Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Biologie # Genomik

Die Auswirkungen von strukturellen Varianten auf die Gehirngesundheit

Strukturelle Varianten spielen eine wichtige Rolle für genetische Vielfalt und Gehirnfunktion.

Kimberley J. Billingsley, Melissa Meredith, Kensuke Daida, Pilar Alvarez Jerez, Shloka Negi, Laksh Malik, Rylee M. Genner, Abraham Moller, Xinchang Zheng, Sophia B. Gibson, Mira Mastoras, Breeana Baker, Cedric Kouam, Kimberly Paquette, Paige Jarreau, Mary B. Makarious, Anni Moore, Samantha Hong, Dan Vitale, Syed Shah, Jean Monlong, Caroline B. Pantazis, Mobin Asri, Kishwar Shafin, Paolo Carnevali, Stefano Marenco, Pavan Auluck, Ajeet Mandal, Karen H. Miga, Arang Rhie, Xylena Reed, Jinhui Ding, Mark R. Cookson, Mike Nalls, Andrew Singleton, Danny E. Miller, Mark Chaisson, Winston Timp, J. Raphael Gibbs, Adam M. Phillippy, Mikhail Kolmogorov, Miten Jain, Fritz J. Sedlazeck, Benedict Paten, Cornelis Blauwendraat

― 7 min Lesedauer


SVs und Gehirnfunktion SVs und Gehirnfunktion für die Gehirngesundheit erkunden. Strukturelle Varianten und ihre Rolle
Inhaltsverzeichnis

In der komplexen Welt der Genetik sind Strukturelle Varianten (SVs) die unbekannten Helden oder die schelmischen Unruhestifter, je nachdem, wie du es siehst. Das sind Änderungen im Genom, die Einschlüsse, Löschungen, Duplikationen und andere Umstellungen von DNA beinhalten können. Sie tragen einen erheblichen Teil zur genetischen Vielfalt der Menschen bei und beeinflussen alles, von der Verkabelung unseres Gehirns bis zu unserem Risiko für verschiedene Krankheiten.

Wie SVs das Gehirn beeinflussen

SVs spielen eine einzigartige Rolle bei der Gestaltung der genetischen Architektur des menschlichen Gehirns. Sie können beeinflussen, welche Gene ein- oder ausgeschaltet werden, wie Gene reguliert werden und sogar die genomische Stabilität beeinträchtigen. All diese Faktoren können die individuelle Gehirnstruktur, die kognitiven Fähigkeiten und die Anfälligkeit für neurologische Störungen tiefgreifend beeinflussen.

Ein bekanntes Beispiel ist das APP-Gen, bei dem Duplikationen mit früh einsetzendem Alzheimer in Verbindung gebracht wurden. Ähnlich tragen Variationen im SNCA-Gen zu Parkinson und anderen Formen von Demenz bei. SVs können sogar an Erkrankungen wie X-linked Dystonie-Parkinsonismus beteiligt sein, die auf Einschlüsse von transponierbaren Elementen im Gen TAF1 beruhen. Auch das Parkin-Gen (PRKN) ist bekannt dafür, dass es bei früh einsetzendem Parkinson mit seinen Umstellungen eine Rolle spielt.

Diese Beispiele zeigen, wie wichtig SVs für die Entwicklung und den Verlauf neurodegenerativer Erkrankungen sind und unterstreichen die Bedeutung der Erforschung dieser genetischen Variationen, um Gehirnerkrankungen besser zu verstehen.

Herausforderungen bei der Erkennung von SVs

Trotz ihrer Bedeutung kann das Erkennen von SVs mit traditionellen Methoden der Kurzlesung wie die Suche nach einer Nadel im Heuhaufen sein. Kurze Lesungen, die normalerweise nur ein paar hundert Basenpaare lang sind, haben oft Schwierigkeiten, grössere strukturelle Varianten zu erfassen. Ausserdem tun sie sich schwer, Varianten in sich wiederholenden genomischen Regionen zu lösen, was dazu führt, dass ein grosser Teil der SVs übersehen wird.

Hier kommen Technologien der Langlesung (LRS) ins Spiel, die helfen, indem sie längere Lesungen anbieten, die besser in der Lage sind, grosse SVs abzudecken. Diese Methoden ermöglichen es Forschern, SVs genauer zu erkennen und Varianten über grössere genomische Abstände hinweg zu phasieren. Jüngste Studien haben gezeigt, dass LRS die SV-Erkennung erheblich verbessert, selbst in schwierigen Regionen des Genoms.

Die Bedeutung vielfältiger genetischer Hintergründe

Die Forschung in der Genetik hat sich oft auf europäische Bevölkerungsgruppen konzentriert, wodurch eine Lücke im Verständnis genetischer Variationen in anderen Abstammungen entstanden ist. Diese Voreingenommenheit kann die Entdeckung von spezifischen Varianten einschränken, die für das Verständnis von Krankheitsanfälligkeiten und anderen Eigenschaften entscheidend sind.

Ein Beispiel ist eine populationsspezifische Variante, die mit Parkinson in Verbindung gebracht wurde und in afrikanischen oder afrikanisch gemischten Abstammungsbevölkerungen identifiziert wurde, was die Bedeutung der Erweiterung des Rahmens der genetischen Forschung zeigt. Während Wissenschaftler Unterschiede in genetischen Risikofaktoren über verschiedene Bevölkerungsgruppen hinweg aufdecken, wird die Entwicklung inklusiver genomischer Ressourcen entscheidend, um die Genauigkeit der Krankheitskartierung zu verbessern und faire Lösungen im Gesundheitswesen weltweit sicherzustellen.

Überblick über die Studie

In einer umfangreichen Analyse generierten die Forscher Hochqualitäts-Langlese-Genome aus den Gehirnen von 351 Personen mit europäischer und afrikanischer Abstammung. Dieses Projekt entdeckte beeindruckende 234.905 SVs und produzierte lokal phasierte Assemblierungen, die die Mehrheit der protein-codierenden Gene abdeckten. Sie erweiterten auch ihr Verständnis davon, wie diese SVs die Genexpression und Methylierung im Gehirngewebe beeinflussen.

Sie machten diese wertvolle Ressource nicht nur öffentlich zugänglich, sondern bereiteten auch den Weg für zukünftige Forschungen zu den biologischen Auswirkungen genetischer Variation und boten eine vielfältige Sammlung von passenden Kontrollen mit sowohl Lang- als auch Kurzlesedaten.

Probenahme und genetische Abstammung

Die Studie beinhaltete die Ganzgenom-Sequenzierung von 359 menschlichen Gehirnproben aus zwei Kohorten, NABEC und HBCC. Die Proben aus der NABEC-Kohorte stammten hauptsächlich von europäischer Abstammung, während die in HBCC überwiegend afrikanischer Abstammung waren. Die genealogische Kennzeichnung jeder Probe wurde sorgfältig unter Verwendung verschiedener Datenbanken bestimmt, um sicherzustellen, dass die Forschung eine vielfältige genetische Landschaft repräsentierte.

Zusammenstellung des Genoms

Die Forscher verwendeten fortschrittliche rechnerische Techniken, um die Genome der Proben zusammenzustellen. Sie erstellten diploide Assemblierungen, bei denen die DNA von beiden Elternteilen berücksichtigt wurde, was es ihnen ermöglichte, eine breite Palette von strukturellen Varianten zu erfassen. Dies war entscheidend für die genaue Darstellung der genomischen Daten.

Charakterisierung struktureller Varianten

Um die SVs zu identifizieren und zu charakterisieren, verwendeten die Forscher zwei komplementäre Methoden, um eine umfassende Erkennung sicherzustellen. Nachdem die Daten verarbeitet und harmonisiert waren, fanden sie eine beeindruckende Anzahl hochkonfidenter SVs. Interessanterweise waren die meisten dieser SVs selten, wobei ein erheblicher Teil eine Allelfrequenz von unter 1% aufwies.

Das Team stellte fest, dass die durchschnittliche Anzahl der SVs pro Individuum zwischen den beiden Kohorten variierte, wobei die genetisch vielfältigeren HBCC-Proben eine höhere Durchschnittszahl an SVs aufwiesen. Die meisten der identifizierten SVs waren Einschlüsse, während weniger Löschungen und Inversionen vorhanden waren, was den Ergebnissen ähnlicher grossangelegter Studien entsprach.

Die Auswirkungen von SVs auf die Genexpression

Um tiefer in die Auswirkungen von SVs auf die Genexpression einzutauchen, führten die Forscher quantitative Trait-Locus (QTL)-Analysen durch. Insbesondere bewerteten sie den Einfluss von SVs auf die Genexpression im Frontalcortex des Gehirns. Durch die Analyse häufiger Varianten konnten sie deren regulatorische Effekte bewerten und signifikante Assoziationen zwischen SVs und der Expression verschiedener Gene aufdecken.

Die Studie zeigte, dass SVs die Hauptkandidatenvarianten sind, die diese Assoziationen antreiben, was die Bedeutung der SVs für das Verständnis zeigt, wie genetische Variationen die Gehirnfunktion beeinflussen.

Methylierungsprofilierung

Ein weiterer wichtiger Aspekt der Forschung war die Untersuchung der DNA-Methylierungsmuster. Methylierung dient als regulatorischer Mechanismus, der die Genexpression beeinflusst, und ihre Analyse kann Einblicke geben, wie genetische Variationen die Gehirngesundheit betreffen.

Die Forscher nutzten Langlesetechnologie zur Durchführung von Methylierungsprofilierungen, die ein gründlicheres Verständnis der Methylierungsmuster im Vergleich zu traditionellen Methoden ermöglichen. Die Ergebnisse zeigten, dass die meisten Methylierungen hypermethyliert im Gehirngewebe waren und bestimmte Regionen Änderungen aufwiesen, die mit dem Alter assoziiert waren.

Der Zusammenhang zwischen SVs und Methylierung

In einer weiteren Untersuchung schaute das Team, wie SVs die DNA-Methylierungsmuster im Frontalcortex beeinflussen. Sie identifizierten mehrere SVs, die mit Veränderungen der Methylierungsniveaus in Verbindung standen und damit das komplexe Zusammenspiel zwischen genetischen und epigenetischen Faktoren bei der Gestaltung der Gehirnfunktion verdeutlichten.

Durch die gleichzeitige Analyse der Auswirkungen von SVs auf die Genexpression und Methylierung konnten die Forscher komplexe regulatorische Mechanismen aufdecken, die zuvor möglicherweise übersehen wurden.

Herausforderungen und Einschränkungen

Obwohl die Fortschritte in der Sequenziertechnologie neue Türen zum Verständnis genetischer Variation eröffnet haben, gibt es weiterhin Herausforderungen. Das Zusammenführen und die genaue Identifizierung von SVs können aufgrund der Komplexität genomischer Variationen knifflig sein. Zudem wird die zukünftige Forschung, während sie sich auf häufige genetische Variationen konzentriert, die Rolle seltener Varianten erkunden müssen, um ein vollständigeres Bild zu erhalten.

Fazit

Zusammenfassend beleuchtet die Studie die komplexe Welt der strukturellen Varianten und ihren Einfluss auf die Gehirnfunktion und -gesundheit. Durch den Einsatz modernster Sequenziertechnologie und einer vielfältigen Auswahl an Proben leisten die Forscher Fortschritte im Verständnis der genetischen und epigenetischen Landschaft des menschlichen Gehirns. Diese umfassende Ressource wird zweifellos den Weg für zukünftige Forschungen über die Verbindungen zwischen Genetik, Gehirnfunktion und neurologischen Erkrankungen ebnen und sicherstellen, dass Wissenschaftler weiterhin die Geheimnisse unseres komplexesten Organs entschlüsseln. Also, wenn du jemals über die Geheimnisse deines eigenen Gehirns nachdenkst, denk daran: Genetik ist ein grosses Puzzle, und SVs sind einige der Teile, die helfen, das Bild zu vervollständigen!

Originalquelle

Titel: Long-read sequencing of hundreds of diverse brains provides insight into the impact of structural variation on gene expression and DNA methylation

Zusammenfassung: Structural variants (SVs) drive gene expression in the human brain and are causative of many neurological conditions. However, most existing genetic studies have been based on short-read sequencing methods, which capture fewer than half of the SVs present in any one individual. Long-read sequencing (LRS) enhances our ability to detect disease-associated and functionally relevant structural variants (SVs); however, its application in large-scale genomic studies has been limited by challenges in sample preparation and high costs. Here, we leverage a new scalable wet-lab protocol and computational pipeline for whole-genome Oxford Nanopore Technologies sequencing and apply it to neurologically normal control samples from the North American Brain Expression Consortium (NABEC) (European ancestry) and Human Brain Collection Core (HBCC) (African or African admixed ancestry) cohorts. Through this work, we present a publicly available long-read resource from 351 human brain samples (median N50: 27 Kbp and at an average depth of [~]40x genome coverage). We discover approximately 234,905 SVs and produce locally phased assemblies that cover 95% of all protein-coding genes in GRCh38. Utilizing matched expression datasets for these samples, we apply quantitative trait locus (QTL) analyses and identify SVs that impact gene expression in post-mortem frontal cortex brain tissue. Further, we determine haplotype- specific methylation signatures at millions of CpGs and, with this data, identify cis-acting SVs. In summary, these results highlight that large-scale LRS can identify complex regulatory mechanisms in the brain that were inaccessible using previous approaches. We believe this new resource provides a critical step toward understanding the biological effects of genetic variation in the human brain.

Autoren: Kimberley J. Billingsley, Melissa Meredith, Kensuke Daida, Pilar Alvarez Jerez, Shloka Negi, Laksh Malik, Rylee M. Genner, Abraham Moller, Xinchang Zheng, Sophia B. Gibson, Mira Mastoras, Breeana Baker, Cedric Kouam, Kimberly Paquette, Paige Jarreau, Mary B. Makarious, Anni Moore, Samantha Hong, Dan Vitale, Syed Shah, Jean Monlong, Caroline B. Pantazis, Mobin Asri, Kishwar Shafin, Paolo Carnevali, Stefano Marenco, Pavan Auluck, Ajeet Mandal, Karen H. Miga, Arang Rhie, Xylena Reed, Jinhui Ding, Mark R. Cookson, Mike Nalls, Andrew Singleton, Danny E. Miller, Mark Chaisson, Winston Timp, J. Raphael Gibbs, Adam M. Phillippy, Mikhail Kolmogorov, Miten Jain, Fritz J. Sedlazeck, Benedict Paten, Cornelis Blauwendraat

Letzte Aktualisierung: Dec 18, 2024

Sprache: English

Quell-URL: https://www.biorxiv.org/content/10.1101/2024.12.16.628723

Quell-PDF: https://www.biorxiv.org/content/10.1101/2024.12.16.628723.full.pdf

Lizenz: https://creativecommons.org/publicdomain/zero/1.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an biorxiv für die Nutzung seiner Open-Access-Interoperabilität.

Ähnliche Artikel