Obličková sieť: Použitie údajov o génovej expresii odvodených z obličiek na predpovedanie a uprednostňovanie nových génov zapojených do ochorenia obličiek

DISKUSIA

PredstavujemeKidneyNetwork, verejne dostupná koexpresná sieť s optimalizovanými anotačnými údajmi o expresii a fenotype na aplikáciuochorenia obličiek. ZnamenieFifipomer pacientov s podozrením na genetikuochorenie obličiekzostávajú bez genetickej diagnózy, pretože zoznamy génov chorôb pre mnohé stavy sú neúplné. Identifikujte, na ktorých génoch sa podieľajúochorenie obličiekje nevyhnutný pre zlepšeniediagnostický výnos u pacientov s ochorením obličieka preštúdium patogenézy chorobypristupovaťliečebné možnosti. Vytvorenie nových génov chorôb si vyžaduje starostlivé biologické overenie. Implementácia génov hodných takéhoto výskumu je kritická. Aplikácia KidneyNetwork v spojení s údajmi WES alebo GWAS nefrológmi, klinickými genetikmi alebo výskumníkmi pomôže každej z týchto skupín podieľať sa na génovej implikácii. KidneyNetwork kombinuje koexpresnú sieť založenú na súbore údajov vzorky obličiek s predtým publikovaným súborom údajov z viacerých tkanív, ktorý sa používa na vytvorenie práce GeneNet. Kombinácia súborov údajov do KidneyNetwork zlepšila predpovede fenotypu súvisiace s ochorením obličiek v porovnaní so sieťami založenými na dvoch súboroch údajov oddelene. Ako dôkaz princípu ukazujeme, že zoznam kandidátskych génov pre kombinovaný fenotyp cystov obličiek a pečene generovaný KidneyNetwork uprednostnil zvládnuteľný zoznam kandidátskych génov z dlhého zoznamu génov obsahujúcich zriedkavé varianty u nášho pacienta s týmto fenotypom.

KLIKNITE SEM A ZÍSKAJTE FUNKCIU CISTANCHE FOR KIDNEY

Naša implikácia a skúmanie ALG6 ako potenciálneho kandidátskeho génu prevýsledkom sú cysty obličiek a pečenev hodnovernom kandidátskom géne, ktorý je podporený spoločným výskytom ALG6 straty funkčných variantov a polycystickým ochorením pečene a obličiek u niekoľkých pacientov s podpornou familiárnou segregáciou postihnutých pacientov v dvoch rodinách a štatisticky významným obohatením skráteného ALG6 c .257 plus 5 G > Variant vo fenotypovo definovanej kohorte nevyriešených prípadov ADPKD/PCLD. Na konečné určenie, či je ALG6 chorobný gén pre autozomálne dominantné polycystické fenotypy obličiek a pečene, bude potrebná biologická validácia.

Biologickú vierohodnosť naznačujú známe funkčné podobnosti a tesná koregulácia transkripcie ALG6 so zavedenými génmi choroby, ako to zdôraznila KidneyNetwork. ALG6, podobne ako zavedený gén pre polycystické ochorenie obličiek a pečene ALG8, je členom rodiny 3-glukozyltransferáz [22]. Okrem ALG8 [20] sa v etiológii fenotypov cysty obličiek a pečene nedávno podieľali aj heterozygotné varianty ALG9 [16]. Každý z týchto troch génov hrá zásadnú úlohu v biosyntetickej dráhe pre oligosacharidy viazané na lipidy pred ich prenosom na asparagínové (N) zvyšky vznikajúcich proteínov ako takzvané N-glykány v endoplazmatickom retikule [23]. Je zaujímavé, že zatiaľ čo cysty obličiek alebo pečene boli opísané, medzi multiorgánovým postihnutím u plodov alebo detí s ALG9-CDG alebo zriedkavo s ALG8-CDG, cysty neboli opísané pre ALG{{16} }CDG [19]. Rodičia pacientov s CDG ešte neboli študovaní na cysty. Vzhľadom na mierny fenotyp cysty v mnohých prípadoch pravdepodobne zostanú nepovšimnuté, najmä v ranom rodičovstve, kedy sa deťom najčastejšie diagnostikuje CDG.

Obr. 4 Zobrazovanie pacientov. CT brucha znázorňujúce polycystické obličky a pečeň vo VZORKE 6. Niektoré cysty sú zvýraznené červenými šípkami, pričom najväčšia pečeňová cysta meria 7,7 cm (červená hviezdička). B abdominálna MRI postihnutého dieťaťa zo VZORKY 6 ukazuje mnohopočetné cysty v ľavej obličke (niekoľko zvýraznených červenými šípkami), niektoré hypo-intenzívne na T2 a niekoľko cýst v pravej obličke. C abdominálna MRI YU378 ukázala rozsiahle polycystické ochorenie pečene a dve cysty obličiek. D abdominálna MRI YU481 ukazuje viaceré pečeňové cysty. Ľavá oblička má 9 cm cystu a niekoľko malých cystičiek a pravá oblička nemá cysty. E abdominálna MRI ilustrujúca polycystické ochorenie pečene v LE1. Pečeňové cysty sú zvýraznené červenými šípkami, pričom najväčšia cysta sa nachádza v pečeňovom segmente IV (červená hviezdička), čo si vyžaduje chirurgický zákrok pre progresívnu cholestázu. Je potrebné poznamenať, že obe obličky vykazovali normálnu morfológiu v neprítomnosti akýchkoľvek cystických lézií.

Fenotyp v geneticky nevyriešenýpacienti s polycystickými obličkami a pečeňouzistili sme, že nesú varianty ALG6, je relatívne mierny, v mnohých prípadoch prevažuje pečeň a je asymptomatický, čo je v súlade s fenotypom opísaným pre pacientov nesúcich heterozygotný patogénny variant ALG8 alebo ALG9. Nami identifikované potenciálne patogénne varianty sa nachádzajú aj u jedincov v databáze gnomAD [17]. Jedným z vysvetlení tohto pozorovania by mohla byť neúplná penetrácia choroby. Skutočnosť, že niektorí jednotlivci v našej kohorte neuviedli žiadnych známych postihnutých rodinných príslušníkov, by mohla naznačovať neúplnú penetráciu, hoci v mnohých rodinách chýba segregácia. Neidentifikovali sme však neovplyvnené jedince nesúce variant. Alternatívnym vysvetlením by mohlo byť, že pozorovaný fenotyp je relatívne mierny a subklinický. Napríklad cysty obličiek a pečene pozorované vo VZORKE 6 boli objavené ako náhodný nález. Ak sa neuskutoční žiadne brušné zobrazenie u jedincov nesúcich tieto varianty, cysty môžu zostať bez povšimnutia. Tiež pre ALG8 a ALG9 Besse et al. uvažovať o relatívne miernom fenotype a navrhnúť, že to môže byť pravdepodobne určené dvoma faktormi [16, 20]. Po prvé, očakáva sa, že na získanie cystického fenotypu je potrebný druhý somatický zásah. Očakáva sa, že relatívna frekvencia týchto somatických mutácií druhého zásahu, ktoré inaktivujú normálnu kópiu ALG8/ALG9, a neúplný účinok, ktorý to má na polycystín{11}}, spôsobia relatívne mierny fenotyp.

V minulosti sa predpokladalo, že ALG6 sa podieľa na jednom jedincovi s ADPKD [24]. Avšak tento pacient, ktorý niesol dva missense varianty s nepresvedčivými predpoveďami, ktoré neboli funkčne hodnotené, mal veľmi závažný fenotyp, ktorý sa nezhodoval s očakávaným fenotypom pre ALG6.

Silné stránky a obmedzenia

Budovanie koexpresných sietí génov vyžaduje veľké množstvo vzoriek sekvenovania RNA [6] odvodených z rôznych typov buniek a vývojových štádií, aby sa dosiahli presné predpovede funkcie. Táto rozmanitosť vzoriek v kombinácii s vysokým počtom vzoriek nie je často dostupná pre špecifické tkanivá. Na prekonanie tohto problému jeden skorší prístup využíval hierarchické podobnosti medzi typmi tkanív [25]. Toto riešenie si však vyžaduje a priori výber génov vzhľadom na jeho výpočtovú záťaž. Na rozdiel od toho sa naša metóda môže použiť na vytvorenie nezaujatých predpovedí pre celý genóm. Okrem toho by sa hierarchický prístup musel opakovať pre každé nové tkanivo, o ktoré máme záujem, zatiaľ čo súbor údajov z viacerých tkanív možno opätovne použiť na vytvorenie inej siete špecifickej pre tkanivo pomocou našej metódy. Ďalší prístup využíval rozdielnu expresiu medzi rôznymi typmi tkanív [26]. Tu bolo prvých 10 percent najviac rozdielne exprimovaných génov korelovaných s lokusmi GWAS súvisiacimi s obličkami. Použitie diferenciálnej expresie umožňuje robiť predpovede bez ohľadu na predchádzajúce poznatky o interakciách gén-fenotyp. To si však vyžaduje aj použitie diferenciálneho obmedzenia výrazu. Na rozdiel od toho náš prístup využíva základné biologické štruktúry v údajoch o sekvenovaní RNA na získanie predpovedného skóre pre každý gén. Zatiaľ čo kombinácia diferenciálnej expresie so súhrnnou štatistikou GWAS umožňuje objektívne predpovede génov, spoľahlivosť experimentálne overených anotácií HPO je vyššia ako spoľahlivosť výsledkov GWAS. Integrácia databázy HPO tak vedie k spoľahlivejším predpovediam. Okrem toho robíme simultánne predpovede pre všetky termíny HPO, zatiaľ čo prístup založený na GWAS je potrebné opakovať pre každý GWAS, ktorý nás zaujíma.

Kombinácia vzoriek sekvenovania RNA špecifických pre obličky so súborom údajov z viacerých tkanív nám umožnila prekonať problém veľkosti vzorky aj problémy pri pozorovaní tkanivovo špecifickej diferenciálnej expresie pri použití iba súborov údajov o expresii špecifických pre tkanivo. Počas vývoja KidneyNetwork sme navyše nemuseli obmedzovať počet génov, na ktorých je sieť postavená. Okrem toho môžu používatelia KidneyNetwork získať predpovede pre všetky možné gény nezaujatým prístupom a možno získať génové priority pre kombináciu výrazov HPO.

Nevýhodou používania hromadných údajov o sekvenovaní RNA je, že máme obmedzenú schopnosť robiť závery pre málo exprimované gény, čo je obzvlášť dôležité pre gény, ktoré sú špecifické pre vzácne typy buniek. Keďže v budúcnosti bude k dispozícii viac údajov o sekvenovaní RNA špecifických pre bunkový typ a jednobunkových RNA, vytvorenie koexpresných sietí založených na rôznych typoch obličkových buniek by to mohlo vyriešiť pre gény, ktoré sú vo väčšej miere exprimované v rámci špecifických typov buniek. Ďalším obmedzením používania iba údajov o sekvenovaní RNA je, že náš predikčný model v súčasnosti nezohľadňuje iné biologické procesy potenciálne zapojené do vývoja ochorenia, napríklad posttranslačné modifikácie a interakcie proteín-proteín.

Okrem identifikácie nových pravdepodobných kandidátskych génov môže byť Kidney Network dobre použitá aj na uprednostňovanie známych génov ochorení obličiek. To môže byť obzvlášť užitočné po počiatočnom negatívnom diagnostickom výsledku po vykonaní analýzy génového panelu na báze exómu, ktorá nemusí zahŕňať analýzu všetkých známych génov ochorenia obličiek.

V súčasnosti je KidneyNetwork optimalizovaný pre vnútorné ochorenie obličiek. Ochorenie obličiek však môže byť prítomné aj v dôsledku patogenetického procesu v iných systémoch, ako je napríklad imunitný systém. Aj keď môžeme vyvodiť závery o uprednostňovaní génov pre fenotypy iné ako obličky, tieto predpovede sa môžu zlepšiť vybudovaním sietí špecifických pre rôzne tkanivá v budúcnosti.

Uvedomujeme si, že len na základe súčasnej literatúry by ALG6 bol kandidátskym génom pre fenotyp cysty vo VZORKE 6. Na preukázanie zapojenia ALG6 do tohto fenotypu je potrebné funkčné sledovanie. Aj to však dokazuje silu našej metódy; z 322 génov s potenciálne škodlivými variantmi bol tento hodnoverný kandidátsky gén uprednostnený medzi top 3, vďaka čomu sa dostali do údajov o sekvenovaní celého exómu – pre viac pacientov, s rôznymi fenotypmi – časovo efektívne a hodnotné.

Vylepšené predpovede funkcie génov

Ukazujeme, že naša vylepšená metóda na priraďovanie génových funkcií a termínov HPO súvisiacich s obličkami génom prevyšuje náš predtým publikovaný model. Náš prístup krížovej validácie s vynechaním 1 zaisťuje, že predpovede nie sú prehnané, že hlásené hodnoty AUC nie sú nafúknuté a že naša metóda je robustná. Okrem toho, pred predpovedaním asociácií gén-fenotypov sme z databázy HPO vylúčili asociácie gén-ochorenie, ktoré mali málo experimentálnych dôkazov, pretože presnosť predikcie závisí od presnosti anotovaných asociácií gén-fenotyp. Presnosť predpovedí je založená na skutočných pozitívnych a skutočných negatívnych génových predpovediach, čo znamená, že presnejšie mapovanie známych génov na fenotypy vedie k lepším predpovediam. Presnosť asociácie gén-fenotyp sa zlepší, keď bude anotovaných a overených viac génov pre každý fenotyp. Preto očakávame zlepšenie presnosti predikcie siete, pretože znalosti o asociácii gén-fenotyp sa zvyšujú a sú pridané do databázy HPO.

Aplikácie KidneyNetwork

Vyvinuli sme https://kidney.genenetwork.nl/, prostredníctvom ktorého poskytujeme predikciu termínov gén-HPO. Pomocou rovnakého predikčného algoritmu, ktorý sme použili na priradenie génov k termínom HPO, sme tiež predpovedali, ktoré gény sa pravdepodobne podieľajú na dráhach GO, KEGG a Reactome. Tu poskytujeme aj online verziu GADO, ktorú možno použiť na uprednostnenie relevantných génov pre pacientov s podozrením na zriedkavé ochorenie obličiek. Pomocou termínov HPO je možné špecifikovať fenotyp pacienta a poskytnúť zoznam génov nesúcich potenciálne varianty spôsobujúce ochorenie. Tieto gény sa potom zoradia pomocou KidneyNetwork, čím sa umožní identifikácia génov, ktoré sa s väčšou pravdepodobnosťou podieľajú na pacientovej chorobe. Keďže nie je potrebné nahrávať osobné genetické informácie, táto metóda rešpektuje súkromie pacienta. Odporúčame používať skóre KidneyNetwork v spojení s údajmi WES alebo GWAS na zvýšenie presnosti predpovede.

Budúce smery

Aplikácia KidneyNetwork na nevyriešené prípady z diagnostiky, veľkých výskumných kohort a napríklad súborov údajov GWAS povedie k lepšiemu nahliadnutiu do fyziológie a patofyziológie obličiek. Na ďalšie zlepšenie presnosti predpovede fenotypu obličiek plánujeme vybudovať siete špecifické pre bunkový typ začlenením údajov o sekvenovaní jednobunkovej RNA, od ktorých očakávame, že prinesú podrobnejšie a presnejšie predpovede génového fenotypu. Záver Predstavujeme KidneyNetwork, koexpresnú sieť špecifickú pre obličky, ktorá presne predpovedá, ktoré gény majú funkcie špecifické pre obličky. Metóda, ktorú sme vyvinuli na kombinovanie údajov z viacerých tkanív s údajmi špecifickými pre tkanivá, sa dá ľahko rozšíriť na iné tkanivá, čo umožňuje lepšie predpovede pre iné ochorenia špecifické pre tkanivá. Pomocou KidneyNetwork zdôrazňujeme ALG6 ako kandidátsky gén pre cysty obličiek a / alebo pečene. KidneyNetwork poskytuje užitočný nástroj na pomoc pri interpretácii genetických variantov. Môže mať preto veľkú hodnotu pri translačnej nefrogenéze a v konečnom dôsledku môže zlepšiť diagnostický výťažok u pacientov s ochorením obličiek. DOSTUPNOSŤ ÚDAJOV Verejne dostupné súbory údajov analyzované počas tejto štúdie sú dostupné v úložisku Európskeho archívu nukleotidov (ENA) (https://www.ebi.ac.uk/ena/browser/home). Súbory údajov odvodené od GTEx sú dostupné z databázy genotypov a fenotypov (dbGaP), ale na dostupnosť týchto údajov, ktoré boli použité na základe licencie pre aktuálnu štúdiu, sa vzťahujú obmedzenia, a preto nie sú verejne dostupné. Údaje sú však dostupné z dbGaP pod prístupovým číslom phs000424.v8.p2. Súbory údajov WES odvodené od pacienta analyzované počas súčasnej štúdie nie sú verejne dostupné z dôvodu ochrany osobných údajov. Výsledky sú dostupné na obličkách.genenetwork.nl.

LITERATÚRA

1. Groopman EE, Marasa M, Cameron-Christie S, Petrovski S, Aggarwal VS, Milo Rasouly H, et al. Diagnostická užitočnosť sekvenovania exómu pre ochorenie obličiek. N. Engl J Med. 2019;380:142–51.

2. Snoek R, van Jaarsveld RH, Nguyen TQ, Peters EDJ, Elferink MG, Ernst RF a kol. Genetický prístup zlepšuje diagnostiku ESKD pacientov mladších ako 50 rokov. Transplantácia nefrolového číselníka. 2020;37:349–57.

3. Connaughton DM, Kennedy C, Shril S, Mann N, Murray SL, Williams PA a kol. Monogénne príčiny chronického ochorenia obličiek u dospelých. Kidney Int. 2019;95:914–28. 4. Cooper GM, Shendure J. Ihly v hromadách ihiel: hľadanie variantov spôsobujúcich ochorenie v množstve genómových údajov. Nat Rev Genet. 2011;12:628–40. 5. van Dam S, Võsa U, van der Graaf A, Franke L, de Magalhães JP. Analýza koexpresie génov pre funkčnú klasifikáciu a predpovede génových chorôb. Stručná bioinformácia. 2017;19:575–92. 6. Deelen P, van Dam S, Herkert JC, Karjalainen JM, Brugge H, Abbott KM a kol. Zlepšenie diagnostického výťažku sekvenovania exómu predpovedaním asociácií gén-fenotyp pomocou rozsiahlej analýzy génovej expresie. Nat Commun. 2019;10:2837. 7. Köhler S, Carmody L, Vasilevsky N, Jacobsen JOB, Danis D, Gourdine JP a kol. Rozšírenie bázy znalostí a zdrojov ontológie ľudského fenotypu (HPO). Nucleic Acids Res. 2019;47:D1018–27. 8. Online Mendelian Dedičstvo u človeka, OMIM®. McKusick-Nathans Institute of Genetic Medicine, Johns Hopkins University (Baltimore, MD) [Internet]. Dostupné z: https://omim.org/ 9. Orphanet: online databáza zriedkavých chorôb a liekov na ojedinelé ochorenia. Copyright, INSERM 1997. [Internet]. Dostupné z: http://www.orpha.net 10. DeLong ER, DeLong DM, Clarke-Pearson DL. Porovnanie plôch pod dvomi alebo viacerými korelovanými krivkami prevádzkových charakteristík prijímača: neparametrický prístup. Biometria. 1988;44:837–45.

Podporná služba:

E-mail:wallence.suen@wecistanche.com

Whatsapp/Tel: plus 86 15292862950

Obchod:

https://www.xjcistanche.com/cistanche-shop