KidneyNetwork: Uporaba podatkov o ekspresiji genov, pridobljenih iz ledvic, za napovedovanje in dajanje prednosti novim genom, ki sodelujejo pri boleznih ledvic

DISKUSIJA

PredstavljamoKidneyNetwork, javno dostopno mrežo soizražanja z optimiziranimi podatki o izražanju in fenotipu za uporabo pribolezni ledvic. A signififini delež bolnikov s sumom na genetskobolezni ledvicostanejo brez genetske diagnoze, saj so seznami genov bolezni za številna stanja nepopolni. Ugotovite, kateri geni so vključeni vbolezni ledvicje bistvenega pomena za izboljšanjediagnostični izkoristek pri bolnikih z boleznijo ledvicin zapreučevanje patogeneze boleznipristopitipoti zdravljenja. Vzpostavitev novih genov bolezni zahteva natančno biološko validacijo. Vključevanje genov, ki so vredni takih preiskav, je ključnega pomena. Uporaba KidneyNetwork v povezavi s podatki WES ali GWAS s strani nefrologov, kliničnih genetikov ali raziskovalcev bo vsaki od teh skupin pomagala sodelovati pri implikaciji genov. KidneyNetwork združuje mrežo koekspresije, ki temelji na naboru podatkov o vzorcu ledvic, s predhodno objavljenim naborom podatkov o več tkivih, ki se uporablja za izdelavo dela GeneNet. Združevanje naborov podatkov v omrežje KidneyNetwork je izboljšalo napovedi fenotipa, povezane z boleznijo ledvic, v primerjavi z omrežji, ki temeljijo na dveh naborih podatkov ločeno. Kot dokaz načela pokažemo, da je seznam genov kandidatov za kombinirani fenotip ledvičnih in jetrnih cist, ki jih je ustvaril KidneyNetwork, dal prednost obvladljivemu seznamu genov kandidatov z dolgega seznama genov, ki vsebujejo redke različice pri našem bolniku s tem fenotipom.

KLIKNITE TUKAJ ZA DOBITEV CISTANCHE ZA DELOVANJE LEDVIC

Naše posledice in raziskovanje ALG6 kot možnega kandidata za gennastanejo ledvične in jetrne cistev verjetnem kandidatnem genu, podprto s sočasnim pojavom variant izgube funkcije ALG6 in policistične bolezni jeter in ledvic pri več bolnikih s podpirajočo družinsko segregacijo prizadetih bolnikov v dveh družinah in s statistično značilno obogatitvijo skrajšanega ALG6 c .257 plus 5 G > Različica v fenotipsko opredeljeni kohorti nerešenih primerov ADPKD/PCLD. Biološka validacija bo potrebna, da se končno ugotovi, ali je ALG6 gen za bolezen avtosomno prevladujočih fenotipov policističnih ledvic in jeter.

Biološko verjetnost nakazujejo znane funkcionalne podobnosti in tesna transkripcijska koregulacija ALG6 z uveljavljenimi geni bolezni, kot je poudaril KidneyNetwork. ALG6, podobno uveljavljenemu genu za policistične bolezni ledvic in jeter ALG8, je član družine 3-glukoziltransferaz [22]. Poleg ALG8 [20] so bile heterozigotne variante ALG9 nedavno vpletene tudi v etiologijo fenotipov ledvičnih in jetrnih cist [16]. Vsak od teh treh genov igra bistveno vlogo v biosintetični poti za lipidno vezane oligosaharide pred njihovim prenosom na asparaginske (N) ostanke nastajajočih proteinov kot tako imenovanih N-glikanov v endoplazmatskem retikulumu [23]. Zanimivo je, da so bile ciste ledvic ali jeter opisane med prizadetostjo več organov pri plodovih ali otrocih z ALG9-CDG ali redko pri ALG8-CDG, ciste pa niso bile opisane za ALG{{16} }CDG [19]. Starši bolnikov s CDG še niso bili raziskani glede cist. Glede na blag fenotip je verjetno, da bodo ciste v mnogih primerih ostale neopažene, zlasti v zgodnjem starševstvu, ko se otrokom najpogosteje diagnosticira CDG.

Slika 4 Slikanje bolnikov. CT trebuha, ki prikazuje policistične ledvice in jetra v VZORCU6. Nekatere ciste so označene z rdečimi puščicami, pri čemer največja jetrna cista meri 7,7 cm (rdeča zvezdica). MRI trebuha B prizadetega otroka VZORCA6 kaže več cist v levi ledvici (več jih je označenih z rdečimi puščicami), nekaj hipointenzivnih na T2 in nekaj cist v desni ledvici. C abdominalna MRI YU378 je pokazala obsežno policistično bolezen jeter in dve ledvični cisti. MRI trebuha YU481 kaže več jetrnih cist. Leva ledvica ima 9 cm veliko cisto in nekaj majhnih cist, desna ledvica je brez cist. MRI trebuha, ki prikazuje policistično bolezen jeter pri LE1. Jetrne ciste so označene z rdečimi puščicami, pri čemer je največja cista v jetrnem segmentu IV (rdeča zvezdica), zaradi česar je potreben kirurški poseg za progresivno holestazo. Omeniti velja, da sta obe ledvici imeli normalno morfologijo brez kakršnih koli cističnih lezij.

Fenotip v genetsko nerešenbolniki s policističnimi ledvicami in jetriza katerega smo ugotovili, da nosi različice ALG6, je razmeroma blag, v mnogih primerih prevladuje jetra in je asimptomatičen, skladen s fenotipom, opisanim za bolnike, ki prenašajo heterozigotno patogeno različico ALG8 ali ALG9. Potencialno patogene različice, ki smo jih identificirali, najdemo tudi pri posameznikih v bazi podatkov gnomAD [17]. Ena od razlag za to ugotovitev bi lahko bila nepopolna penetracija bolezni. Dejstvo, da so nekateri posamezniki v naši kohorti poročali o nobenem znanem prizadetem družinskem članu, je lahko znak nepopolne penetracije, čeprav v mnogih družinah manjka ločevanja. Vendar pa nismo identificirali neprizadetih posameznikov, ki prenašajo to različico. Druga razlaga bi lahko bila, da je opazovani fenotip razmeroma blag in subklinični. Na primer, ledvične in jetrne ciste, opažene v VZORCU6, so bile odkrite kot naključna najdba. Če pri posameznikih s temi različicami ni opravljeno slikanje trebuha, lahko ciste ostanejo neopažene. Tudi za ALG8 in ALG9 Besse et al. razmišljajo o relativno blagem fenotipu in predlagajo, da je to verjetno odvisno od dveh dejavnikov [16, 20]. Prvič, pričakuje se, da je za pridobitev cističnega fenotipa potreben somatski drugi zadetek. Pričakuje se, da bosta relativna redkost teh somatskih mutacij drugega zadetka, ki inaktivirajo normalno kopijo ALG8/ALG9, in nepopoln učinek, ki ga ima to na Polycystin-1, povzročila relativno blag fenotip.

Pred tem je bilo predlagano, da je ALG6 vključen v enega posameznika z ADPKD [24]. Vendar pa je imel ta bolnik, ki je imel dve napačni različici z nedokončnimi napovedmi, ki niso bile funkcionalno ocenjene, zelo hud fenotip, ki se ni ujemal s pričakovanim fenotipom za ALG6.

Prednosti in omejitve

Gradnja mrež za soizražanje genov zahteva veliko število vzorcev sekvenciranja RNA [6], pridobljenih iz različnih vrst celic in razvojnih stopenj, da bi dosegli natančne napovedi delovanja. Ta raznolikost vzorcev v kombinaciji z velikim številom vzorcev pogosto ni na voljo za določena tkiva. Da bi rešili to težavo, je en prejšnji pristop uporabil hierarhične podobnosti med vrstami tkiv [25]. Vendar pa ta rešitev zahteva a priori izbiro genov zaradi svoje računske obremenitve. Nasprotno pa je našo metodo mogoče uporabiti za nepristranske napovedi celotnega genoma. Poleg tega bi bilo treba hierarhični pristop ponoviti za vsako novo zanimivo tkivo, medtem ko je nabor podatkov o več tkivih mogoče ponovno uporabiti za izgradnjo drugačne mreže, specifične za tkivo, z uporabo naše metode. Drugi pristop je uporabil diferencialno izražanje med različnimi tipi tkiv [26]. Tukaj je bilo prvih 10 odstotkov najbolj diferencialno izraženih genov povezanih z lokusi GWAS, povezanimi z ledvicami. Uporaba diferencialne ekspresije omogoča napovedovanje ne glede na predhodno znanje o interakcijah gena in fenotipa. Vendar to zahteva tudi uporabo mejne vrednosti diferencialnih izrazov. Nasprotno pa naš pristop uporablja osnovne biološke strukture v podatkih o zaporedju RNA, da dobi oceno napovedi za vsak gen. Medtem ko združevanje diferencialne ekspresije s statistiko povzetka GWAS omogoča nepristranske napovedi genov, je zanesljivost eksperimentalno potrjenih opomb HPO višja od zanesljivosti rezultatov GWAS. Z integracijo podatkovne baze HPO so tako bolj zanesljive napovedi. Poleg tega izdelujemo sočasne napovedi za vse pogoje HPO, medtem ko je treba pristop, ki temelji na GWAS, ponoviti za vsak GWAS, ki nas zanima.

Združevanje vzorcev sekvenciranja RNK, specifičnih za ledvice, z naborom podatkov o več tkivih nam je omogočilo, da smo premagali tako vprašanje velikosti vzorca kot izzive pri opazovanju diferencialne ekspresije, specifične za tkivo, pri uporabi samo naborov podatkov o ekspresiji, specifičnih za tkiva. Poleg tega nam med razvojem mreže KidneyNetwork ni bilo treba omejevati števila genov, na katerih je mreža zgrajena. Poleg tega lahko uporabniki KidneyNetwork dobijo napovedi za vse možne gene v nepristranskem pristopu in pridobijo lahko prednostno razvrstitev genov za kombinacijo izrazov HPO.

Slaba stran uporabe množičnih podatkov o zaporedju RNK je, da imamo omejeno moč za sklepanje o nizko izraženih genih, kar je še posebej pomembno za gene, ki so specifični za redke vrste celic. Ker bo v prihodnosti na voljo več podatkov o sekvenciranju RNK, specifičnih za tip celice, in za enocelično RNK, bi lahko ustvarjanje mrež so-ekspresije, ki temeljijo na različnih tipih ledvičnih celic, to rešilo za gene, ki so v določenih vrstah celic izraženi bolj obilno. Druga omejitev uporabe samo podatkov o zaporedju RNA je, da drugi biološki procesi, ki bi lahko bili vpleteni v razvoj bolezni, na primer posttranslacijske modifikacije in interakcije protein-protein, trenutno niso upoštevani v našem napovednem modelu.

Poleg identifikacije novih verjetnih kandidatnih genov se lahko Kidney Network dobro uporablja tudi za dajanje prednosti znanim genom za ledvično bolezen. To je lahko še posebej koristno po začetnem negativnem diagnostičnem rezultatu po opravljeni analizi genske plošče na podlagi eksoma, ki morda ne vključuje analize vseh znanih genov za ledvično bolezen.

Trenutno je KidneyNetwork optimiziran za intrinzično ledvično bolezen. Vendar pa je lahko ledvična bolezen prisotna tudi zaradi patogenetskega procesa v drugih sistemih, kot je imunski sistem. Medtem ko lahko sklepamo tudi na prednostno razvrščanje genov za ne-ledvične fenotipe, se lahko te napovedi izboljšajo z gradnjo omrežij, specifičnih za različna tkiva v prihodnosti.

Zavedamo se, da bi bil samo na podlagi trenutne literature ALG6 kandidatni gen za fenotip ciste v SAMPLE6. Da bi dokazali vpletenost ALG6 v ta fenotip, je potrebno funkcionalno spremljanje. Vendar pa tudi to dokazuje moč naše metode; izmed 322 genov s potencialno škodljivimi različicami je bil ta verjeten kandidatni gen prednostno razvrščen med prve 3, zaradi česar je sekvenciranje podatkov po celotnem eksomu ‒ za več bolnikov z različnimi fenotipi ‒ časovno učinkovito in vredno.

Izboljšane napovedi delovanja genov

Pokazali smo, da naša izboljšana metoda za dodeljevanje genskih funkcij in izrazov HPO, povezanih z ledvicami, genom prekaša naš predhodno objavljeni model. Naš pristop navzkrižne validacije z izpustitvijo enega ven zagotavlja, da napovedi niso preobremenjene, da sporočene vrednosti AUC niso napihnjene in da je naša metoda robustna. Poleg tega smo pred napovedovanjem povezav genov in fenotipov iz baze podatkov HPO izključili povezave genov in bolezni, ki so imele malo eksperimentalnih dokazov, ker je natančnost napovedi odvisna od natančnosti označenih povezav genov in fenotipov. Natančnost napovedi temelji na resničnih pozitivnih in resničnih negativnih genskih napovedih, kar pomeni, da natančnejše preslikavo znanih genov v fenotipe povzroči boljše napovedi. Natančnost povezave med genom in fenotipom se bo izboljšala, ko bo za vsak fenotip označenih in potrjenih več genov. Zato pričakujemo izboljšanje natančnosti napovedi omrežja, ko se znanje o povezavi genov in fenotipov poveča in se doda v bazo podatkov HPO.

Aplikacije KidneyNetwork

Razvili smo https://kidney.genenetwork.nl/, prek katerega nudimo napoved termina gen-HPO. Z uporabo istega algoritma napovedovanja, ki smo ga uporabili za dodeljevanje genov izrazom HPO, smo tudi predvideli, kateri geni bodo verjetno vključeni v poti GO, KEGG in Reactome. Tukaj nudimo tudi spletno različico GADO, ki se lahko uporablja za določanje prednosti ustreznih genov za bolnike s sumom na redko ledvično bolezen. Možno je določiti fenotip bolnika z uporabo izrazov HPO in zagotoviti seznam genov, ki vsebujejo potencialne različice, ki povzročajo bolezni. Ti geni bodo nato razvrščeni s pomočjo KidneyNetwork, kar bo omogočilo identifikacijo genov, za katere je verjetneje, da so vpleteni v bolnikovo bolezen. Ker ni treba naložiti osebnih genetskih podatkov, ta metoda spoštuje zasebnost bolnikov. Svetujemo uporabo rezultatov KidneyNetwork v povezavi s podatki WES ali GWAS, da povečate natančnost napovedi.

Navodila za prihodnost

Uporaba KidneyNetwork za nerešene primere iz diagnostike, velikih raziskovalnih kohort in, na primer, naborov podatkov GWAS bo prinesla boljši vpogled v fiziologijo in patofiziologijo ledvic. Za nadaljnje izboljšanje natančnosti napovedi ledvičnega fenotipa nameravamo zgraditi omrežja, specifična za celični tip, z vključitvijo podatkov o sekvenciranju RNA v eni celici, za katere pričakujemo, da bodo prinesli podrobnejše in natančnejše napovedi genskega fenotipa. Zaključek Predstavljamo KidneyNetwork, za ledvice specifično mrežo koekspresije, ki natančno napove, kateri geni imajo za ledvice specifične funkcije. Metodo, ki smo jo razvili za združevanje podatkov o več tkivih s podatki, specifičnimi za tkiva, je mogoče zlahka razširiti na druga tkiva, kar omogoča izboljšane napovedi za druge bolezni, specifične za tkiva. Z uporabo KidneyNetwork izpostavljamo ALG6 kot kandidatni gen za ledvične in/ali jetrne ciste. KidneyNetwork ponuja uporabno orodje za pomoč pri interpretaciji genetskih variant. Zato je lahko zelo pomemben pri translacijski nefrogenezi in na koncu izboljša diagnostični izkoristek pri bolnikih z boleznijo ledvic. RAZPOLOŽLJIVOST PODATKOV Javno dostopni nabori podatkov, analizirani med trenutno študijo, so na voljo v repozitoriju Evropskega nukleotidnega arhiva (ENA) (https://www.ebi.ac.uk/ena/browser/home). Nabori podatkov, pridobljeni iz GTEx, so na voljo v zbirki podatkov o genotipih in fenotipih (dbGaP), vendar veljajo omejitve glede razpoložljivosti teh podatkov, ki so bili uporabljeni pod licenco za trenutno študijo, zato niso javno dostopni. Vendar so podatki na voljo pri dbGaP pod pristopno številko phs000424.v8.p2. Zbirke podatkov WES, pridobljene s strani bolnikov, analizirane med trenutno študijo, niso javno dostopne zaradi zasebnosti. Rezultati so na voljo na kidney.genenetwork.nl.

REFERENCE

1. Groopman EE, Marasa M, Cameron-Christie S, Petrovski S, Aggarwal VS, Milo Rasouly H, et al. Diagnostična uporabnost sekvenciranja eksomov za ledvično bolezen. N. Engl J Med. 2019; 380: 142–51.

2. Snoek R, van Jaarsveld RH, Nguyen TQ, Peters EDJ, Elferink MG, Ernst RF, et al. Pristop genetike na prvem mestu izboljša diagnostiko bolnikov z ESKD, mlajših od 50 let. Presaditev Nephrol Dial. 2020; 37: 349–57.

3. Connaughton DM, Kennedy C, Shril S, Mann N, Murray SL, Williams PA, et al. Monogeni vzroki kronične ledvične bolezni pri odraslih. Kidney Int. 2019; 95: 914–28. 4. Cooper GM, Shendure J. Igle v kupih igel: iskanje variant vzrokov bolezni v množici genomskih podatkov. Nat Rev Genet. 2011; 12: 628–40. 5. van Dam S, Võsa U, van der Graaf A, Franke L, de Magalhães JP. Analiza soizražanja genov za funkcionalno klasifikacijo in napovedi genskih bolezni. Kratke bioinformacije. 2017; 19: 575–92. 6. Deelen P, van Dam S, Herkert JC, Karjalainen JM, Brugge H, Abbott KM, et al. Izboljšanje diagnostičnega izkoristka zaporedja eksomov z napovedovanjem povezav gena in fenotipa z uporabo obsežne analize izražanja genov. Nat Commun. 2019; 10: 2837. 7. Köhler S, Carmody L, Vasilevsky N, Jacobsen JOB, Danis D, Gourdine JP, et al. Razširitev baze znanja in virov ontologije človeškega fenotipa (HPO). Nucleic Acids Res. 2019; 47: D1018–27. 8. Spletno Mendelsko dedovanje pri človeku, OMIM®. Inštitut za genetsko medicino McKusick-Nathans, Univerza Johns Hopkins (Baltimore, MD) [Internet]. Dostopno na: https://omim.org/ 9. Orphanet: spletna zbirka redkih bolezni in zdravil sirot. Avtorske pravice, INSERM 1997. [Internet]. Dostopno prek: http://www.orpha.net 10. DeLong ER, DeLong DM, Clarke-Pearson DL. Primerjava območij pod dvema ali več koreliranimi krivuljami delovanja sprejemnika: neparametrični pristop. Biometrija. 1988; 44: 837–45.

Podporna storitev:

E-pošta:wallence.suen@wecistanche.com

Whatsapp/Tel: plus 86 15292862950

Trgovina:

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