologiska riskfaktorer utan också på ny genetisk information och avbildningsbiomarkörer.