Entendiendo la expresión génica en el contexto de enfermedades
Este artículo habla sobre el papel de la expresión génica en las enfermedades y el desarrollo de medicamentos.
― 8 minilectura
Tabla de contenidos
- Expresión Génica y Asociación con Enfermedades
- El Papel de los Tejidos y Tipos de Células
- Estrategias para la Caracterización Génica
- Conjunto de Datos y Análisis
- Hallazgos Detallados sobre la Expresión Génica
- Perspectivas de la Búsqueda de Literatura
- Variabilidad Genética y Sus Predictores
- Implicaciones para el Desarrollo de Medicamentos
- Panorama de la Expresión Génica del Cáncer
- Influencia del Género en la Expresión Génica
- Conclusión
- Direcciones Futuras
- Fuente original
- Enlaces de referencia
En las últimas dos décadas, la investigación ha descubierto muchas ubicaciones genéticas que aumentan el riesgo de enfermedades complejas. Estos hallazgos provienen de estudios que analizan todo el genoma, conocidos como estudios de asociación del genoma completo (GWAS). Un paso crítico para entender estos hallazgos es identificar qué genes y variantes genéticas específicas son responsables de estas enfermedades. Este artículo profundiza en los esfuerzos por comprender mejor la expresión genética relacionada con enfermedades y cómo este conocimiento puede ayudar en el desarrollo de medicamentos.
Expresión Génica y Asociación con Enfermedades
Cuando los científicos encuentran genes vinculados a enfermedades a través de GWAS, esas asociaciones suelen involucrar varios genes debido a interacciones genéticas. Para identificar cuáles genes son realmente responsables de la enfermedad, los investigadores utilizan métodos que se centran en la localización precisa y la priorización de genes. Recientemente, se han compilado listas de alta confianza de genes causales para varias enfermedades. El objetivo de estudiar estos genes es mejorar las posibilidades de éxito en el desarrollo de nuevos medicamentos. Específicamente, los genes que están activos en ciertos Tejidos tienen más probabilidades de convertirse en objetivos para el desarrollo de fármacos.
A pesar del progreso hecho en la identificación de estos genes, aún hay necesidad de caracterizar sistemáticamente la expresión génica para los genes priorizados. Entender dónde en el cuerpo se expresan estos genes puede dar pistas sobre su papel en las enfermedades.
El Papel de los Tejidos y Tipos de Células
Los avances recientes en tecnología han permitido a los investigadores estudiar la expresión génica a nivel de tipos específicos de células. Sin embargo, este artículo comienza con un enfoque en identificar los tejidos relevantes donde se expresan los genes relacionados con enfermedades. Los tejidos conocidos por implicarse en ciertas enfermedades sirven como referencias cruciales. También es importante señalar que varios sistemas corporales, como los sistemas nervioso e inmune, están intrínsecamente interconectados, lo que sugiere que múltiples tejidos a menudo juegan un papel en las enfermedades.
En este estudio, examinamos cómo se expresan los genes vinculados a enfermedades en muchos tejidos y tipos de células. Al emplear varias estrategias que utilizan datos de RNA-seq junto con hallazgos de GWAS, nuestro objetivo es identificar características de expresión únicas relacionadas con enfermedades específicas.
Estrategias para la Caracterización Génica
Empleamos tres enfoques principales para analizar la expresión génica vinculada a enfermedades:
- GWAS a Expresión Génica: Este método examina si los genes identificados como causales en importantes GWAS relacionados con enfermedades tienen características de expresión únicas en comparación con otros genes.
- Expresión Génica a GWAS: Aquí, verificamos si los genes que tienen altos niveles de expresión están enriquecidos para señales de GWAS, nuevamente utilizando datos de RNA-seq.
- Búsqueda Sistemática de Literatura: En este enfoque, buscamos en investigaciones existentes para encontrar relaciones entre genes y tejidos para varias enfermedades.
Al contrastar resultados de estos enfoques, podemos obtener una comprensión más completa de la expresión génica y sus implicaciones para las enfermedades.
Conjunto de Datos y Análisis
Para nuestro análisis, recopilamos datos de expresión génica de recursos públicos. Esto incluye datos de RNA-seq de tejidos en masa del proyecto GTEx. Observamos dos tipos de medidas de expresión génica: la expresión génica absoluta, que cuenta el número de transcritos de un gen en un tejido, y la expresión génica relativa, que evalúa la expresión de un gen en comparación con su expresión total en todos los tejidos.
A través de nuestra investigación, nos centramos en ocho enfermedades conocidas por tener vínculos fuertes con tejidos específicos. Las enfermedades que estudiamos incluyen cánceres, esquizofrenia, enfermedad inflamatoria intestinal, Alzheimer, enfermedad coronaria, trastorno bipolar, diabetes tipo 2 y trastorno por déficit de atención e hiperactividad.
Hallazgos Detallados sobre la Expresión Génica
Nuestro análisis principal reveló que los genes asociados a enfermedades muestran una mayor expresión génica absoluta y relativa en tejidos anticipados. Por ejemplo, los genes relacionados con la esquizofrenia mostraron una mayor expresión en el cerebro, mientras que los genes de enfermedad coronaria se expresaron más en tejidos arteriales. Curiosamente, también encontramos una expresión génica significativa en tejidos que no se relacionan típicamente con ciertas enfermedades. Por ejemplo, los genes asociados al Alzheimer estaban notablemente expresados en tejidos sanguíneos y del bazo en lugar de en el cerebro.
Además, nuestros análisis incluyeron pruebas t para comparar la expresión génica entre genes asociados a enfermedades y genes de control, revelando que los genes de enfermedades tienden a expresarse de manera diferente en varios tejidos. El uso de grupos de control que incluían genes asociados a otras enfermedades validó aún más nuestros hallazgos.
Perspectivas de la Búsqueda de Literatura
Una búsqueda sistemática de literatura complementó nuestro análisis de expresión génica. Al examinar las frecuencias de publicación de asociaciones tejido-enfermedad, encontramos apoyo para nuestros resultados mientras descubríamos potenciales asociaciones de tejidos poco estudiadas. Esto proporciona avenidas adicionales para futuras exploraciones, particularmente para tejidos como el bazo en relación con ciertas enfermedades.
Variabilidad Genética y Sus Predictores
Exploramos qué factores contribuyen a la variabilidad en la expresión génica entre genes asociados a enfermedades. Se evaluaron varios factores biológicos y técnicos, incluidos el tipo de tejido y las diferencias individuales, para determinar su impacto. Encontramos que el tipo de tejido representaba una parte significativa de la variación en la expresión génica, aunque esto variaba entre diferentes genes.
Además, notamos cómo los patrones de expresión génica a menudo varían debido a influencias de características individuales, como la edad y el sexo, que juegan un papel en la expresión de un gen.
Implicaciones para el Desarrollo de Medicamentos
Entender el panorama de la expresión génica no solo ayuda a identificar genes involucrados en enfermedades, sino que también proporciona valiosas ideas para el desarrollo de fármacos. Dado que tejidos específicos a menudo se relacionan con la eficacia de los medicamentos y los posibles efectos secundarios, saber dónde están activos los genes asociados a enfermedades puede mejorar las estrategias de targeting para medicamentos.
También identificamos genes que mostraron tanto una alta expresión absoluta como relativa en tejidos relevantes. Este patrón de doble expresión ofrece candidatos prometedores para una validación experimental adicional y el desarrollo de fármacos.
Panorama de la Expresión Génica del Cáncer
Al estudiar específicamente los genes del cáncer, nos centramos en identificar genes asociados con cánceres comunes. Nuestro análisis reveló cómo estos genes mostraron una mayor expresión en sus tejidos respectivos, como los genes de cáncer de próstata en tejidos prostáticos y los genes de cáncer de mama en tejidos mamarios.
Influencia del Género en la Expresión Génica
En casos particulares, realizamos análisis estratificados por sexo para ver si el género afectaba la expresión génica en enfermedades como la diabetes tipo 2. Nuestros hallazgos indicaron que los genes asociados a enfermedades mostraron diferentes niveles de expresión en hombres y mujeres en ciertos tejidos, añadiendo otra capa de complejidad a nuestra comprensión de la expresión génica en enfermedades.
Conclusión
La exploración sistemática de la expresión génica relacionada con enfermedades ha revelado no solo las asociaciones de tejidos esperadas, sino también algunas inesperadas que requieren más investigación. A medida que continuamos caracterizando genes vinculados a enfermedades, esperamos informar futuras investigaciones destinadas a validar estos candidatos y desarrollar objetivos efectivos para medicamentos.
Al proporcionar una mejor comprensión de las características de expresión génica, contribuimos al esfuerzo continuo para mejorar las estrategias de tratamiento y prevención de enfermedades. Este trabajo enfatiza la importancia de integrar conocimientos genéticos con datos de expresión génica para mejorar nuestra comprensión de los mecanismos subyacentes de las enfermedades y el desarrollo de terapias dirigidas.
Direcciones Futuras
La investigación continua en esta área promete aportar conocimientos valiosos que pueden llevar a tratamientos innovadores. A medida que la ciencia y la tecnología avanzan, la integración de información genética con perspectivas a nivel celular y de tejidos sin duda abrirá el camino para una comprensión más completa de las enfermedades y mejores resultados de salud para los pacientes.
Título: The Gene Expression Landscape of Disease Genes
Resumen: Fine-mapping and gene-prioritisation techniques applied to the latest Genome-Wide Association Study (GWAS) results have prioritised hundreds of genes as causally associated with disease. Here we leverage these recently compiled lists of high-confidence causal genes to interrogate where in the body disease genes operate. Specifically, we combine GWAS summary statistics, gene prioritisation results and gene expression RNA-seq data from 46 tissues and 204 cell types in relation to 16 major diseases (including 8 cancers). In tissues and cell types with well-established relevance to the disease, the prioritised genes typically have higher absolute and relative (i.e. tissue/cell specific) expression compared to non-prioritised control genes. Examples include brain tissues in psychiatric disorders (P-value < 1x10-7), microglia cells in Alzheimers Disease (P-value = 9.8x10-3) and colon mucosa in colorectal cancer (P-value < 1x10-3). We also observe significantly higher expression for disease genes in multiple tissues and cell types with no established links to the corresponding disease. While some of these results may be explained by cell types that span multiple tissues, such as macrophages in brain, blood, lung and spleen in relation to Alzheimers disease (P-values < 1x10-3), the cause for others is unclear and motivates further investigation that may provide novel insights into disease etiology. For example, mammary tissue in Type 2 Diabetes (P-value < 1x10-7); reproductive tissues such as breast, uterus, vagina, and prostate in Coronary Artery Disease (P-value < 1x10-4); and motor neurons in psychiatric disorders (P-value < 3x10-4). In the GTEx dataset, tissue type is the major predictor of gene expression but the contribution of each predictor (tissue, sample, subject, batch) varies widely among disease-associated genes. Finally, we highlight genes with the highest levels of gene expression in relevant tissues to guide functional follow-up studies. Our results could offer novel insights into the tissues and cells involved in disease initiation, inform drug target and delivery strategies, highlighting potential off-target effects, and exemplify the relative performance of different statistical tests for linking disease genes with tissue and cell type gene expression.
Autores: Judit García-González, J. Garcia-Gonzalez, S. Garcia-Gonzalez, L. Liou, P. F. O'Reilly
Última actualización: 2024-06-21 00:00:00
Idioma: English
Fuente URL: https://www.medrxiv.org/content/10.1101/2024.06.20.24309121
Fuente PDF: https://www.medrxiv.org/content/10.1101/2024.06.20.24309121.full.pdf
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a medrxiv por el uso de su interoperabilidad de acceso abierto.
Enlaces de referencia
- https://juditgg.shinyapps.io/diseasegenes/
- https://gtexportal.org/home/datasets
- https://maayanlab.cloud/archs4/
- https://maayanlab.cloud/archs4/download.html
- https://figshare.com/articles/dataset/Tabula_Sapiens_release_1_0/14267219
- https://github.com/sjfandrews/ADGenetics/blob/main/results/adgwas_loci.csv
- https://www.finucanelab.org/data
- https://github.com/opentargets/genetics-gold-standards/blob/master/gold_standards/processed/gwas_gold_standards.191108.tsv
- https://platform.opentargets.org/downloads/data