KidneyNetwork: Utilizarea datelor despre expresia genelor derivate din rinichi pentru a prezice și a stabili prioritatea genelor noi implicate în bolile de rinichi

DISCUŢIE

Vă prezentămKidneyNetwork, o rețea de co-expresie disponibilă public cu date optimizate de exprimare și adnotare fenotip pentru aplicareboli de rinichi. A semniFifiproporția cantității de pacienți cu o suspiciune geneticăboală de rinichirămân fără un diagnostic genetic, deoarece listele de gene ale bolii pentru multe afecțiuni sunt incomplete. Identificarea în care gene sunt implicateboală de rinichieste esențială pentru îmbunătățirearandamentul diagnosticului la pacienții cu boli renalesi pentrustudierea patogenezei boliia se apropiacăi de tratament. Stabilirea de noi gene ale bolii necesită o validare biologică atentă. Implicarea genelor demne de astfel de investigații este critică. Aplicarea KidneyNetwork împreună cu datele WES sau GWAS de către nefrologi, geneticieni clinici sau cercetători va ajuta fiecare dintre aceste grupuri să participe la implicarea genelor. KidneyNetwork combină o rețea de co-expresie bazată pe un set de date de probă de rinichi cu setul de date multi-țesut publicat anterior, utilizat pentru a construi munca GeneNet. Combinarea seturilor de date în KidneyNetwork a îmbunătățit predicțiile fenotipului legate de boala renală în comparație cu rețelele bazate pe cele două seturi de date separat. Ca dovadă de principiu, arătăm că lista de gene candidate pentru fenotipul combinat al chisturilor renale și hepatice generate de KidneyNetwork a prioritizat o listă gestionabilă de gene candidate dintr-o listă lungă de gene care conțin variante rare la pacientul nostru cu acest fenotip.

CLICK AICI PENTRU A OBȚI CISTANCHE PENTRU FUNCȚIA RINCHILOR

Implicația și explorarea noastră a ALG6 ca genă potențială candidată pentrurezultă chisturi la rinichi și ficatîntr-o genă candidată plauzibilă, susținută de apariția concomitentă a variantelor de pierdere a funcției ALG6 și a bolii polichistice hepatice și renale la mai mulți pacienți cu segregare familială de susținere a pacienților afectați din două familii și de îmbogățirea semnificativă statistic a trunchiului ALG6 c .257 plus 5 G > O variantă într-o cohortă definită fenotipic de cazuri de ADPKD/PCLD nerezolvate. Validarea biologică va fi necesară pentru a determina în cele din urmă dacă ALG6 este o genă a bolii pentru fenotipurile polichistice autosomal dominante ale rinichilor și ficatului.

Plauzibilitatea biologică este sugerată de asemănările funcționale cunoscute și de coreglarea transcripțională strânsă a ALG6 la genele stabilite ale bolii, așa cum este evidențiat de KidneyNetwork. ALG6, similar genei ale bolii polichistice ale rinichilor și ficatului, ALG8, este un membru al familiei 3-glucoziltransferazei [22]. Pe lângă ALG8 [20], variantele heterozigote ALG9 au fost de asemenea implicate recent în etiologia fenotipurilor chisturilor renale și hepatice [16]. Aceste trei gene joacă fiecare un rol esențial în calea de biosinteză pentru oligozaharidele legate de lipide înainte de transferul lor pe reziduurile de asparagină (N) ale proteinelor în curs de dezvoltare ca așa-numiții N-glicani în reticulul endoplasmatic [23]. Interesant este că, în timp ce au fost descrise chisturi renale sau hepatice, printre implicarea mai multor organe la fetuși sau copii cu ALG9-CDG sau mai rar în ALG8-CDG, chisturile nu au fost descrise pentru ALG{{16} }CDG [19]. Părinții pacienților CDG nu au fost încă studiați pentru chisturi. Având în vedere fenotipul ușor, chisturile sunt susceptibile să treacă neobservate în multe cazuri, în special în perioada timpurie a părinților, când copiii sunt cel mai adesea diagnosticați cu CDG.

Fig. 4 Imagistica de la pacienți. O tomografie computerizată abdominală care ilustrează rinichi și ficat polichistic în PROBA6. Unele chisturi sunt evidențiate cu săgeți roșii, cel mai mare chist hepatic măsoară 7,7 cm (asterisc roșu). RMN-ul abdominal B al unui copil afectat din SAMPLE6 arată chisturi multiple în rinichiul stâng (mai multe evidențiate cu săgeți roșii), unele hipointense pe T2 și câteva chisturi în rinichiul drept. C RMN abdominal al lui YU378 a arătat o boală hepatică polichistică extinsă și două chisturi renale. D RMN-ul abdominal al lui YU481 arată mai multe chisturi hepatice. Rinichiul stâng are un chist de 9 cm și câteva chisturi mici, iar rinichiul drept nu are chisturi. E RMN abdominal care ilustrează boala hepatică polichistică în LE1. Chisturile hepatice sunt evidențiate prin săgeți roșii, cel mai mare chist fiind localizat în segmentul IV hepatic (asterisc roșu), necesitând intervenția chirurgicală pentru colestaza progresivă. De remarcat, ambii rinichi au prezentat o morfologie normală în absența oricăror leziuni chistice.

Fenotipul nerezolvat geneticpacienți cu rinichi și ficat polichisticam identificat că poartă variantele ALG6 este relativ ușoară, în multe cazuri predominant hepatic și asimptomatică, în concordanță cu fenotipul descris pentru pacienții care poartă o variantă patogenă heterozigotă ALG8 sau ALG9. Variantele potențial patogene pe care le-am identificat se găsesc și la indivizi în baza de date gnomAD [17]. O explicație pentru această observație ar putea fi penetrarea incompletă a bolii. Faptul că unii dintre indivizii din cohorta noastră au raportat niciun membru al familiei afectat cunoscut, ar putea fi un indiciu al penetranței incomplete, deși segregarea lipsește în multe familii. Cu toate acestea, nu am identificat indivizi neafectați purtând varianta. O explicație alternativă ar putea fi aceea că fenotipul observat este relativ ușor și subclinic. De exemplu, chisturile renale și hepatice observate în SAMPLE6 au fost descoperite ca descoperire incidentală. Dacă nu se face imagistica abdominală la indivizii purtători de aceste variante, chisturile pot trece neobservate. De asemenea, pentru ALG8 și ALG9 Besse și colab. luați în considerare fenotipul relativ ușor și propuneți că acest lucru poate fi determinat de doi factori [16, 20]. În primul rând, este de așteptat să fie nevoie de o a doua lovitură somatică pentru a obține un fenotip chistic. Frecvența relativă a acestor mutații somatice secundare care inactivează copia normală a ALG8/ALG9 și efectul incomplet pe care acest lucru îl are asupra Polycystin-1 este de așteptat să determine un fenotip relativ ușor.

S-a sugerat anterior că ALG6 este implicat într-un individ cu ADPKD [24]. Cu toate acestea, acel pacient, care a avut două variante missense cu predicții neconcludente care nu au fost evaluate funcțional, a avut un fenotip foarte sever care nu se potrivea cu fenotipul așteptat pentru ALG6.

Puncte forte și limitări

Construirea rețelelor de co-expresie a genelor necesită un număr mare de mostre de secvențiere a ARN [6] derivate din diferite tipuri de celule și stadii de dezvoltare pentru a obține predicții precise ale funcției. Această diversitate de probe, combinată cu un număr mare de probe, nu sunt adesea disponibile pentru țesuturi specifice. Pentru a depăși această problemă, o abordare anterioară a folosit asemănări ierarhice între tipurile de țesuturi [25]. Cu toate acestea, această soluție necesită selecția genelor a priori datorită sarcinii sale de calcul. În schimb, metoda noastră poate fi utilizată pentru a face predicții imparțiale la nivelul genomului. Mai mult, abordarea ierarhică ar trebui să fie repetată pentru fiecare țesut nou de interes, în timp ce setul de date cu mai multe țesuturi poate fi reutilizat pentru a construi o rețea diferită specifică țesutului folosind metoda noastră. O altă abordare a folosit expresia diferențială între diferite tipuri de țesuturi [26]. Aici, primele 10% dintre cele mai multe gene exprimate diferențial au fost corelate cu loci GWAS legate de rinichi. Utilizarea expresiei diferențiale permite efectuarea de predicții indiferent de cunoștințele anterioare despre interacțiunile genă-fenotip. Cu toate acestea, acest lucru necesită și aplicarea unei limite de expresie diferențială. În schimb, abordarea noastră folosește structurile biologice subiacente în datele de secvențiere a ARN pentru a obține un scor de predicție pentru fiecare genă. În timp ce combinarea expresiei diferențiale cu statisticile rezumate GWAS permite predicții imparțial ale genelor, fiabilitatea adnotărilor HPO validate experimental este mai mare decât cea a rezultatelor GWAS. Integrarea bazei de date HPO are ca rezultat predicții mai fiabile. Mai mult, facem predicții simultane pentru toți termenii HPO, în timp ce abordarea bazată pe GWAS trebuie repetată pentru fiecare GWAS de interes.

Combinarea probelor de secvențiere a ARN-ului specifice rinichilor cu setul de date cu mai multe țesuturi ne-a permis să depășim atât problema dimensiunii eșantionului, cât și provocările în observarea expresiei diferențiale specifice țesuturilor atunci când folosim numai seturi de date de expresie specifice țesutului. În plus, în timpul dezvoltării KidneyNetwork, nu a trebuit să limităm numărul de gene pe care este construită rețeaua. În plus, utilizatorii KidneyNetwork pot obține predicții pentru toate genele posibile într-o abordare imparțială și pot fi obținute prioritizări ale genelor pentru o combinație de termeni HPO.

Un dezavantaj al utilizării datelor de secvențiere a ARN-ului în vrac este că avem putere limitată de a face inferențe pentru genele exprimate slab, ceea ce este deosebit de important pentru genele care sunt specifice tipurilor de celule rare. Pe măsură ce mai multe date de secvențiere a ARN-ului specifice tipului de celulă și a unei singure celule devin disponibile în viitor, crearea de rețele de co-expresie bazate pe diferite tipuri de celule renale ar putea rezolva acest lucru pentru genele care sunt exprimate mai abundent în anumite tipuri de celule. O altă limitare a utilizării numai a datelor de secvențiere a ARN este că alte procese biologice potențial implicate în dezvoltarea bolii, de exemplu, modificările post-translaționale și interacțiunile proteină-proteină, nu sunt în prezent luate în considerare de modelul nostru de predicție.

Pe lângă identificarea de noi gene candidate plauzibile, Kidney Network poate fi, de asemenea, bine utilizată pentru a acorda prioritate genelor cunoscute ale bolii renale. Acest lucru poate fi util în special după un rezultat de diagnostic inițial negativ după ce se efectuează o analiză a panoului genetic bazat pe exom, care ar putea să nu includă analiza tuturor genelor cunoscute ale bolii renale.

În prezent, KidneyNetwork este optimizat pentru boala renală intrinsecă. Cu toate acestea, boala de rinichi poate fi prezentă și din cauza unui proces patogenetic în alte sisteme, cum ar fi sistemul imunitar. Deși putem face, de asemenea, inferențe cu privire la prioritizarea genelor pentru fenotipurile non-renichi, aceste predicții se pot îmbunătăți prin construirea de rețele specifice pentru diferite țesuturi în viitor.

Ne dăm seama că numai pe baza literaturii prezente, ALG6 ar fi o genă candidată pentru fenotipul chistului din SAMPLE6. Pentru a dovedi implicarea ALG6 în acest fenotip, este necesară urmărirea funcțională. Totuși, acest lucru demonstrează și puterea metodei noastre; Din 322 de gene cu variante potențial dăunătoare, această genă candidată plauzibilă a fost prioritizată în primele 3, ceea ce a făcut ca intrarea în date de secvențiere la nivelul exomului ‒ pentru mai mulți pacienți, cu diferite fenotipuri ‒ eficientă în timp și utilă.

Predicții îmbunătățite ale funcției genelor

Arătăm că metoda noastră îmbunătățită de atribuire a funcțiilor genelor și a termenilor HPO legați de rinichi la gene depășește modelul nostru publicat anterior. Abordarea noastră de validare încrucișată cu excludere asigură că previziunile nu sunt supraadaptate, că valorile AUC raportate nu sunt umflate și că metoda noastră este robustă. Mai mult, înainte de a prezice asociațiile genă-fenotip, am exclus din baza de date HPO asocierile genă-boală care aveau puține dovezi experimentale, deoarece acuratețea predicției depinde de acuratețea asociațiilor adnotate genă-fenotip. Precizia predicției se bazează pe predicții genice adevărate pozitive și adevărate negative, ceea ce înseamnă că cartografierea mai precisă a genelor cunoscute la fenotipuri are ca rezultat predicții mai bune. Precizia asocierii genă-fenotip se va îmbunătăți odată ce mai multe gene sunt adnotate și validate pentru fiecare fenotip. Prin urmare, ne așteptăm la o îmbunătățire a preciziei predicției rețelei, pe măsură ce cunoștințele despre asociere genă-fenotip cresc și sunt adăugate la baza de date HPO.

Aplicații KidneyNetwork

Am dezvoltat https://kidney.genenetwork.nl/ prin care oferim predicție a termenilor gene-HPO. Folosind același algoritm de predicție pe care l-am folosit pentru a atribui genele termenilor HPO, am prezis, de asemenea, care gene sunt probabil implicate în căile GO, KEGG și Reactome. Aici oferim, de asemenea, o versiune online a GADO care poate fi utilizată pentru a prioritiza genele relevante pentru pacienții cu suspiciune de boală renală rară. Este posibil să se specifice fenotipul unui pacient folosind termeni HPO și să se furnizeze o listă de gene care adăpostesc variante potențiale cauzatoare de boli. Aceste gene vor fi apoi clasificate folosind KidneyNetwork, permițând astfel identificarea genelor care sunt mai susceptibile de a fi implicate în boala pacientului. Deoarece nu este necesar să încărcați informații genetice personale, această metodă respectă confidențialitatea pacientului. Vă recomandăm să folosiți scorurile KidneyNetwork împreună cu datele WES sau GWAS pentru a crește acuratețea predicției.

Directii viitoare

Aplicarea KidneyNetwork la cazurile nerezolvate din diagnostice, cohorte mari de cercetare și, de exemplu, seturi de date GWAS va avea ca rezultat o mai bună perspectivă asupra fiziologiei și fiziopatologiei rinichilor. Pentru a îmbunătăți și mai mult acuratețea predicției fenotipului renal, intenționăm să construim rețele specifice tipului de celule prin încorporarea datelor de secvențiere a ARN-ului unicelular, care ne așteptăm să producă predicții mai detaliate și mai precise ale genelor-fenotipului. Concluzie Prezentăm KidneyNetwork, o rețea de co-expresie specifică rinichilor care prezice cu precizie care gene au funcții specifice rinichilor. Metoda pe care am dezvoltat-o ​​pentru a combina datele multi-țesuturi cu datele specifice țesutului poate fi extinsă cu ușurință la alte țesuturi, permițând predicții îmbunătățite pentru alte boli specifice țesutului. Folosind KidneyNetwork, evidențiem ALG6 ca genă candidată pentru chisturile renale și/sau hepatice. KidneyNetwork oferă un instrument util pentru a ajuta la interpretarea variantelor genetice. Prin urmare, poate fi de mare valoare în nefrogeneza translațională și, în cele din urmă, poate îmbunătăți randamentul diagnosticului la pacienții cu boli renale. DISPONIBILITATEA DATELOR Seturile de date disponibile public analizate în timpul studiului actual sunt disponibile în arhiva European Nucleotide Archive (ENA) (https://www.ebi.ac.uk/ena/browser/home). Seturile de date derivate din GTEx sunt disponibile din baza de date de genotipuri și fenotipuri (dbGaP), dar se aplică restricții la disponibilitatea acestor date, care au fost utilizate sub licență pentru studiul curent și, prin urmare, nu sunt disponibile public. Datele sunt totuși disponibile de la dbGaP sub numărul de acces phs000424.v8.p2. Seturile de date WES derivate de la pacient analizate în timpul studiului curent nu sunt disponibile public din motive de confidențialitate. Rezultatele sunt disponibile pe kidney.genenetwork.nl.

REFERINȚE

1. Groopman EE, Marasa M, Cameron-Christie S, Petrovski S, Aggarwal VS, Milo Rasouly H, et al. Utilitatea diagnostică a secvențierii exomului pentru boala renală. N. Engl J Med. 2019;380:142–51.

2. Snoek R, van Jaarsveld RH, Nguyen TQ, Peters EDJ, Elferink MG, Ernst RF și colab. Abordarea bazată pe genetică îmbunătățește diagnosticul pacienților cu ESKD mai tineri de 50 de ani. Transplant Nephrol Dial. 2020;37:349–57.

3. Connaughton DM, Kennedy C, Shril S, Mann N, Murray SL, Williams PA și colab. Cauze monogenice ale bolii cronice de rinichi la adulți. Rinichi Int. 2019;95:914–28. 4. Cooper GM, Shendure J. Ace în stive de ace: găsirea de variante cauzale de boală într-o mulțime de date genomice. Nat Rev Genet. 2011;12:628–40. 5. van Dam S, Võsa U, van der Graaf A, Franke L, de Magalhães JP. Analiza co-expresiei genelor pentru clasificarea funcțională și predicțiile genă-boală. Scurtă Bioinform. 2017;19:575–92. 6. Deelen P, van Dam S, Herkert JC, Karjalainen JM, Brugge H, Abbott KM și colab. Îmbunătățirea randamentului de diagnostic al secvențierii exomului prin prezicerea asocierilor genă-fenotip utilizând analiza expresiei genice la scară largă. Nat Commun. 2019;10:2837. 7. Köhler S, Carmody L, Vasilevsky N, Jacobsen JOB, Danis D, Gourdine JP, et al. Extinderea bazei de cunoștințe și resurselor Ontologiei fenotipului uman (HPO). Acizi nucleici Res. 2019;47:D1018–27. 8. Moștenirea online mendeliană la om, OMIM®. Institutul McKusick-Nathans de Medicină Genetică, Universitatea Johns Hopkins (Baltimore, MD) [Internet]. Disponibil la: https://omim.org/ 9. Orphanet: o bază de date online cu boli rare și medicamente orfane. Copyright, INSERM 1997. [Internet]. Disponibil de la: http://www.orpha.net 10. DeLong ER, DeLong DM, Clarke-Pearson DL. Compararea zonelor sub două sau mai multe curbe caracteristice de funcționare a receptorului corelate: o abordare neparametrică. Biometrie. 1988;44:837–45.

Serviciu de suport:

E-mail:wallence.suen@wecistanche.com

Whatsapp/Tel: plus 86 15292862950

Magazin:

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