Simple Science

La science de pointe expliquée simplement

# Biologie # Génomique

L'impact des variantes structurelles sur la santé du cerveau

Les variants structuraux jouent un rôle clé dans la diversité génétique et le fonctionnement du cerveau.

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

― 9 min lire


SVs et fonction cérébrale SVs et fonction cérébrale leur rôle dans la santé cérébrale. Explorer les variants structurels et
Table des matières

Dans le monde complexe de la génétique, les Variantes structurelles (SVs) sont soit des héros méconnus, soit des fauteurs de troubles malicieux, ça dépend de comment on les voit. Ce sont des changements dans le génome qui peuvent impliquer des insertions, des suppressions, des duplications et d'autres réarrangements de l'ADN. Elles contribuent à une grande partie de la diversité génétique chez les humains, influençant tout, de la façon dont notre cerveau est câblé à notre risque de diverses maladies.

Comment les SVs Affectent le Cerveau

Les SVs jouent un rôle unique dans la formation de l'architecture génétique du cerveau humain. Elles peuvent affecter quels gènes sont activés ou désactivés, comment les gènes sont régulés, et même avoir un impact sur la stabilité génomique. Tous ces facteurs peuvent influencer profondément la structure du cerveau, les capacités cognitives et la vulnérabilité aux troubles neurologiques.

Un exemple marquant est le gène APP, où les duplications ont été liées à la maladie d'Alzheimer précoce. De même, les variations du gène SNCA contribuent à la maladie de Parkinson et d'autres formes de démence. Les SVs peuvent même être impliquées dans des troubles comme la dystonie parkinsonienne liée à l'X, reposant sur des insertions d'éléments transposables dans le gène TAF1. Le gène Parkin (PRKN) est aussi connu pour être impliqué dans la maladie de Parkinson précoce à cause de ses réarrangements.

Ces exemples montrent comment les SVs peuvent jouer un rôle crucial dans le développement et la progression des Maladies neurodégénératives, soulignant l'importance d'étudier ces variations génétiques pour mieux comprendre les troubles cérébraux.

Défis Pour Détecter les SVs

Malgré leur importance, détecter les SVs avec des méthodes de séquençage par lecture courte peut être aussi difficile que de chercher une aiguille dans une botte de foin. Les courtes lectures, généralement de quelques centaines de paires de bases, ont souvent du mal à capturer des variantes structurelles plus grandes. Elles ont aussi des difficultés à résoudre des variantes dans des régions génomiques répétitives, ce qui entraîne un pourcentage significatif de SVs manquées.

Entrez dans le jeu les technologies de séquençage à lecture longue (LRS), qui viennent à la rescousse en offrant des lectures beaucoup plus longues et mieux adaptées pour couvrir les grandes SVs. Ces méthodes permettent aux chercheurs de détecter les SVs de manière plus précise et de phaser les variantes sur de plus grandes distances génomiques. Des études récentes ont montré que la LRS améliore considérablement la détection des SVs, même dans des régions difficiles du génome.

L'Importance des Antécédents Génétiques Diversifiés

La recherche en génétique s'est souvent concentrée sur les populations européennes, laissant un vide dans la compréhension de la variation génétique dans d'autres ascendants. Ce biais peut limiter la découverte de variantes spécifiques à certaines populations, essentielles pour comprendre la susceptibilité aux maladies et d'autres caractéristiques.

Par exemple, une variante spécifique à une population associée à la maladie de Parkinson a été identifiée dans des populations d'ascendance africaine ou afro-mélangée, montrant l'importance d'élargir le champ de la recherche génétique. À mesure que les scientifiques dévoilent les différences dans les facteurs de risque génétiques à travers diverses populations, développer des ressources génomiques inclusives devient vital pour améliorer la précision du dépistage des maladies et garantir des solutions de santé équitables dans le monde entier.

Aperçu de l'Étude

Dans une analyse approfondie, les chercheurs ont généré des Génomes à haute qualité à lecture longue provenant des cerveaux de 351 individus d'ascendance européenne et africaine. Ce projet a révélé un total impressionnant de 234 905 SVs et a produit des assemblages localement phasés couvrant la majorité des gènes codant des protéines. Ils ont également avancé leur compréhension de la façon dont ces SVs impactent l'expression des gènes et la méthylation dans le tissu cérébral.

Non seulement ils ont rendu cette précieuse ressource disponible au public, mais ils ont aussi ouvert la voie à de futures recherches sur les effets biologiques de la variation génétique et fourni un ensemble diversifié de contrôles appariés avec des données génomiques à lecture longue et courte.

Collecte d'Échantillons et Ascendance Génétique

L'étude a impliqué un séquençage de génome entier sur 359 échantillons de cerveau humain provenant de deux cohortes, NABEC et HBCC. Les échantillons de la cohorte NABEC étaient principalement d'ascendance européenne, tandis que ceux du HBCC étaient principalement d'ascendance africaine. Le marquage généalogique de chaque échantillon a été soigneusement déterminé à l'aide de diverses bases de données, aidant à garantir que la recherche représentait un paysage génétique diversifié.

Assemblage du Génome

Les chercheurs ont utilisé des techniques computationnelles avancées pour assembler les génomes des échantillons. Ils ont produit des assemblages diploïdes, où l'ADN des deux parents est pris en compte, ce qui leur a permis de capturer une large gamme de variantes structurelles. C'était crucial pour représenter avec précision les données génomiques.

Caractérisation des Variantes Structurelles

Pour identifier et caractériser les SVs, les chercheurs ont utilisé deux méthodes complémentaires pour garantir une détection complète. Une fois les données traitées et harmonisées, ils ont trouvé un nombre impressionnant de SVs de haute confiance. Fait intéressant, la plupart de ces SVs étaient rares, avec une proportion significative ayant une fréquence allélique mineure inférieure à 1 %.

L'équipe a découvert que le nombre moyen de SVs par individu variait entre les deux cohortes, les échantillons HBCC plus diversifiés génétiquement affichant une moyenne plus élevée de SVs. La plupart des SVs identifiés étaient des insertions, avec moins de suppressions et d'inversions présentes, reflétant les résultats d'études de grande envergure similaires.

L'Impact des SVs sur l'Expression des Gènes

En creusant plus profondément l'impact des SVs sur l'expression des gènes, les chercheurs ont réalisé des analyses de locus de traits quantitatifs (QTL). Spécifiquement, ils ont évalué l'effet des SVs sur l'expression des gènes dans le cortex frontal du cerveau. En regardant les variantes communes, ils ont pu évaluer leurs effets régulateurs et découvrir des associations significatives entre les SVs et l'expression de divers gènes.

L'étude a révélé que les SVs peuvent être des candidates de premier plan conduisant ces associations, soulignant leur importance pour comprendre comment les variations génétiques affectent le fonctionnement du cerveau.

Profiling de Méthylation

Un autre aspect important de la recherche était l'examen des motifs de méthylation de l'ADN. La méthylation sert de mécanisme régulateur, influençant l'expression des gènes, et son analyse peut fournir des informations sur comment les variations génétiques affectent la santé cérébrale.

Les chercheurs ont utilisé le séquençage à lecture longue pour réaliser un profilage de méthylation, ce qui permet une compréhension plus approfondie des motifs de méthylation par rapport aux méthodes traditionnelles. Les résultats ont montré que la plupart des Méthylations étaient hyperméthylées dans le tissu cérébral, et certaines régions affichaient des changements associés à l'âge.

Le Lien Entre les SVs et la Méthylation

Dans une enquête plus poussée, l'équipe a examiné comment les SVs influencent les motifs de méthylation de l'ADN dans le cortex frontal. Ils ont identifié plusieurs SVs qui étaient liés à des changements dans les niveaux de méthylation, soulignant l'interaction complexe entre les facteurs génétiques et épigénétiques dans la formation du fonctionnement cérébral.

En analysant simultanément les effets des SVs sur l'expression des gènes et la méthylation, les chercheurs ont pu découvrir des mécanismes régulateurs complexes qui auraient pu être auparavant négligés.

Défis et Limitations

Bien que les avancées dans la technologie de séquençage aient ouvert de nouvelles portes à la compréhension de la variation génétique, il y a encore des défis à relever. La fusion et l'identification précise des SVs peuvent être délicates à cause de la complexité des variations génomiques. De plus, bien que l'étude se soit concentrée sur des variations génétiques courantes, les recherches futures devront explorer le rôle des variantes plus rares pour obtenir une image complète.

Conclusion

En résumé, l'étude éclaire le monde complexe des variantes structurelles et leur influence sur le fonctionnement et la santé du cerveau. En utilisant une technologie de séquençage de pointe et un large éventail d'échantillons, les chercheurs avancent dans la compréhension du paysage génétique et épigénétique du cerveau humain. Cette ressource complète ouvrira sans aucun doute la voie à de futures recherches sur les liens entre la génétique, le fonctionnement du cerveau et les troubles neurologiques, assurant que les scientifiques continuent de percer les mystères de notre organe le plus complexe. Donc, si jamais tu te retrouves à te demander les mystères de ton propre cerveau, souviens-toi juste : la génétique est un grand puzzle, et les SVs sont quelques-unes des pièces qui aident à compléter le tableau !

Source originale

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

Résumé: 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.

Auteurs: 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

Dernière mise à jour: Dec 18, 2024

Langue: English

Source URL: https://www.biorxiv.org/content/10.1101/2024.12.16.628723

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

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

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires