Información

Tipificación de HLA entre hermanos para identificar un trastorno genético


Si un paciente que padece una serie compleja de signos y síntomas de una enfermedad y tiene una coincidencia de 8/8 loci con su hermana que no presenta tales síntomas, ¿puede concluir que la enfermedad es un trastorno recesivo ligado al cromosoma X? ¿Se pueden descartar del diagnóstico los trastornos autosómicos dominantes y los trastornos autosómicos recesivos?


No, no puedes concluir eso.

En primer lugar, el hecho de que dos hermanos sean HLA idénticos nos dice muy poco sobre el resto de su genoma. Los genes HLA están estrechamente relacionados y cada haplotipo se transmite de forma mendeliana como un solo gen. En el caso de genes no ligados (en otros cromosomas, o más alejados en el cromosoma 6), es probable que tengan los mismos genes que los hermanos no HLA idénticos o casi.

Además, la enfermedad de interés puede (es muy probable que) sea multigénica y tenga una penetrancia incompleta. La heredabilidad de los trastornos comunes generalmente varía del 20 al 80% (Capítulo 41 de Cecil Medicine, la base hereditaria de los trastornos comunes).


Tradicionalmente, los trastornos alimentarios anorexia nerviosa y bulimia nerviosa se han considerado de origen sociocultural. Sin embargo, los hallazgos genéticos conductuales recientes sugieren una influencia genética sustancial en estos trastornos. La investigación genética molecular de estos trastornos está en su infancia, pero los resultados iniciales son prometedores. Este artículo revisa los hallazgos de estudios genéticos familiares, gemelos y moleculares que respaldan influencias genéticas sustanciales sobre los trastornos alimentarios y destaca áreas adicionales para futuras investigaciones.

La anorexia nerviosa (AN) y la bulimia nerviosa (BN) son trastornos caracterizados por patrones anormales de conducta alimentaria y alteraciones en las actitudes y percepciones hacia el peso y la forma. En la AN, existe un miedo extremo al aumento de peso a pesar del aumento de la emaciación. La BN suele aparecer después de un período de dieta 1,2 y se caracteriza por patrones alternos de atracones y comportamiento compensatorio. Los atracones, que son el consumo de una gran cantidad de alimentos de manera incontrolable, suelen ir seguidos de vómitos autoinducidos, ejercicio excesivo, ayuno y / o mal uso de laxantes, diuréticos o enemas. Aunque un peso corporal anormalmente bajo excluye un diagnóstico de BN, entre el 25 y el 30 por ciento de los pacientes con BN tienen antecedentes de AN. 3 & # x020136 Las personas con AN y BN tienen en común la preocupación patológica por el peso y la forma, la depresión y la ansiedad. 7 & # x0201310

Se presume que la etiología de estos trastornos está influenciada por procesos de desarrollo, sociales y biológicos. 11,12 Sin embargo, la naturaleza exacta de estos procesos interactivos permanece incompleta. Las actitudes culturales hacia la delgadez tienen relevancia para la psicopatología de los trastornos alimentarios, pero es poco probable que sean suficientes para explicar la patogenia de estos trastornos. En particular, el comportamiento dietético es bastante común en los países industrializados de todo el mundo, sin embargo, la AN y la BN afectan solo a un estimado de 0.3 a 0.7 por ciento y 1.7 a 2.5 por ciento, respectivamente, de las mujeres en la población general. 13 Además, numerosas descripciones de AN datan de mediados del siglo XIX, lo que sugiere que otros factores además de la cultura moderna juegan un papel etiológico. Además, ambos síndromes tienen una presentación clínica, una distribución por sexos y una edad de aparición relativamente homogéneas, lo que respalda la posibilidad de cierta susceptibilidad biológica. No se trata de descartar el papel de la cultura, ya que la introducción de los ideales occidentales de delgadez puede servir para liberar una propensión biológica hacia los trastornos alimentarios 14 posiblemente aumentando los comportamientos, como la dieta, que pueden desencadenar la espiral de los trastornos alimentarios.

Hallazgos recientes de estudios de genética del comportamiento sugieren que esta vulnerabilidad biológica podría ser de naturaleza genética. En este artículo, destacaré estos hallazgos emergentes y sugeriré áreas para futuras investigaciones.


Abstracto

Los genes HLA (antígenos leucocitarios humanos) son objetivos bien documentados de la selección equilibrada, y la variación en estos loci se asocia con muchos fenotipos de enfermedades. La variación en los niveles de expresión también influye en la susceptibilidad y la resistencia a las enfermedades, pero existe poca información sobre la regulación y los patrones de expresión a nivel de población. Esto se debe a la dificultad de mapear lecturas cortas originadas a partir de estos loci altamente polimórficos y de explicar la existencia de varios parálogos. Desarrollamos una canalización computacional para estimar con precisión la expresión de genes HLA basados ​​en RNA-seq, mejorando tanto las estimaciones a nivel de locus como a nivel de alelo. Primero, las lecturas se alinean con todas las secuencias de HLA conocidas para inferir los genotipos de HLA, luego la cuantificación de la expresión se lleva a cabo utilizando un índice personalizado. Usamos simulaciones para mostrar que las estimaciones de expresión obtenidas de esta manera no están sesgadas debido a la divergencia del genoma de referencia. Aplicamos nuestra tubería al conjunto de datos de GEUVADIS y comparamos las cuantificaciones con las obtenidas con el transcriptoma de referencia. Aunque la canalización personalizada recupera más lecturas, encontramos que el uso del transcriptoma de referencia produce estimaciones similares a la canalización personalizada (r ≥ 0,87) con la excepción de HLA-DQA1. Describimos el impacto del enfoque personalizado de HLA en los análisis posteriores para nueve loci HLA clásicos (HLA-A, HLA-C, HLA-B, HLA-DRA, HLA-DRB1, HLA-DQA1, HLA-DQB1, HLA-DPA1, HLA-DPB1). Aunque la influencia del enfoque personalizado de HLA es modesta para el mapeo de eQTL, los valores p y la causalidad de los eQTL obtenidos son mejores que cuando se usa el transcriptoma de referencia. Investigamos cómo los eQTL que identificamos explican la variación en la expresión entre los linajes de alelos HLA. Finalmente, discutimos las posibles causas subyacentes a las diferencias entre las estimaciones de expresión obtenidas utilizando RNA-seq, enfoques basados ​​en anticuerpos y qPCR.


INFLUENCIAS GENÉTICAS SOBRE EL RIESGO DE TRASTORNO DEL ESPECTRO DEL AUTISMO

Las variantes genéticas difieren en la naturaleza y en la frecuencia con la que ocurren en la población humana (Fig. & # X200B (Fig.1). 1). Las variantes genéticas heredadas, aquellas que se transmiten de padres a hijos, pueden ocurrir en todas las frecuencias, desde comunes hasta muy raras, mientras que de novo Las variantes, aquellas que surgen recientemente en la descendencia y no se ven en los padres de un portador, son típicamente raras. Los estudios genéticos han sugerido firmemente que las clases variantes que contribuyen al riesgo de TEA son de todos los tipos estructurales, todas las frecuencias y pueden heredarse o heredarse. de novo.

Diseños de estudio en genética de trastornos del espectro autista.

Variación poligénica común

Los trastornos del espectro autista son muy familiares. En los Estados Unidos, se estima que los hermanos de niños con TEA tienen un riesgo más de 10 veces mayor de tener un diagnóstico de TEA ellos mismos [5 & # x020138]. Además, los miembros de la familia de los niños con TEA también tienen más probabilidades de tener antecedentes de enfermedades psiquiátricas definidas de manera amplia, como la esquizofrenia, el trastorno bipolar y la depresión [9]. Tal agregación familiar de enfermedades psiquiátricas es consistente con un riesgo genético hereditario complejo. Los estudios de asociación de todo el genoma (GWAS) permiten identificar variantes comunes que contribuyen a dicho riesgo poligénico mediante el uso de microarrays de ADN para detectar el polimorfismo de un solo nucleótido (SNP) común.

Los métodos para estimar la heredabilidad a partir de datos de SNP & # x02013, por ejemplo, análisis de rasgos complejos en todo el genoma y regresión de puntuación de LD (desequilibrio de ligamiento) [10,11 & # x025aa] & # x02013 han permitido que las colecciones de ASD GWAS existentes informen contribuciones sólidas y acumulativas de variantes heredadas del riesgo de autismo. En varios estudios recientes, se estima que los SNP genotipados comunes representan entre el 20% y el 50% de la variación en la propensión a los TEA [2 & # x025aa & # x025aa, 11 & # x025aa, 12]. Estas estimaciones son consistentes con las de otros trastornos neuropsiquiátricos poligénicos altamente heredables y predicen que los estudios de GWAS en los TEA se convertirán en una fuente cada vez más productiva de conocimiento biológico a medida que aumente el tamaño de la muestra. Los estudios de ASD GWAS aún no han designado de manera confiable ningún loci específico pero, como se destaca por los recientes éxitos extraordinarios en la genética de la esquizofrenia [13 & # x025aa], la enfermedad psiquiátrica GWAS requiere colecciones de casos y controles muy grandes. A medida que avanzan los esfuerzos de recolección de muestras de TEA y los estudios de GWAS adquieren la potencia adecuada, se identificarán los SNP con asociación significativa con los TEA, sentando las bases para el interrogatorio biológico de seguimiento.

La puntuación poligénica y los métodos de heredabilidad de SNP, ambos derivados de GWAS, también se han utilizado para identificar correlaciones genéticas entre los TEA y otros trastornos neuropsiquiátricos, como la esquizofrenia [12,14]. Se estima que la correlación genética entre el autismo y la esquizofrenia es de aproximadamente el 20% utilizando múltiples enfoques de todo el genoma. La superposición del riesgo genético es un tema común a los fenotipos neuropsiquiátricos, lo que sugiere fuertemente que es poco probable que la biología subyacente a los trastornos psiquiátricos se adhiera a los límites diagnósticos establecidos en clasificaciones tradicionales como el DSM-5 [15 & # x0201318,19 & # x025aa, 20].

De novo variación

La contribución de de novo (es decir, una variación reciente) del riesgo de TEA se ha identificado a través de la secuenciación del exoma completo y la caracterización profunda de las regiones codificantes de proteínas, que en conjunto comprenden el 1 y # x020132% del genoma [21 & # x0201323]. El mayor trío de estudios de secuenciación de TEA publicados hasta la fecha representa un claro avance en la genómica del neurodesarrollo, identificando un exceso significativo de mutaciones funcionales en más de 40 genes [3 & # x025aa & # x025aa, 4 & # x025aa & # x025aa].

Aunque la mayoría de la gente lleva al menos una de novo mutación en algún lugar de su exoma [24], una de novo la mutación en cualquier posición dada es rara. La rareza de estos eventos en genes específicos significa que es necesario construir modelos para evaluar la importancia de las relaciones entre genes y enfermedades, incluso en el contexto de genes en los que múltiples de novo Se han encontrado mutaciones en casos de TEA. Uno de estos enfoques de modelado estima la tasa de mutación de variantes de una clase funcional determinada (por ejemplo, sinónimo, sin sentido) a nivel de gen, que luego se puede usar para calcular la probabilidad de observar un número determinado de mutaciones en el tamaño de muestra en cuestión [ 19 & # x025aa].

Los modelos estadísticos también se pueden utilizar para evaluar si existe un enriquecimiento de ciertas clases funcionales de variantes en todo el genoma. Por ejemplo, de novo variantes de pérdida de función (LoF) & # x02013 de novo las variantes que dan como resultado la pérdida de la función genética & # x02013 se observan en aproximadamente el 9% de las personas de la población general, y el 16 & # x0201318% de las personas con diagnóstico de TEA [3 & # x025aa & # x025aa, 4 & # x025aa & # x025aa] . Esto sugiere que de novo Los LoF, en promedio, duplican aproximadamente el riesgo de TEA de una persona, lo que aumenta la probabilidad de ser diagnosticado con un TEA de aproximadamente un 1% a aproximadamente un 2%. Las personas con TEA también manifiestan un exceso significativo de de novo mutaciones sin sentido, pero el riesgo conferido por ellas es, en promedio, menor. Este nivel de enriquecimiento sugiere que genes adicionales se asociarán significativamente con los TEA a medida que crezcan las actividades de secuenciación [3 & # x025aa & # x025aa, 4 & # x025aa & # x025aa].

Sobre la base de estos resultados, estudios recientes han estimado que aproximadamente del 3 al 10% del riesgo de TEA es atribuible a de novo variación de un solo nucleótido en el exoma [2 & # x025aa & # x025aa, 3 & # x025aa & # x025aa, 25 & # x025aa & # x025aa]. La imagen metaanalítica actual refleja una contribución significativa pero limitada que, al igual que con las asociaciones GWAS, se puede utilizar para vincular el comportamiento y la biología. Sin embargo, las asociaciones de GWAS identifican un locus en lugar de una variante causal; además, aproximadamente el 90% de las asociaciones de GWAS entre enfermedades se encuentran dentro de regiones no codificantes del genoma. Las mutaciones claramente identificables en las regiones codificantes de proteínas representan una situación más manejable para la experimentación biológica, dado el conjunto de herramientas más amplio actualmente disponible para interrogar la función de las proteínas en lugar de la regulación de genes. Los genes que se han relacionado fuertemente con los TEA en estudios de secuenciación en trío están asociados con diversas funciones biológicas [4 & # x025aa & # x025aa], que incluyen tanto la función neuronal como los procesos de desarrollo. Como clase, los genes asociados con los TEA muestran una clara evidencia de restricción evolutiva, ya que son deficientes en mutaciones funcionales en la población [19 & # x025aa].

Esfuerzos similares en la asociación de de novo Las mutaciones con discapacidad intelectual (DI) han identificado más de 50 genes como contribuyentes significativos al riesgo [26 & # x025aa]. La gran mayoría de esos genes también han sido implicados en ASD [3 & # x025aa & # x025aa, 4 & # x025aa & # x025aa], lo que sugiere una especificidad fenotípica limitada entre genes sensibles al neurodesarrollo.

Copiar variantes de números y variaciones raras heredadas

Las variantes de número de copias (CNV) comprenden la forma más común de variación estructural en el genoma y pueden heredarse o heredarse. de novo. Al igual que con de novo SNV, enriquecimiento significativo en la tasa de de novo La NVC se observa en personas con TEA. Además, las NVC en regiones específicas del genoma se asocian con un mayor riesgo de TEA [27]. Los análisis de NVC específicos de la región fueron algunos de los primeros en vincular sistemáticamente las ubicaciones del genoma con el riesgo de TEA [17]. Como se analiza a continuación, varias NVC específicas que se han asociado con los TEA ahora están siendo objeto de estudios biológicos y fenotípicos.

Una variación rara heredada, que puede investigarse mediante la secuenciación en trío y la secuenciación de casos y controles, se encuentra entre los tipos de eventos más difíciles de interrogar dada la combinación de baja frecuencia y, en promedio, tamaño de efecto pequeño [28]. Los TEA se han asociado con mutaciones hereditarias con pérdida de función de dos impactos (recesivas) y, más recientemente, un exceso global de variantes raras heredadas que truncan proteínas en genes que son intolerantes a la mutación [25 & # x025aa & # x025aa, 29]. Es probable que otros tipos de variantes heredadas raras se asocien con los TEA a medida que los estudios de secuenciación aumenten en el tamaño de la muestra y se desarrollen nuevas técnicas para filtrar y resaltar las clases de variación con mayor probabilidad de ser perjudiciales.

Los factores de riesgo de los TEA se pueden encontrar en todo el espectro de variación genética. Un panorama tan diverso de riesgo genético demuestra claramente que los TEA son un rasgo poligénico, con una miríada de diferentes factores de riesgo en la población. Estas pistas genéticas son el primer paso para comprender mejor los fundamentos biológicos de los TEA.


3 INFECCIÓN POR SARS-CoV-2

La base molecular por la cual el SARS-CoV-2 ejerce estos efectos es en gran parte responsable de esta gama de síntomas. Cuando el coronavirus invade el cuerpo humano, generalmente a través de los pulmones, ingresa a las células al interactuar con dos proteínas en la membrana celular, la enzima convertidora de angiotensina 2 (ACE2) receptor y la proteasa transmembrana serina 2 (TMPRSS2) (Peters et al., 2020 Verdecchia, Cavallini, Spanevello y Angeli, 2020 Zhang et al., 2020) (Figura 1). Las proteínas de la superficie de la cápside viral se unen al ACE2 receptor e iniciar su importación a través de la membrana celular con la ayuda de TMPRSS2 (Verdecchia et al., 2020 Zhang et al., 2020). TMPRSS2 cataliza la escisión de la proteína de punta unida, lo que provoca un cambio conformacional que promueve la fusión de las membranas viral y celular, permitiendo así la liberación del virus en la célula, donde se replica y luego se propaga a otras células (Verdechia et al., 2020 Zhang et al., 2020).

La proteína de pico en sí está compuesta por dos subunidades, S1 y S2. La subunidad S1 tiene un dominio N-terminal (NTD) que está conectado por un enlazador de longitud variable a un dominio de unión al receptor (RBD) (Sironi et al., 2020), y ambos juegan un papel importante en la determinación del rango de hospedadores de coronavirus. (Lu et al., 2015). Por el contrario, el dominio S2 ayuda a promover la fusión de membranas (Duquerroy, Vigouroux, Rottier, Rey y Bosch, 2005). Investigaciones recientes han demostrado que el RBD del envío S1 tiene una afinidad aproximadamente de 10 a 20 veces mayor por ACE2 que el del SARS (Wrapp et al., 2020). Esta mayor afinidad puede ayudar a explicar la tasa de infección acelerada del SARS-CoV-2 en comparación con el SARS y el MERS.

ACE2 se expresa abundantemente en los pulmones y el intestino delgado y, por estas razones, la investigación clínica se ha centrado en estas áreas del cuerpo para mitigar los síntomas de la enfermedad. Sin embargo, los estudios también han revelado que numerosas células que producen ACE2 y TMPRSS2 están presentes en todo el cuerpo. Estos incluyen las células endoteliales y del músculo liso de prácticamente todos los órganos, incluidos la vejiga, el corazón, los riñones, la nariz y el páncreas, incluso el cerebro (Zhang et al., 2020 Zou et al., 2020). Esta distribución de ACE2 y TMPRSS2 en el cuerpo ayuda a explicar los efectos multisistémicos de la infección viral que ahora están siendo catalogados por investigadores clínicos. Una vez que llega al sistema circulatorio, es probable que el SARS-CoV-2 se propague a través del flujo de sangre a otras partes del cuerpo (Muus et al., 2020 Zhang et al., 2020).


Métodos

Busqueda de literatura

Chien et al. 10 identificaron 41 publicaciones que reportaban 40 SNP asociados con aGvHD hasta el 30 de abril de 2011, que fueron incluidos en nuestro análisis. También realizamos una búsqueda en PubMed utilizando el término "GvHD aguda AND polimorfismo" para identificar estudios publicados que informan un análisis de asociación de variantes genéticas con GvHD desde el 30 de abril de 2011 hasta el 31 de enero de 2017. Estudios que informan asociaciones en un nivel α & gt0.05 fueron excluidos y, de todos los tipos de variantes, solo se seleccionaron los SNP para un análisis adicional.

Poblaciones de estudio

Los análisis de asociación de SNP se replicaron en dos poblaciones separadas. Las características de todos los receptores en estas cohortes se presentan en la Tabla 7. La cohorte finlandesa consistió en 301 pares de hermanos receptores / donantes compatibles con HLA que tenían datos clínicos y muestras de ADN enviadas para genotipificación. La cohorte también incluyó a 11 receptores individuales y 8 donantes sin el hermano respectivo. Todos los receptores se sometieron a un TCMH alogénico en el Hospital Universitario de Helsinki, el Centro Integral de Cáncer, la Unidad de Trasplante de Células Madre, Finlandia, entre 1993 y 2006. Los pares se emparejaron con un nivel de baja resolución en los loci HLA-A, -B y -DRB1. La tipificación de HLA se realizó con Lymphotype HLA-AB y Lymphotype HLA-DR-DQ (Bio-Rad Medical Diagnostics), LIPA Reverse Dot Blot (Innogenetics Group) o HLA-SSP (Pel Freez, Dynal Biotech LLC). La presente cohorte se superpuso significativamente con las utilizadas en nuestras publicaciones anteriores 6,12,21,26. Después de la determinación del genotipo y la imputación, la cohorte del presente estudio incluyó a 239 pares de receptores / donantes, 23 receptores individuales y 28 donantes individuales. La mayoría (& gt75%) de los procedimientos de prevención de la EICH combinó ciclosporina, esteroides y 3 a 4 dosis de metotrexato, mientras que el 18% recibió una combinación de ciclosporina y micofenolato de mofetilo.

La cohorte española estaba compuesta por 264 parejas de hermanos de receptor / donante con HLA compatible con datos clínicos y muestras de ADN enviadas para genotipificación. La cohorte también incluyó a 10 receptores individuales y 30 donantes sin el hermano respectivo. El emparejamiento de HLA se completó a baja resolución en los loci HLA-A y -B y a alta resolución en el locus HLA-DRB1. Los receptores recibieron un TCMH alogénico entre 2002 y 2014 en 13 centros de trasplante españoles. Después de la determinación del genotipo y la imputación, la cohorte final del estudio estuvo compuesta por 253 pares de receptores / donantes, 15 receptores individuales y 30 donantes individuales. Para la prevención de la EICH, el 57% de los receptores recibió una combinación de ciclosporina y metotrexato, el 10% recibió ciclosporina solamente y el 11% fue tratado con una combinación de ciclosporina y micofenolato de mofetilo.

Los resultados clínicos examinados fueron GvHD aguda y crónica grave. Los fenotipos comparados fueron aGvHD grado 0 versus grados III-IV y cGvHD ausente versus cGvHD extensa. Se utilizaron determinaciones locales de los grados de EICH. Las muestras se clasificaron de acuerdo con las directrices establecidas por la Sociedad Europea de Sangre y Médula ósea 27,28.

Este estudio se ajustó a los principios de la Declaración de Helsinki y fue aprobado por el Comité de Ética del Hospital Central Universitario de Helsinki y el banco de ADN del Grupo Español de Trasplante de Células Madre (GETH). Todos los participantes dieron su consentimiento informado por escrito.

Genotipado e imputación

La genotipificación se realizó en el Centro de Tecnología FIMM, Helsinki, Finlandia. Las muestras de ADN de la cohorte finlandesa se extrajeron utilizando el mini kit QIAamp DNA Blood Mini (Qiagen) de la fracción de glóbulos blancos de las muestras de sangre periférica y se enviaron para la tipificación de HLA. La cohorte finlandesa fue genotipada utilizando una matriz Immunochip (Illumina) que comprende 196524 variantes en 2013. Se recibieron muestras de ADN de la cohorte española del banco de ADN del GETH. La matriz utilizada para el análisis de muestras españolas de los años 2016-17 fue Infinium® ImmunoArray-24 v2.0 (Illumina), que comprende 253702 variantes. El control de calidad inicial identificó muestras con información sexual discordante, muestras duplicadas, una tasa de llamada & lt97% y un exceso de heterocigosidad & lt − 0.3 (no cromosoma X) o & gt0.2 y & gt0.1 para el cromosoma X.

Los datos del genotipo autosómico se imputaron con IMPUTE2 usando 1000 Genomes Phase 3 como un panel de referencia por fases 29. El prefiltrado de las variantes y muestras se completó de acuerdo con los métodos descritos por Anderson. et al. 30. Se excluyeron los individuos con un genotipo faltante & gt3%, variantes con una frecuencia de alelos menores (MAF) & lt1%, variantes con una tasa de datos perdidos & gt5% y variantes con un valor P de HWE & lt 1 × 10 −5. Se determinaron los componentes principales de ambas cohortes y los procedimientos de imputación se realizaron por separado. El filtrado posterior a la imputación excluyó las variantes que tienen una medida del campo INFO IMPUTE2 de la información estadística observada & lt0.5 31. Después del filtrado posterior a la imputación, se incluyeron las variantes 5041081 y 5737173 en los conjuntos de datos de genotipos de cohortes de Finlandia y España, respectivamente. Los conjuntos de datos analizados durante el estudio actual no están disponibles públicamente debido a las limitaciones de los permisos éticos que no permiten la distribución de datos personales, incluidos los resultados genéticos y clínicos individuales.

Análisis estadístico

La importancia de la variación entre las características en las cohortes de estudio se analizó mediante la prueba U no paramétrica de Mann-Whitney (edad del receptor y del donante), la prueba de chi-cuadrado de Pearson (dirección de género del trasplante, diagnóstico, origen de células madre, régimen de afección y Grado de EICH) o la prueba exacta de Fisher (diagnóstico de anemia aplásica). Los valores de p & lt 0,05 se consideraron estadísticamente significativos (Tabla 7).

Se utilizó el análisis de componentes principales (PCA) para determinar la estructura genética de la población de las dos cohortes de estudio. Los SNP comunes no imputados compartidos por las dos cohortes se incluyeron en el análisis. Los SNP se podaron para excluir un fuerte desequilibrio de ligamiento [32]. El análisis se ejecutó con Plink v1.90b3u (www.cog-genomics.org/plink/1.9/) 33 comandos indep por pares 50 5 0.8 y pca, y el resultado se trazó utilizando R versión 3.3.3 34. En la Figura 1 complementaria se presenta un diagrama de PCA de las dos primeras dimensiones.

Se determinó una asociación entre los SNP y la EICH aguda y crónica mediante la prueba alélica de chi-cuadrado y se expresa como la OR con el IC del 95% (Tablas 1 y 2). Las frecuencias de los receptores y donantes se presentan en la Tabla complementaria 5. Los SNP con un MAF & lt 0.01 y HWE 1 × 10 −5 fueron excluidos del análisis. El estudio actual evaluó los resultados presentados anteriormente y, por lo tanto, a pesar de múltiples pruebas (77 en las cohortes finlandesas y 97 en las cohortes españolas), se consideró que un valor P & lt 0,05 respaldaba una replicación estadísticamente significativa. Los análisis estadísticos se realizaron con IBM SPSS Statistics versión 24 y PLINK 1.07 35.

Los análisis de eQTL (Tablas 3 y 4) se realizaron en febrero de 2017 utilizando la base de datos completa de Blood eQTL (http://genenetwork.nl/bloodeqtlbrowser/) publicada por Westra et al. dieciséis . La base de datos consta de ambos cis- y trans-Resultados de eQTL generados a partir de un metanálisis de siete estudios que incluyen 5311 muestras de sangre periférica y un análisis de replicación con 2775 muestras. Las puntuaciones Z con una tasa de detección falsa (FDR) & lt0,05 se consideraron estadísticamente significativas.

La base de datos de citocinas QTL (https://hfgp.bbmri.nl/), publicada recientemente por Li Y et al. 17, combina la genética del huésped y la producción de citocinas después de varios estímulos microbianos. Los efectos de los SNP candidatos sobre la respuesta de las citocinas se analizaron en marzo de 2017 (Tablas 5 y 6). Los valores de p & lt 0,05 se consideraron estadísticamente significativos.


POTENCIAL CLÍNICO DE LOS ESTUDIOS GENÉTICOS DE RIESGO DE EoE

El diagnóstico clínico actual de la EE depende de un análisis cuidadoso por parte de patólogos capacitados, a menudo especializados. El progreso presentado en el Panel de diagnóstico de EoE (EDP) recientemente disponible permite a un médico extraer ARN de una biopsia esofágica y hacer un diagnóstico sobre la base de la expresión de un conjunto de genes cuidadosamente seleccionados; consulte www.eogenius.com para obtener más detalles. 1, 116, 117, 118 El EDP se evaluó recientemente en un estudio de cohorte prospectivo, que confirmó la utilidad y sensibilidad de este ensayo independientemente de la ubicación de la biopsia o el conservante de la muestra y que funciona bien incluso con una sola biopsia. 119 Del mismo modo, el EDP facilita la caracterización de la enfermedad además del diagnóstico. Por ejemplo, las firmas transcripcionales del EDP y otros genes pueden usarse para predecir la respuesta a terapias particulares tales como esteroides glucocorticoides tragados 112 y anti-IL-13. 118 Una herramienta de apoyo a la toma de decisiones clínicas que utilice una variedad de datos de entrada, incluidos genotipos de loci de riesgo de EoE, para ayudar a los médicos a decidir quién es un candidato sólido para la endoscopia podría reducir en gran medida la odisea diagnóstica experimentada por muchas familias.

Hasta la fecha, cada uno de los estudios de loci genéticos que aumentan el riesgo de EoE se ha realizado a nivel poblacional utilizando los genotipos de grupos de personas con y sin EoE para identificar loci que son estadísticamente diferentes y afectan el riesgo de EoE en pacientes individuales. En una herramienta predictiva, los resultados de estos estudios se utilizarían para crear modelos de riesgo genético acumulativo para pacientes individuales. Por ejemplo, los tamaños de los efectos individuales en 2p23 (razón de posibilidades ∼ 2.0) y 5q22 (odds ratio ∼ 1,5) todavía no son útiles para los médicos que tratan y diagnostican a pacientes con sospecha de EoE en la clínica. Sin embargo, al considerar todos los loci de riesgo, podemos identificar evaluaciones de riesgo más relevantes desde el punto de vista clínico. Por ejemplo, si un individuo porta las variantes de riesgo para los loci 2p23 y 5q22 de forma homocigótica (es decir, la variante de riesgo en cada cromosoma homólogo), esa persona tendría un riesgo siete veces mayor de EoE en comparación con la población general ( resultados no publicados). Del mismo modo, se podrían desarrollar herramientas para guiar el tratamiento de los pacientes con EE. El descubrimiento de los tejidos específicos 2p23 Los loci de riesgo de EoE que codifican la calpaína 14 han generado oportunidades sustanciales para nuevas terapias y comprensión de la etiología de la enfermedad. El potencial para encontrar vías patoetiológicas específicas de tejido similares está impulsando los esfuerzos continuos para identificar completamente la etiología genética de la EoE.


Para obtener más información sobre los usos de las pruebas genéticas:

Johns Hopkins Medicine proporciona información adicional sobre la detección de portadores genéticos.

La Sociedad Nacional de Consejeros Genéticos ofrece una descripción general de los diferentes tipos de pruebas genéticas disponibles.

EuroGentest proporciona hojas informativas sobre pruebas predictivas y pruebas de portadores.

La Universidad de Pensilvania ofrece una explicación del diagnóstico genético previo a la implantación.

El Centro Nacional de Recursos Genéticos y de Detección de Recién Nacidos ofrece información detallada sobre las pruebas de detección de recién nacidos.

Para obtener información sobre las pruebas forenses de ADN, consulte la hoja informativa sobre pruebas genéticas forenses del Center for Genetics Education y una página sobre análisis forense de ADN del Genetic Science Learning Center de la Universidad de Utah.


Fondo

La cromatina abierta proporciona acceso a un amplio espectro de proteínas de unión al ADN para regular la transcripción, la reparación del ADN, la recombinación, la replicación, etc. Como tal, el perfil de cromatina abierto se ha utilizado para identificar las ubicaciones genómicas de varias regiones reguladoras, incluidos los promotores, potenciadores, aislantes, silenciadores, orígenes de replicación y puntos calientes de recombinación [1-4]. Los sitios de unión para los factores de transcripción (TF) se han perfilado extensamente basándose en la distribución de etiquetas de secuenciación derivadas de sitios hipersensibles a la DNasa I [5, 6]. La técnica FAIRE (aislamiento de elementos reguladores asistido por formaldehído) también se ha utilizado para capturar regiones de cromatina abiertas en el genoma [2, 7-11].

La accesibilidad a la cromatina ha sido un punto focal en los estudios que exploran la intersección de la genética y la epigenética. Mientras tanto, el acoplamiento entre la accesibilidad de la cromatina y los polimorfismos genéticos subyacentes hace que el estado de la cromatina sea una característica hereditaria [12]. En un estudio reciente [13], se utilizó el mapeo de asociación para comprender la base genética de la regulación de la cromatina, y en nuestro trabajo anterior [11], hicimos un intento similar basado en el enlace genético de las señales FAIRE. También se demostró que las variaciones regulatorias asociadas a la enfermedad podrían mapearse en regiones FAIRE [9] o sitios hipersensibles a la DNasa I [14]. Además, también se ha introducido un método basado en la genotipificación de ADN FAIRE para la identificación sistemática de polimorfismos reguladores asociados con diferentes fenotipos [10]. Sin embargo, aún queda por dilucidar cómo las mutaciones somáticas pueden afectar la accesibilidad a la cromatina.

Mientras que los gemelos monocigóticos (MZ) son útiles para estudiar las diferencias epigenéticas causadas por la exposición ambiental diferencial, la metilación del ADN es el único mecanismo epigenético que se ha estudiado en profundidad con respecto a la discordancia MZ [15-17]. Un estudio reciente [18] mostró que la metilación del ADN podría funcionar como un intermediario de factores genéticos asociados con rasgos o fenotipos particulares. Sin embargo, la modulación de la estructura de la cromatina es fundamental para la regulación epigenética, y la accesibilidad de la cromatina en particular puede vincularse directamente a la actividad transcripcional [1, 13] a través de una combinación de múltiples mecanismos epigenéticos, incluida la metilación del ADN. Sin embargo, a pesar de la importancia de la cromatina abierta en la regulación transcripcional, nunca se ha explorado la discordancia MZ en la accesibilidad de la cromatina.

En este trabajo, investigamos la discordancia de cromatina entre gemelos y los factores genéticos asociados. Primero buscamos obtener el espectro completo de variaciones somáticas y genéticas de un solo nucleótido que subyacen a la cromatina abierta. Con este fin, comparamos los patrones de mutaciones somáticas (es decir, diferencias de secuencia dentro del par) con los de polimorfismos genéticos (es decir, diferencias de secuencia entre pares). Además, intentamos caracterizar las interacciones genético-epigenéticas mediante la búsqueda de polimorfismos genéticos que influyen en las diferencias dentro de los pares en la accesibilidad de la cromatina. Por lo tanto, realizamos un mapeo de loci de rasgos cuantitativos (QTL) para las diferencias cuantitativas de cromatina dentro del par entre pares de gemelos.


Wallin, M.T. Culpepper, W.J. Nichols, E. Bhutta, Z.A. Gebrehiwot, T.T., et al.: Global, regional, and national burden of multiple sclerosis 1990–2016: a systematic analysis for the global burden of disease study 2016. Lancet Neurol 18(5), 269–285 (2019). https://doi.org/10.1016/S1474-4422(18)30499-X

Grzegorski, T. Losy, J.: Multiple sclerosis—the remarkable story of a baffling disease. Rev Neurosci 30(5), 511–526 (2019). https://doi.org/10.1515/revneuro-2018-0074

Macaron, G. Feng, J. Moodley, M. Rensel, M.: Newer treatment approaches in pediatric-onset multiple sclerosis. Curr Treat Options Neurol. 21(10), 50 (2019). https://doi.org/10.1007/s11940-019-0592-z

Vaughn, C.B. Jakimovski, D. Kavak, K.S. Ramanathan, M. Benedict, R.H.B. Zivadinov, R. Weinstock-Guttman, B.: Epidemiology and treatment of multiple sclerosis in elderly populations. Nat Rev Neurol 15(6), 329–342 (2019). https://doi.org/10.1038/s41582-019-0183-3

Yeung, M.S.Y. Djelloul, M. Steiner, E. Bernard, S. Salehpour, M. Possnert, G. Brundin, L. Frisén, J.: Dynamics of oligodendrocyte generation in multiple sclerosis. Naturaleza 566(7745), 538–542 (2019). https://doi.org/10.1038/s41586-018-0842-3

Madireddy, L. Patsopoulos, N.A. Cotsapas, C. Bos, S.D. Beecham, A., et al.: A systems biology approach uncovers cell-specific gene regulatory effects of genetic associations in multiple sclerosis. Nat Commun 10(1), 2236 (2019). https://doi.org/10.1038/s41467-019-09773-y

Harirchian, M.H. Fatehi, F. Sarraf, P. Honarvar, N.M. Bitarafan, S.: Worldwide prevalence of familial multiple sclerosis: a systematic review and meta-analysis. Multiple Scler Relat Disord 20, 43–47 (2017). https://doi.org/10.1016/j.msard.2017.12.015

Jackson, K.C. Sun, K. Barbour, C. Hernandez, D. Kosa, P. Tanigawa, M. Weideman, A.M. Bielekova, B.: Genetic model of MS severity predicts future accumulation of disability. Ann Hum Genet 84(1), 1–10 (2020). https://doi.org/10.1111/ahg.12342

Vidmar, L. Maver, A. Drulović, J. Sepčić, J. Novaković, I. Ristič, S. Šega, S. Peterlin, B.: Multiple Sclerosis patients carry an increased burden of exceedingly rare genetic variants in the inflammasome regulatory genes. Representante de ciencia 9(1), 9171 (2019). https://doi.org/10.1038/s41598-019-45598-x

Vilariño-Güell, C. Zimprich, A. Martinelli-Boneschi, F. Herculano, B. Wang, Z., et al.: Exome sequencing in multiple sclerosis families identifies 12 candidate genes and nominates biological pathways for the genesis of disease. PLoS Genet 15(6), e1008180 (2019). https://doi.org/10.1371/journal.pgen.1008180

Ziliotto, N. Marchetti, G. Scapoli, C. Bovolenta, M. Meneghetti, S., et al.: C6orf10 low-frequency and rare variants in Italian multiple sclerosis patients. Front Genet 10, 573 (2019). https://doi.org/10.3389/fgene.2019.00573

Shepard, C.J. Cline, S.G. Hinds, D. Jahanbakhsh, S. Prokop, J.W.: Breakdown of multiple sclerosis genetics to identify an integrated disease network and potential variant mechanisms. Physiol Genom 51(11), 562–577 (2019). https://doi.org/10.1152/physiolgenomics.00120.2018

McLaren, W. Gil, L. Hunt, S.E. Riat, H.S. Ritchie, G.R. Thormann, A. Flicek, P. Cunningham, F.: The ensembl variant effect predictor. Genome Biol 17(1), 122 (2016). https://doi.org/10.1186/s13059-016-0974-4

Kamal, S. Kerndt, C.C. Lappin, S.L.: Genetics, histocompatibility antigen. StatPearls Publishing, Treasure Island (2020)

Cavallo, S.: Immune-mediated genesis of multiple sclerosis. J Transl Autoimmun 3, 100039 (2020). https://doi.org/10.1016/j.jtauto.2020.100039

Lysandropoulos, A.P. Perrotta, G. Billiet, T., et al.: Human leukocyte antigen genotype as a marker of multiple sclerosis prognosis. Can J Neurol Sci 47(2), 189–196 (2020). https://doi.org/10.1017/cjn.2019.329

De Silvestri, A. Capittini, C. Mallucci, G., et al.: The involvement of HLA class II alleles in multiple sclerosis: a systematic review with meta-analysis. Dis Markers 2019, 1409069 (2019). https://doi.org/10.1155/2019/1409069

Wysocki, T. Olesińska, M. Paradowska-Gorycka, A.: Current understanding of an emerging role of HLA-DRB1 gene in rheumatoid arthritis-from research to clinical practice. Células 9(5), 1127 (2020). https://doi.org/10.3390/cells9051127

Xu, H. Yin, J.: HLA risk alleles and gut microbiome in ankylosing spondylitis and rheumatoid arthritis. Best Pract Res Clin Rheumatol 33(6), 101499 (2019). https://doi.org/10.1016/j.berh.2020.101499

Bhatia, R. Gautam, S.K. Cannon, A., et al.: Cancer-associated mucins: role in immune modulation and metastasis. Cancer Metastasis Rev 38(1–2), 223–236 (2019). https://doi.org/10.1007/s10555-018-09775-0

Gorlov, I.P. Gorlova, O.Y. Amos, C.I.: Untouchable genes in the human genome: identifying ideal targets for cancer treatment. Cancer Genet 231–232, 67–79 (2019). https://doi.org/10.1016/j.cancergen.2019.01.005

Wang, H. Yan, C. Ye, H.: Overexpression of MUC16 predicts favourable prognosis in MUC16-mutant cervical cancer related to immune response. Exp Ther Med 20(2), 1725–1733 (2020). https://doi.org/10.3892/etm.2020.8836

Li, G. Lu, P. Song, H. Zheng, Q. Nan, K.: Expression of mucins MUC5AC and MUC19 on the ocular surface in dry eye syndrome model of ovariectomized female rabbits. Adv Clin Exp Med 28(2), 165–169 (2019). https://doi.org/10.17219/acem/78021

Coulombe, P. Nassar, J. Peiffer, I., et al.: The ORC ubiquitin ligase OBI1 promotes DNA replication origin firing. Nat Commun 10(1), 2426 (2019). https://doi.org/10.1038/s41467-019-10321-x

Querques, F. D’Agostino, A. Cozzolino, C., et al.: Identification of a novel transcription factor required for osteogenic differentiation of mesenchymal stem cells. Stem Cells Dev 28(6), 370–383 (2019). https://doi.org/10.1089/scd.2018.0152

Diao, H. Zhu, P. Dai, Y. Chen, W.: Identification of 11 potentially relevant gene variants involved in growth retardation, intellectual disability, joint contracture, and hepatopathy. Medicine (Baltimore) 97(46), e13117 (2018). https://doi.org/10.1097/MD.0000000000013117


Ver el vídeo: HLA in transplantation (Enero 2022).