KidneyNetwork: neerudest pärinevate geeniekspressiooniandmete kasutamine neeruhaigusega seotud uudsete geenide ennustamiseks ja tähtsuse järjekorda seadmiseks

ARUTELU

EsitlemeKidneyNetwork, avalikult kättesaadav kaasekspressioonivõrk optimeeritud ekspressiooni- ja fenotüübi annotatsiooniandmetega kasutamiseksneeruhaigused. A signiFifigeneetiline kahtlusega patsientide osakaalneeruhaigusjäävad ilma geneetilise diagnoosita, kuna paljude haigusseisundite haiguste geenide loendid on puudulikud. Tehke kindlaks, millised geenid on seotudneeruhaiguson selle parandamiseks hädavajalikdiagnostiline saagikus neeruhaigusega patsientidelja eesthaiguse patogeneesi uuriminelähenedaravivõimalused. Uute haigusgeenide loomine nõuab hoolikat bioloogilist valideerimist. Selliseid uuringuid väärivate geenide kaasamine on kriitiline. KidneyNetworki rakendamine koos WES-i või GWAS-i andmetega nefroloogide, kliiniliste geneetikute või teadlaste poolt aitab kõigil neil rühmadel geenimõjus osaleda. KidneyNetwork ühendab neeruproovi andmestikul põhineva kaasekspressioonivõrgu ja varem avaldatud mitme koe andmestiku, mida kasutatakse GeneNeti töö koostamiseks. Andmekogumite ühendamine KidneyNetworkiga parandas neeruhaigustega seotud fenotüübi ennustusi, võrreldes võrkudega, mis põhinesid kahel andmekogumil eraldi. Põhimõtte tõestuseks näitame, et KidneyNetworki genereeritud neeru- ja maksatsüstide kombineeritud fenotüübi kandidaatgeenide loendis eelistati hallatavat kandidaatgeenide loendit pikast geenide loendist, mis sisaldasid selle fenotüübiga patsiendil haruldasi variante.

KLIKKAKE SIIA, ET HANKIDA NEREPUFUNKTSIOONI KOHTA

Meie tähendus ja ALG6 kui potentsiaalse kandidaatgeeni uuriminetagajärjeks neeru- ja maksatsüstidusutavas kandidaatgeenis, mida toetab ALG6 funktsioonide kaotuse variantide ja polütsüstilise maksa- ja neeruhaiguse samaaegne esinemine mitmel patsiendil, kellel on kahes perekonnas mõjutatud patsientide perekondlik segregatsioon, ning kärbiva ALG6 c statistiliselt oluline rikastumine. 0,257 pluss 5 G > Variant lahendamata ADPKD/PCLD juhtumite fenotüübiliselt määratletud kohordis. Bioloogiline valideerimine on vajalik selleks, et lõpuks kindlaks teha, kas ALG6 on autosoomsete domineerivate polütsüstiliste neeru- ja maksafenotüüpide haigusgeen.

Bioloogilisele usutavusele viitavad teadaolevad funktsionaalsed sarnasused ja ALG6 tihe transkriptsiooniline kaasregulatsioon väljakujunenud haigusgeenidega, nagu on esile tõstnud KidneyNetwork. ALG6, sarnaselt väljakujunenud polütsüstilise neeru- ja maksahaiguse geeniga ALG8, on 3-glükosüültransferaasi perekonna liige [22]. Lisaks ALG8-le [20] on ALG9 heterosügootsed variandid hiljuti seotud ka neeru- ja maksatsüstide fenotüüpide etioloogiaga [16]. Kõik need kolm geeni mängivad olulist rolli lipiididega seotud oligosahhariidide biosünteesi rajas enne nende ülekandmist tekkivate valkude asparagiini (N) jääkidele nn N-glükaanidena endoplasmaatilises retikulumis [23]. Huvitav on see, et kuigi ALG9-CDG-ga lootel või lastel on kirjeldatud neeru- või maksatsüste, või harvadel juhtudel ALG8-CDG-ga, ei ole ALG-ga seotud tsüste kirjeldatud.{16} }CDG [19]. CDG patsientide vanemaid ei ole veel tsüstide suhtes uuritud. Arvestades kerget fenotüüpi, jäävad tsüstid paljudel juhtudel tõenäoliselt märkamatuks, eriti varases lapsevanemaks saades, mil lastel diagnoositakse kõige sagedamini CDG.

Joonis 4 Patsientide pildistamine. Kõhuõõne CT, mis illustreerib polütsüstiliste neerude ja maksa proovis 6. Mõned tsüstid on esile tõstetud punaste nooltega, suurim maksatsüst on 7,7 cm (punane tärn). SAMPLE6 haige lapse kõhu MRI-l on vasakus neerus mitu tsüsti (mitu on esile tõstetud punaste nooltega), T2-l mõned hüpointensiivsed ja paremas neerus mõned tsüstid. YU378 kõhu MRI näitas ulatuslikku polütsüstilist maksahaigust ja kahte neerutsüsti. YU481 kõhu MRI näitab mitut maksatsüsti. Vasakus neerus on 9 cm tsüst ja mõned väikesed tsüstid, paremas neerus tsüstid puuduvad. Kõhuõõne MRI, mis illustreerib polütsüstilist maksahaigust LE1-s. Maksatsüstid on esile tõstetud punaste nooltega, kusjuures suurim tsüst asub maksa segmendis IV (punane tärn), mis nõuab progresseeruva kolestaasi korral kirurgilist sekkumist. Pange tähele, et mõlemal neerul oli tsüstiliste kahjustuste puudumisel normaalne morfoloogia.

Geneetiliselt lahendamata fenotüüppolütsüstilised neeru- ja maksapatsiendidtuvastasime, et ALG6 variantide kandja on suhteliselt kerge, paljudel juhtudel domineeriv maks ja asümptomaatiline, mis on kooskõlas fenotüübiga, mida on kirjeldatud patsientidel, kes kannavad heterosügootset ALG8 või ALG9 patogeenset varianti. Meie tuvastatud potentsiaalselt patogeensed variandid on leitud ka gnomAD andmebaasis [17] olevatel inimestel. Selle tähelepaneku üheks seletuseks võib olla haiguse mittetäielik läbitungimine. Asjaolu, et mõned meie kohordis olevad isikud ei teatanud, et neil pole teadaolevaid mõjutatud pereliikmeid, võib viidata mittetäielikule levikule, kuigi paljudes peredes puudub segregatsioon. Kuid me ei tuvastanud varianti kandvaid mõjutamata isikuid. Alternatiivne selgitus võib olla see, et täheldatud fenotüüp on suhteliselt kerge ja subkliiniline. Näiteks SAMPLE6-s täheldatud neeru- ja maksatsüstid avastati juhusliku leiuna. Kui neid variante kandvatel inimestel ei tehta kõhupiirkonna kujutist, võivad tsüstid jääda märkamatuks. Samuti ALG8 ja ALG9 jaoks Besse et al. mõtiskleda suhteliselt leebe fenotüübi üle ja oletada, et seda saab tõenäoliselt määrata kahe teguriga [16, 20]. Esiteks eeldatakse, et tsüstilise fenotüübi saamiseks on vaja somaatilist teist lööki. Nende somaatiliste teise tabamuse mutatsioonide suhteline sagedus, mis inaktiveerivad ALG8/ALG9 normaalset koopiat, ja selle mittetäielik mõju polütsüstiinile{11}} põhjustavad eeldatavasti suhteliselt kerge fenotüübi.

Varem on väidetud, et ALG6 on seotud ühe ADPKD-ga indiviidiga [24]. Sellel patsiendil, kellel oli kaks ebaselgete ennustustega missense varianti, mida ei ole funktsionaalselt hinnatud, oli aga väga raske fenotüüp, mis ei vastanud ALG6 eeldatavale fenotüübile.

Tugevused ja piirangud

Geeni koekspressioonivõrkude loomine nõuab suurel hulgal RNA-sekveneerimise proove [6], mis on saadud erinevatest rakutüüpidest ja arenguetappidest, et saavutada täpsed funktsioonide prognoosid. See proovide mitmekesisus koos suure proovide arvuga ei ole konkreetsete kudede jaoks sageli saadaval. Selle probleemi lahendamiseks kasutas üks varasem lähenemisviis koetüüpide vahel hierarhilisi sarnasusi [25]. Kuid see lahendus nõuab oma arvutuskoormuse tõttu a priori geenivalikut. Seevastu meie meetodit saab kasutada erapooletute genoomi hõlmavate prognooside tegemiseks. Lisaks tuleks hierarhilist lähenemisviisi korrata iga uue huvipakkuva koe puhul, samas kui mitme koe andmekogumit saab meie meetodi abil uuesti kasutada erineva koespetsiifilise võrgu loomiseks. Teine lähenemisviis kasutas erinevat tüüpi ekspressiooni eri koetüüpide vahel [26]. Siin olid 10 protsenti kõige erinevamalt ekspresseeritud geenidest korrelatsioonis neerudega seotud GWAS lookustega. Diferentsiaalse ekspressiooni kasutamine võimaldab teha prognoose sõltumata varasematest teadmistest geeni-fenotüübi interaktsioonide kohta. See eeldab aga ka diferentsiaalavaldise piirmäära rakendamist. Seevastu meie lähenemisviis kasutab RNA sekveneerimise andmetes aluseks olevaid bioloogilisi struktuure, et saada iga geeni ennustusskoor. Kuigi diferentsiaalse ekspressiooni kombineerimine GWAS-i kokkuvõtliku statistikaga võimaldab erapooletuid geeniprognoose, on eksperimentaalselt kinnitatud HPO annotatsioonide usaldusväärsus suurem kui GWAS-i tulemuste oma. HPO andmebaasi integreerimine annab seega usaldusväärsemad prognoosid. Lisaks prognoosime samaaegselt kõiki HPO termineid, samas kui GWAS-põhist lähenemisviisi tuleb korrata iga huvipakkuva GWAS-i jaoks.

Neeruspetsiifiliste RNA-sekveneerimisproovide kombineerimine mitme koe andmestikuga võimaldas meil ületada nii valimi suuruse kui ka väljakutsed koespetsiifilise diferentsiaalse ekspressiooni jälgimisel, kui kasutasime ainult koespetsiifilisi ekspressiooniandmeid. Lisaks ei pidanud me KidneyNetworki arendamise ajal piirama geenide arvu, millele võrk on üles ehitatud. Lisaks saavad KidneyNetworki kasutajad saada ennustusi kõigi võimalike geenide kohta erapooletul lähenemisviisil ja geenide prioriteedid HPO terminite kombinatsiooni jaoks.

RNA-sekveneerimise hulgiandmete kasutamise negatiivne külg on see, et meil on piiratud jõud teha järeldusi madala ekspressiooniga geenide kohta, mis on eriti oluline haruldaste rakutüüpide spetsiifiliste geenide puhul. Kuna tulevikus muutuvad kättesaadavaks rakutüübi spetsiifilisemad ja üherakulise RNA järjestuse andmed, võib erinevatel neerurakkude tüüpidel põhinevate koekspressioonivõrkude loomine lahendada selle geenide puhul, mida ekspresseeritakse kindlates rakutüüpides rohkem. Teine piirang ainult RNA-sekveneerimisandmete kasutamisel on see, et meie ennustusmudel ei võta praegu arvesse muid bioloogilisi protsesse, mis võivad olla seotud haiguse arenguga, näiteks translatsioonijärgsed modifikatsioonid ja valgu-valgu interaktsioonid.

Lisaks uute usutavate kandidaatgeenide tuvastamisele saab neeruvõrku hästi kasutada ka teadaolevate neeruhaiguste geenide tähtsuse järjekorda seadmiseks. See võib olla eriti kasulik pärast esialgset negatiivset diagnostilist tulemust pärast eksoomipõhise geenipaneeli analüüsi läbiviimist, mis ei pruugi hõlmata kõigi teadaolevate neeruhaiguste geenide analüüsi.

Praegu on KidneyNetwork optimeeritud sisemise neeruhaiguse jaoks. Kuid neeruhaigus võib esineda ka teiste süsteemide, näiteks immuunsüsteemi patogeneetilise protsessi tõttu. Kuigi saame teha järeldusi ka mitte-neeru fenotüüpide geenide prioriseerimise kohta, võivad need prognoosid paraneda, luues tulevikus erinevate kudede jaoks spetsiifilisi võrgustikke.

Mõistame, et ainuüksi käesoleva kirjanduse põhjal oleks ALG6 tsüsti fenotüübi kandidaatgeen SAMPLE6-s. ALG6 seotuse tõestamiseks selles fenotüübis on vaja funktsionaalset järelkontrolli. See aga tõestab ka meie meetodi tugevust; 322 potentsiaalselt kahjulike variantidega geenist valiti see usutav kandidaatgeen esikolmikusse, muutes eksoome hõlmavate sekveneerimisandmete – rohkemate erinevate fenotüüpidega patsientide jaoks – ajasäästlikuks ja kasulikuks.

Täiustatud geenifunktsioonide prognoosid

Näitame, et meie täiustatud meetod geenifunktsioonide ja neerudega seotud HPO terminite määramiseks geenidele ületab meie varem avaldatud mudelit. Meie ristvalideerimisel jäetav lähenemisviis tagab, et ennustusi ei kohandata üle, et teatatud AUC väärtusi ei suurendata ja et meie meetod on usaldusväärne. Lisaks jätsime enne geenifenotüüpide seoste ennustamist HPO andmebaasist välja geenihaiguste seosed, millel oli vähe eksperimentaalseid tõendeid, kuna prognoosimise täpsus sõltub annoteeritud geeni-fenotüübi seoste täpsusest. Ennustuse täpsus põhineb tõelistel positiivsetel ja tõelistel negatiivsetel geeniennustustel, mis tähendab, et teadaolevate geenide täpsem kaardistamine fenotüüpidega annab paremaid ennustusi. Geeni-fenotüübi assotsiatsiooni täpsus paraneb, kui iga fenotüübi jaoks on rohkem geene märgistatud ja kinnitatud. Seetõttu ootame võrgu prognoosimise täpsuse paranemist, kui geeni-fenotüübi seoste teadmised suurenevad ja lisatakse HPO andmebaasi.

KidneyNetworki rakendused

Oleme välja töötanud https://kidney.genenetwork.nl/, mille kaudu pakume geeni-HPO termini ennustamist. Kasutades sama ennustusalgoritmi, mida kasutasime geenide määramiseks HPO terminitele, ennustasime ka, millised geenid on tõenäoliselt seotud GO, KEGG ja Reactome radadega. Siin pakume ka GADO veebiversiooni, mida saab kasutada asjakohaste geenide tähtsuse järjekorda seadmiseks haruldase neeruhaiguse kahtlusega patsientidel. HPO termineid kasutades on võimalik täpsustada patsiendi fenotüüpi ja esitada geenide loetelu, mis sisaldavad potentsiaalseid haigusi põhjustavaid variante. Seejärel järjestatakse need geenid KidneyNetworki abil, võimaldades seeläbi tuvastada geene, mis on tõenäolisemalt seotud patsiendi haigusega. Kuna isiklikku geneetilist teavet pole vaja üles laadida, austab see meetod patsiendi privaatsust. Prognoosi täpsuse suurendamiseks soovitame kasutada KidneyNetworki skoori koos WES- või GWAS-andmetega.

Tuleviku suunad

KidneyNetworki rakendamine diagnostika, suurte uurimisrühmade ja näiteks GWAS-i andmekogumite lahendamata juhtudel annab parema ülevaate neerude füsioloogiast ja patofüsioloogiast. Neeru fenotüübi ennustamise täpsuse edasiseks parandamiseks plaanime ehitada rakutüübile spetsiifilisi võrke, lisades üherakulise RNA sekveneerimise andmed, mis loodetavasti annavad üksikasjalikumad ja täpsemad geenifenotüübi prognoosid. Kokkuvõte Esitleme neeruspetsiifilist koekspressioonivõrgustikku KidneyNetwork, mis ennustab täpselt, millistel geenidel on neeruspetsiifilised funktsioonid. Meetodit, mille oleme välja töötanud mitme koe andmete kombineerimiseks koespetsiifiliste andmetega, saab hõlpsasti laiendada teistele kudedele, võimaldades teiste koespetsiifiliste haiguste paremaid prognoose. KidneyNetworki kasutades tõstame esile ALG6 kui neeru- ja/või maksatsüstide kandidaatgeeni. KidneyNetwork pakub kasulikku tööriista geneetiliste variantide tõlgendamisel. Seetõttu võib see olla translatsioonilise nefrogeneesi jaoks väga väärtuslik ja lõppkokkuvõttes parandada neeruhaigusega patsientide diagnostilist saagist. ANDMETE KÄTTESAADAVUS Käesoleva uuringu käigus analüüsitud avalikult kättesaadavad andmekogumid on saadaval Euroopa nukleotiidide arhiivi (ENA) hoidlas (https://www.ebi.ac.uk/ena/browser/ home). GTExist tuletatud andmestikud on saadaval genotüüpide ja fenotüüpide (dbGaP) andmebaasist, kuid nende andmete kättesaadavusele kehtivad piirangud, mida kasutati käesoleva uuringu jaoks litsentsi alusel ja seega pole need avalikult kättesaadavad. Andmed on aga saadaval andmebaasist dbGaP registreerimisnumbri phs000424.v8.p2 all. Patsientidelt saadud WES-i andmestikud, mida praeguse uuringu käigus analüüsiti, ei ole privaatsuse huvides avalikult kättesaadavad. Tulemused on saadaval aadressil neeru.genenetwork.nl.

VIITED

1. Groopman EE, Marasa M, Cameron-Christie S, Petrovski S, Aggarwal VS, Milo Rasouly H jt. Eksoomi sekveneerimise diagnostiline kasulikkus neeruhaiguse jaoks. N. Engl J Med. 2019;380:142–51.

2. Snoek R, van Jaarsveld RH, Nguyen TQ, Peters EDJ, Elferink MG, Ernst RF jt. Geneetika-esimene lähenemine parandab alla 50-aastaste ESKD patsientide diagnostikat. Nephrol Dial siirdamine. 2020;37:349–57.

3. Connaughton DM, Kennedy C, Shril S, Mann N, Murray SL, Williams PA jt. Kroonilise neeruhaiguse monogeensed põhjused täiskasvanutel. Kidney Int. 2019;95:914–28. 4. Cooper GM, Shendure J. Nõelad nõelte virnades: haiguste põhjuslike variantide leidmine paljudest genoomiandmetest. Nat Rev Genet. 2011;12:628–40. 5. van Dam S, Võsa U, van der Graaf A, Franke L, de Magalhães JP. Geeni koekspressiooni analüüs funktsionaalseks klassifikatsiooniks ja geenihaiguste prognoosimiseks. Lühike Bioinform. 2017;19:575–92. 6. Deelen P, van Dam S, Herkert JC, Karjalainen JM, Brugge H, Abbott KM jt. Eksoomide sekveneerimise diagnostilise saagise parandamine, ennustades geeni-fenotüübi seoseid suuremahulise geeniekspressiooni analüüsi abil. Nat Commun. 2019;10:2837. 7. Köhler S, Carmody L, Vasilevsky N, Jacobsen JOB, Danis D, Gourdine JP jt. Inimese fenotüübi ontoloogia (HPO) teadmistebaasi ja ressursside laiendamine. Nucleic Acids Res. 2019;47:D1018–27. 8. Online Mendelian Heritance in Man, OMIM®. McKusick-Nathansi Geneetilise meditsiini instituut, Johns Hopkinsi ülikool (Baltimore, MD) [Internet]. Kättesaadav aadressilt: https://omim.org/ 9. Orphanet: haruldaste haiguste ja harva kasutatavate ravimite veebipõhine andmebaas. Autoriõigus, INSERM 1997. [Internet]. Saadaval aadressil: http://www.orpha.net 10. DeLong ER, DeLong DM, Clarke-Pearson DL. Kahe või enama korrelatsiooniga vastuvõtja töökarakteristiku kõvera all olevate alade võrdlemine: mitteparameetriline lähenemine. Biomeetria. 1988;44:837–45.

Tugiteenus:

E-post:wallence.suen@wecistanche.com

Whatsapp/Tel: pluss 86 15292862950

Pood:

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