Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Gesundheitswissenschaften# Genetische und genomische Medizin

Genetische Einblicke in Risikofaktoren für Fettleibigkeit

Studie findet wichtige Gene, die mit Fettleibigkeit und BMI verbunden sind.

― 6 min Lesedauer


Gene hinterGene hinterFettleibigkeit entdecktmit Fettleibigkeit und BMI.Studie zeigt genetische Zusammenhänge
Inhaltsverzeichnis

Adipositas ist ein grosses Gesundheitsproblem, das Menschen weltweit betrifft. Sie erhöht das Risiko für verschiedene Gesundheitsprobleme, besonders Herz- und Stoffwechselkrankheiten. Angesichts des schnellen Anstiegs der Adipositasraten weltweit ist ein dringender Bedarf an Massnahmen im Bereich der öffentlichen Gesundheit, um dieses Problem anzugehen. Die Ursachen von Adipositas zu verstehen, ist der Schlüssel zu Präventionsbemühungen.

Rolle der Genetik bei Adipositas

Forschungen haben gezeigt, dass die Genetik eine entscheidende Rolle im Risiko eines Individuums spielt, adipös zu werden. Studien, die das gesamte Genom betrachten, haben viele genetische Regionen identifiziert, die mit Adipositas in Verbindung stehen. Es ist jedoch herausfordernd herauszufinden, welche spezifischen Gene innerhalb dieser Regionen zur Adipositas beitragen. Mehr als 90 % der genetischen Bereiche, die mit Adipositas in Verbindung stehen, befinden sich in DNA-Regionen, die nicht direkt für Proteine codieren, was es schwierig macht, ihre Funktionen zu bestimmen.

Einige frühere Forschungen haben bestimmte Gene mit Körpergewicht und Essverhalten in Verbindung gebracht. Diese Gene könnten Hirnwege beeinflussen, die dabei helfen, Hunger und Energiebilanz zu regulieren. Ein bestimmtes Medikament, das zur Gewichtsreduktion zugelassen ist, zielt auf einige dieser Wege ab. Trotzdem bleibt unser Wissen darüber, wie genetische Faktoren zur Adipositas führen, begrenzt, selbst für das am besten untersuchte Gen, das das Körpergewicht beeinflusst.

Die Rolle der Transkriptomik

Die Untersuchung der Genexpression, bekannt als Transkriptomik, wird zu einem wichtigen Werkzeug, um zu identifizieren, wie genetische Anfälligkeit mit Adipositas zusammenhängt. Durch die Analyse von Genexpressionsdaten zusammen mit genetischen Informationen können Forscher möglicherweise entdecken, was Adipositas auf biologischer Ebene antreibt.

Es gab Schwierigkeiten, ausreichende molekulare Daten für umfassende Studien zu sammeln. Neueste Fortschritte ermöglichen es Forschern jedoch, die Genexpression bei denselben Personen zu analysieren, die an Genomstudien teilgenommen haben. Das bietet Hoffnung, genetische Faktoren klarer mit Adipositas zu verknüpfen.

Studienübersicht

In dieser Studie untersuchten die Forscher Daten von einer grossen Gruppe von Teilnehmern, um potenzielle Gene zu identifizieren, die für adipositasbezogene Merkmale wie Body-Mass-Index (BMI) verantwortlich sein könnten. Sie konzentrierten sich auf Personen aus zwei verwandten Kohorten und analysierten deren genetische Daten und Genexpressionsinformationen, die aus Blutproben entnommen wurden.

Teilnehmer

Die Teilnehmer stammen aus zwei Gruppen innerhalb einer Langzeitstudie zur Gesundheit. Eine Gruppe begann in den frühen 1970er Jahren und umfasste Kinder und Partner der ursprünglichen Teilnehmer. Die zweite Gruppe, die in den frühen 2000er Jahren begann, beinhaltete die nächste Generation. Es wurden nur Teilnehmer einbezogen, die Blutproben, genetische Informationen und BMI-Messungen bereitgestellt hatten.

Datensammlung

Die genetische Analyse wurde mit spezifischen Arrays durchgeführt, um genetische Variationen unter den Teilnehmern zu identifizieren. Blutproben wurden während Gesundheitsuntersuchungen entnommen, und RNA wurde extrahiert, um die Genexpressionsniveaus zu untersuchen. Die Forscher passten diese Genexpressionsdaten an, um technische Variationen und Unterschiede in der Anzahl der Blutzellen zu berücksichtigen.

Der BMI wurde auf Basis der gesammelten Höhe- und Gewichtsmessungen berechnet. Die Forscher analysierten dann spezifische genetische Varianten, die mit BMI und Genexpression in Verbindung standen.

Analyse genetischer Assoziationen

Die Forscher konzentrierten sich auf eine feste Anzahl genetischer Varianten, die mit BMI assoziiert sind. Sie entwickelten Modelle, um die Beziehung zwischen genetischen Variationen, Genexpression und BMI zu erkunden. Die Analyse beinhaltete, wie sich verschiedene Genexpressionen auf den BMI auswirkten, während Alter, Geschlecht und familiäre Beziehungen kontrolliert wurden.

Meta-Analyse Ansatz

Um die Verbindungen zwischen genetischen Informationen und BMI genau zu bewerten, verwendeten die Forscher eine korrelierte Meta-Analyse-Methode. Dieser Ansatz hilft sicherzustellen, dass die Assoziationen zwischen Genen und Adipositasmerkmalen nicht isoliert betrachtet werden, sondern ihre Wechselabhängigkeit berücksichtigen.

Mit dieser Technik filterten sie die Ergebnisse, um bedeutungsvolle Genassoziationen zu identifizieren, die bestimmten statistischen Standards entsprachen. Anschliessend suchten sie nach Beweisen für diese Assoziationen in anderen Datensätzen, um ihre Ergebnisse zu bestätigen.

Überprüfung der Ergebnisse in anderen Kohorten

Die Validierung der Ergebnisse beinhaltete die Untersuchung zusätzlicher Gruppen, einschliesslich einer Kohorte aus einer Gemeinde entlang der Texas-Mexiko-Grenze. Diese vielfältige Gruppe bot die Möglichkeit zu sehen, ob die Ergebnisse auch in verschiedenen Populationen repliziert werden konnten. Die Forscher führten RNA-Sequenzierungen an Blutproben dieser Kohorte durch und prüften auf ähnliche genetische Assoziationen.

Sie erweiterten ihre Untersuchung auch auf Leber- und Gehirngewebeproben. Besonders konzentrierten sie sich auf Bereiche des Gehirns, die für die Regulierung des Appetits bekannt sind.

Ergebnisse der Studie

Die Analyse führte zur Identifizierung mehrerer Gene, die eine Rolle bei Adipositas spielen könnten. Dazu gehören NT5C2, YPEL3, ZNF646, SPNS1, GSTM3, SNAPC3 und TMEM245. Jedes dieser Gene zeigte potenzielle Verbindungen zum BMI durch verschiedene Formen genetischer Analysen. Besonders YPEL3 und SNAPC3 wurden in Blutproben aus einer der Validierungsstudien bestätigt, während mehrere Gene gut auf Lebergewebeproben übertragbar waren.

Unter den identifizierten Genen befindet sich YPEL3, das in einer Region lokalisiert ist, die mit Entwicklungsverzögerungen und einem erhöhten Risiko für Adipositas assoziiert ist. Frühere Studien legen nahe, dass Deletionen in diesem genomischen Bereich zu Adipositas und anderen verwandten Problemen führen können.

NT5C2 wurde mit verschiedenen Gesundheitszuständen wie Autismus und Adipositas in Verbindung gebracht. Frühere Forschungen zeigten, dass Veränderungen in diesem Gen das Körpergewicht und die Fettverteilung beeinflussen könnten.

SNAPC3 ist ein weiteres Gen mit möglichen Verbindungen zu Adipositasmerkmalen. Varianten in diesem Gen wurden mit psychischen Erkrankungen in Verbindung gebracht und erscheinen in Studien, die sich mit Schizophrenie beschäftigen.

Bedeutung der Ergebnisse

Die Ergebnisse dieser Studie heben die potenziellen Verbindungen zwischen genetischen Variationen und deren Einfluss auf Adipositas hervor. Die Integration von genetischen Daten mit Informationen zur Genexpression bietet einen detaillierteren Blick auf die biologischen Mechanismen, die im Spiel sind. Diese Gene zu identifizieren, kann dabei helfen, Massnahmen und Behandlungen zur Bekämpfung von Adipositas gezielt anzupassen.

Einschränkungen und zukünftige Richtungen

Während diese Studie bedeutende Einblicke liefert, hat sie auch Einschränkungen. Besonders die Forscher konnten nur zwei Arten von Daten analysieren und müssen weitere Studien durchführen, um andere biologische Schichten einzubeziehen, wie z.B. DNA-Methylierung und andere relevante Gewebe. Die Untersuchung dieser zusätzlichen Faktoren könnte ein umfassenderes Verständnis der genetischen Einflüsse auf Adipositas ermöglichen.

Der Ansatz, die Korrelation zwischen verschiedenen Datentypen zu untersuchen, ist relativ neu und könnte auch für andere gesundheitsbezogene Merkmale über Adipositas hinaus von Nutzen sein. Diese Studie legt den Grundstein für zukünftige Forschungen zu Multi-Omics-Studien, die tiefere Einblicke in komplexe Gesundheitsprobleme bieten können.

Fazit

Insgesamt trägt die Studie zum Verständnis der genetischen Faktoren bei, die Adipositas beeinflussen. Durch die Analyse von Genen und deren Expression im Zusammenhang mit BMI bietet die Forschung ein klareres Bild der biologischen Wege, die beteiligt sind. Diese Ergebnisse können gezielte Strategien zur Prävention und Behandlung von Adipositas informieren und den Weg für verbesserte Ergebnisse im Bereich der öffentlichen Gesundheit ebnen.

Originalquelle

Titel: Integrating Genetic and Transcriptomic Data to Identify Genes Underlying Obesity Risk Loci

Zusammenfassung: Genome-wide association studies (GWAS) have identified numerous body mass index (BMI) loci. However, most underlying mechanisms from risk locus to BMI remain unknown. Leveraging omics data through integrative analyses could provide more comprehensive views of biological pathways on BMI. We analyzed genotype and blood gene expression data in up to 5,619 samples from the Framingham Heart Study (FHS). Using 3,992 single nucleotide polymorphisms (SNPs) at 97 BMI loci and 20,692 transcripts within 1 Mb, we performed separate association analyses of transcript with BMI and SNP with transcript (PBMI and PSNP, respectively) and then a correlated meta-analysis between the full summary data sets (PMETA). We identified transcripts that met Bonferroni-corrected significance for each omic, were more significant in the correlated meta-analysis than each omic, and were at least nominally associated with BMI in FHS data. Among 308 significant SNP-transcript-BMI associations, we identified seven genes (NT5C2, GSTM3, SNAPC3, SPNS1, TMEM245, YPEL3, and ZNF646) in five association regions. Using an independent sample of blood gene expression data, we validated results for SNAPC3 and YPEL3. We tested for generalization of these associations in hypothalamus, nucleus accumbens, and liver and observed significant (PMETA

Autoren: Ching-Ti Liu, H. Xu, S. Gupta, I. Dinsmore, A. Kollu, A. M. Cawley, M. Y. Anwar, H.-H. Chen, L. E. Petty, S. Seshadri, M. Graff, P. Below, J. A. Brody, G. Chittoor, S. P. Fisher-Hoch, N. L. Heard-Costa, D. Levy, H. Lin, R. J. Loos, J. B. Mccormick, J. I. Rotter, T. Mirshahi, C. D. Still, A. Destefano, L. A. Cupples, K. L. Mohlke, K. E. North, A. E. Justice

Letzte Aktualisierung: 2024-06-12 00:00:00

Sprache: English

Quell-URL: https://www.medrxiv.org/content/10.1101/2024.06.11.24308730

Quell-PDF: https://www.medrxiv.org/content/10.1101/2024.06.11.24308730.full.pdf

Lizenz: https://creativecommons.org/licenses/by-nc/4.0/

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 medrxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel