Avances en la Edición Prime para la Investigación Genética
Nueva plataforma mejora el estudio de variantes genéticas para entender enfermedades.
― 7 minilectura
Tabla de contenidos
Las variantes genéticas juegan un papel importante en las enfermedades humanas. Entender cómo estas variantes afectan la función de los genes puede ayudar a descubrir los mecanismos biológicos de las enfermedades y mejorar las herramientas utilizadas para predecir los efectos de estas variantes. Sin embargo, ha habido una falta de evidencia práctica para apoyar el uso de datos genéticos humanos en descubrimientos médicos y medicina personalizada.
La mayoría de las variantes genéticas encontradas en humanos no han sido probadas por sus efectos funcionales. Muchas de estas variantes se clasifican como variantes de significado incierto (VUS), lo que significa que su impacto en la salud no está claro. Cada gen clínicamente relevante puede tener cientos o miles de estas VUS.
Para abordar este problema, se ha desarrollado un nuevo método llamado ensayos multiplexados de efectos de variantes (MAVEs). Los MAVEs permiten a los científicos probar muchas variantes genéticas en un solo experimento, proporcionando evidencia funcional valiosa. Los métodos actuales para probar variantes, como la edición del genoma por saturación y la edición de bases, enfrentan desafíos. Métodos de edición como la edición de bases son escalables pero tienen limitaciones, especialmente con ciertos tipos de variantes.
Este artículo explorará un método más nuevo llamado edición primaria, que permite a los investigadores insertar varios tipos de cambios genéticos en todo el genoma. Esta técnica puede permitir estudios más precisos y completos de los efectos de muchas variantes a la vez.
Fundamentos de la Edición Primaria
La edición primaria utiliza una enzima especial llamada Cas9, que está modificada para crear ediciones precisas en el ADN. El diseño implica un ARN guía que dirige donde la enzima Cas9 hará cortes en el ADN. Esto permite la inserción dirigida de cambios genéticos.
El ARN guía no solo ayuda a localizar el sitio objetivo en el genoma, sino que también contiene la información para la edición específica a realizar. Este método ha mostrado promesa en realizar ediciones utilizando la transcripción inversa para insertar nueva información en el ADN.
Aunque la edición primaria tiene el potencial de permitir cambios genéticos precisos y eficientes, aún no está completamente optimizada para estudios a gran escala. Los investigadores están trabajando en mejorar la eficiencia de la edición primaria y determinar qué tan bien puede funcionar con muchas variantes a la vez.
Desarrollo de una Nueva Plataforma de Edición Primaria
Para mejorar las capacidades de la edición primaria, se desarrolló una nueva plataforma que puede instalar eficientemente muchas variantes genéticas en células humanas. Se eligió una línea celular humana específica conocida como HAP1, que tiene un genoma casi haploide, por su idoneidad para estudiar los efectos de las variantes recesivas.
Los investigadores crearon una versión de la línea celular HAP1 que expresaba de manera estable una versión optimizada del editor primario. Esta expresión estable permite que el editor primario esté presente de manera continua, haciéndolo más efectivo con el tiempo.
El diseño de la plataforma incluyó un método para seleccionar células en función de si habían sido editadas con éxito, lo que permite identificar qué variantes tenían efectos funcionales.
Características Clave de la Nueva Plataforma
Cribado Agrupado: La plataforma permite probar múltiples variantes simultáneamente. Este enfoque de agrupamiento puede acelerar en gran medida el ritmo de los experimentos.
Validación de Variantes Activas: Al usar un sistema que registra la actividad del pegRNA, los investigadores pueden centrarse en las variantes que tienen el mayor impacto, filtrando las menos efectivas.
PegRNAs Optimizados: La plataforma utiliza pegRNAs diseñados para maximizar las posibilidades de ediciones exitosas. Esta estrategia ayuda a aumentar la eficiencia de la instalación de variantes.
Medición de Actividad: Los investigadores rastrean la actividad de los pegRNAs midiendo cuán efectivamente realizan las ediciones deseadas en las regiones objetivo del genoma.
Estrategias de Selección: El sistema incluye métodos para seleccionar células según sus cambios genéticos, mejorando la capacidad para descubrir variantes con efectos específicos.
Caracterización Funcional de Variantes de SMARCB1
Los investigadores usaron su plataforma para estudiar variantes en el gen SMARCB1, que se sabe que es esencial para la función celular. Diseñaron bibliotecas de pegRNA para probar todas las posibles variantes de un solo nucleótido (SNVs) dentro de ciertas regiones de este gen.
Al emplear un método llamado selección negativa, pudieron discernir qué variantes tenían efectos dañinos al observar la disminución de variantes específicas con el tiempo. Esto es particularmente útil para identificar variantes de pérdida de función (LoF), que resultan en una pérdida completa de la actividad del gen.
Los resultados mostraron que las variantes que causaban mutaciones por desplazamiento del marco se agotaron, confirmando que SMARCB1 es esencial. Con el tiempo, el equipo pudo ver cuán efectivamente su plataforma capturó los efectos funcionales de estos cambios genéticos.
Investigando Variantes en MLH1
Tras el éxito con SMARCB1, los investigadores dirigieron su atención al gen MLH1. Las variantes en este gen están asociadas con varios tipos de cáncer, pero los efectos precisos de muchas de estas variantes aún son inciertos.
Para explorar esto, crearon una biblioteca de pegRNA que apuntaba al gen MLH1 y probaron sus variantes de la misma manera de alto rendimiento que usaron para SMARCB1. Añadieron una estrategia de selección utilizando un fármaco llamado 6-tioguanina (6TG), que permitió identificar variantes LoF según la respuesta de las células al fármaco.
Este enfoque proporcionó información sobre cómo ciertas variantes impactaron la función celular. Al comparar las tasas de edición de diferentes variantes, pudieron diferenciar entre efectos neutros y patogénicos.
Evaluación de Variantes No Codificantes
Mientras que a menudo se centra mucha atención en las variantes codificantes que afectan cómo funcionan las proteínas, las variantes no codificantes también juegan roles cruciales en la regulación genética. Pueden influir en cómo se activan o desactivan los genes, pero pueden ser más difíciles de evaluar.
En su próximo experimento, los investigadores buscaron investigar variantes no codificantes en el gen MLH1 reportadas en una base de datos llamada ClinVar. Diseñaron una biblioteca que incluía todas las variantes no codificantes conocidas de menos de 10 pares de bases de tamaño.
Al aplicar las mismas técnicas de cribado, pudieron medir el impacto de estas variantes no codificantes. Sus hallazgos resaltaron la importancia de las regiones no codificantes en la regulación de los genes y añadieron nueva información sobre variantes que podrían afectar potencialmente el riesgo de enfermedades.
Conclusión
El desarrollo de esta nueva plataforma de edición primaria representa un gran avance en el estudio de variantes genéticas. Al permitir a los investigadores evaluar eficientemente muchas variantes simultáneamente, abre nuevas posibilidades para entender las conexiones entre genética y enfermedad.
A través de mejoras continuas y estudios adicionales, esta plataforma podría desempeñar un papel clave en el diagnóstico de trastornos genéticos y en guiar tratamientos personalizados. Entender tanto variantes codificantes como no codificantes será esencial para realizar todo el potencial de la investigación genética en medicina.
La capacidad de caracterizar con precisión las variantes genéticas tiene el potencial de impactar cómo abordamos los trastornos genéticos, proporcionando una visión más clara de los mecanismos subyacentes y allanando el camino para terapias innovadoras.
El futuro de la investigación genética es brillante, y con herramientas como esta, los científicos están mejor equipados para explorar las complejidades de la genética humana y descubrir nuevas formas de mejorar la salud y el bienestar.
Título: High-throughput screening of human genetic variants by pooled prime editing
Resumen: Understanding the effects of rare genetic variants remains challenging, both in coding and non-coding regions. While multiplexed assays of variant effect (MAVEs) have enabled scalable functional assessment of variants, established MAVEs are limited by either exogenous expression of variants or constraints of genome editing. Here, we introduce a pooled prime editing (PE) platform in haploid human cells to scalably assay variants in their endogenous context. We first optimized delivery of variants to HAP1 cells, defining optimal pegRNA designs and establishing a co-selection strategy for improved efficiency. We characterize our platform in the context of negative selection by testing over 7,500 pegRNAs targeting SMARCB1 for editing activity and observing depletion of highly active pegRNAs installing loss-of-function variants. We next assess variants in MLH1 via 6-thioguanine selection, assaying 65.3% of all possible SNVs in a 200-bp region spanning exon 10 and distinguishing LoF variants with high accuracy. Lastly, we assay 362 non-coding MLH1 variants across a 60 kb region in a single experiment, identifying pathogenic variants acting via multiple mechanisms with high specificity. Our analyses detail how filtering for highly active pegRNAs can facilitate both positive and negative selection screens. Accordingly, our platform promises to enable highly scalable functional assessment of human variants.
Autores: Gregory M. Findlay, M. Herger, C. M. Kajba, M. Buckley, A. Cunha, M. Strom
Última actualización: 2024-04-01 00:00:00
Idioma: English
Fuente URL: https://www.biorxiv.org/content/10.1101/2024.04.01.587366
Fuente PDF: https://www.biorxiv.org/content/10.1101/2024.04.01.587366.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 biorxiv por el uso de su interoperabilidad de acceso abierto.