Simple Science

Scienza all'avanguardia spiegata semplicemente

# La biologia # Genetica

Genetica e Disturbi Neuropsichiatrici: Svelare le Complessità

Esplora la genetica dietro i disturbi neuropsichiatrici e le loro complesse connessioni.

Qiuman Liang, Yi Jiang, Annie W. Shieh, Dan Zhou, Rui Chen, Feiran Wang, Meng Xu, Mingming Niu, Xusheng Wang, Dalila Pinto, Yue Wang, Lijun Cheng, Ramu Vadukapuram, Chunling Zhang, Kay Grennan, Gina Giase, Kevin P White, Junmin Peng, Bingshan Li, Chunyu Liu, Chao Chen, Sidney H. Wang

― 7 leggere min


Decodifica della genetica Decodifica della genetica neuropsichiatrica disturbi neuropsichiatrici. Scopri come la genetica influisce sui
Indice

I disturbi neuropsichiatrici sono un gruppo di malattie complesse che coinvolgono sia il cervello che il comportamento. Questi possono includere condizioni come la schizofrenia, il disturbo bipolare e il disturbo dello spettro autistico. Capire cosa causa questi disturbi è complicato, dato che molti fattori, tra cui genetica, ambiente e fattori sociali, giocano un ruolo. Se ci pensi, è come cercare di scoprire perché uno stufato abbia un certo sapore quando potrebbe essere il mix di ingredienti a renderlo speciale.

Il Ruolo della Genetica

Un pezzo importante del puzzle è la genetica. Gli scienziati sanno da tempo che la genetica può influenzare il rischio di sviluppare disturbi neuropsichiatrici. Infatti, molti studi mostrano che se qualcuno nella tua famiglia ha una condizione, è più probabile che anche tu la sviluppi. È come avere una ricetta di famiglia che sembra passare di generazione in generazione e che ha un sapore fantastico. Gli studi genetici hanno identificato molti specifici pezzi di DNA, noti come loci, associati a diversi disturbi. Recentemente, questi studi sono esplosi in un grande campo di ricerca grazie ai progressi nella tecnologia.

Studi di Associazione Genome-Wide (GWAS)

Gli studi di associazione genome-wide, o GWAS per abbreviare, sono come cacce al tesoro in cui i ricercatori esaminano l'intero genoma umano per trovare varianti genetiche collegate a malattie. Migliaia di queste varianti genetiche sono state identificate e sembrano aumentare il rischio di vari disturbi neuropsichiatrici. Tuttavia, ciò non significa che avere queste varianti garantisca che qualcuno svilupperà un disturbo. Pensala come avere un biglietto della lotteria; solo perché ce l'hai, non significa che vincerai il jackpot.

Il Mistero delle Sequenze Non Codificanti

Man mano che i ricercatori si sono tuffati più a fondo nei risultati dei GWAS, hanno scoperto che molte delle varianti genetiche collegate ai disturbi si trovano in regioni non codificanti del DNA. Le regioni non codificanti sono le parti del DNA che non dicono direttamente alle cellule come produrre proteine, che è il lavoro del DNA codificante. Questo ha lasciato i ricercatori a grattarsi la testa, poiché il modo in cui queste regioni influenzano la malattia non è semplice.

L'Importanza delle Varianti Regolatorie

Le varianti regolatorie in queste aree non codificanti ora sono viste come forti candidate per influenzare il rischio di malattia. Queste varianti possono influenzare come i geni siano accesi o spenti, simile a come un dimmer controlla la luminosità di una luce. Qui entra in gioco l'Espressione genica. Integrando le informazioni sull'espressione genica con i dati genetici, i ricercatori possono iniziare a individuare le varianti causali o identificare quali geni possono essere coinvolti nel rischio di disturbi neuropsichiatrici.

Approcci Multi-Omici

Negli ultimi anni, gli scienziati hanno iniziato a spremere di più dai loro studi genetici utilizzando approcci multi-omici. Immagina di cercare di capire un film guardandolo solo senza mai leggere il libro o parlare con il regista. I multi-omici uniscono diversi tipi di dati biologici: genetica, espressione genica, livelli proteici e altro, per creare un quadro più completo.

Con i disturbi legati al cervello, integrare dati come il sequenziamento dell'RNA (che ci dice qualcosa sull'espressione genica), il profiling dei ribosomi (che fornisce indizi su come vengono prodotti le proteine), e la proteomica (che misura la quantità di proteine) può migliorare la nostra comprensione di come queste varianti genetiche influenzino il rischio di malattia. Questa combinazione di dati offre una visione più dettagliata, come avere più telecamere che catturano vari angoli dello stesso evento.

La Sfida della Trascrizione e Traduzione

Nel processo di comprensione della regolazione genica, i ricercatori hanno scoperto che solo perché un gene è espresso non significa che la proteina corrispondente venga prodotta nelle quantità attese. È un po' come fare una torta; anche se segui la ricetta, a volte la torta non lievita come pensavi. Qui entra in gioco l'idea della regolazione tradizionale e post-traduzionale.

La regolazione tradizionale controlla l'efficienza della conversione dell'RNA in proteina, mentre la regolazione post-traduzionale influisce su come si comportano le proteine dopo che sono state prodotte. Questi strati di controllo significano che le varianti che influenzano l'espressione genica possono perdersi nella traduzione, letteralmente!

Studiare il Cervello

Quando studiano il cervello, gli scienziati guardano ai tessuti cerebrali per capire come le varianti genetiche influenzino l'espressione genica, la traduzione e, in ultima analisi, i livelli di proteine. Negli studi recenti sui campioni di cervello post-mortem, i ricercatori hanno raccolto enormi quantità di dati per capire come le varianti genetiche influenzino la sintesi proteica nella corteccia prefrontale, l'area del cervello responsabile dei comportamenti complessi.

Con il profiling dei ribosomi, possono vedere quanto siano efficienti i ribosomi (le macchine che producono proteine). Utilizzando più di 200 campioni di cervello, i ricercatori sono riusciti a catturare circa 62 miliardi di punti dati. È un sacco di informazioni!

Trovare Segnali Genetici

Nella loro ricerca per trovare quali varianti genetiche siano davvero importanti, i ricercatori hanno utilizzato una tecnica chiamata mappatura cis-QTL. Questa tecnica aiuta a identificare le varianti che influenzano l'espressione genica. Hanno trovato migliaia di queste varianti, portandoli a concludere che molte varianti genetiche hanno forze diverse e possono influenzare l'espressione genica in vari modi.

I ricercatori hanno anche notato che man mano che si spostavano a valle dall'espressione genica alle proteine, il numero di segnali significativi è diminuito drasticamente. È molto più difficile trovare le varianti che influenzano la sintesi proteica rispetto a quelle che influenzano l'espressione genica. Questo suggerisce che più si va dal gene alla proteina, meno chiara diventa la connessione, proprio come un gioco del telefono in cui il messaggio originale viene distorto.

Il Ruolo di Varianti Specifiche

Diversi tipi di QTL sono stati identificati in questo studio, inclusi eQTL (QTL di espressione), rQTL (QTL di occupazione dei ribosomi) e pQTL (QTL proteici). Ogni tipo rappresenta un diverso livello di regolazione, e i ricercatori hanno osservato che i QTL proteici tendevano ad avere più varianti codificanti rispetto agli eQTL e rQTL.

Hanno anche trovato che molti di questi QTL condividevano somiglianze con i geni noti per essere associati a disturbi neuropsichiatrici. Questo illustra come certe varianti genetiche possano aumentare i rischi per queste condizioni.

Colocalizzazione con Disturbi Cerebrali

Una parte cruciale di questa ricerca ha coinvolto la ricerca di colocalizzazione tra segnali QTL e segnali genetici noti associati a disturbi cerebrali come la schizofrenia. Infatti, molti segnali QTL sono stati trovati sovrapporsi ai segnali di questi disturbi cerebrali, suggerendo che potrebbero essere coinvolti nel rischio di sviluppare queste condizioni.

Trovare Nuovi Geni di Rischio

I ricercatori hanno anche identificato nuovi geni di rischio che non erano stati segnalati prima. Questo è stato possibile grazie alla combinazione del loro approccio multi-omico e all'importanza di certe varianti genetiche. Immagina di trovare tesori nascosti che altri hanno perso perché non usavano la mappa giusta!

Tra le nuove scoperte geniche, alcune erano collegate a funzioni importanti nel cervello, suggerendo che potrebbero aiutare a spiegare perché qualcuno possa essere più vulnerabile a sviluppare specifici disturbi neuropsichiatrici.

Effetti Traduzionali in Azione

I ricercatori hanno osservato che mentre molte varianti genetiche influenzavano significativamente l'espressione genica, il loro impatto sui livelli proteici non era così pronunciato. Questo ha sollevato domande interessanti su come queste varianti possano influenzare la sintesi proteica senza influenzare i livelli proteici.

Confrontando set di dati indipendenti da diversi studi, i ricercatori sono stati in grado di rafforzare le loro conclusioni. Hanno trovato che la regolazione tradizionale sembrava spiegare una riduzione dell'effetto di maggiore entità.

Implicazioni per Future Ricerche

Unendo questi complessi set di dati, i ricercatori stanno ottenendo un quadro più chiaro di come genetica, sintesi proteica e disturbi neuropsichiatrici si intersechino. I loro risultati aprono nuove strade per la ricerca, suggerendo che comprendere i meccanismi molecolari potrebbe portare a migliori trattamenti e interventi per questi disturbi.

Inoltre, sottolineano il potenziale di tradurre segnali genetici in impatti nel mondo reale, evidenziando l'importanza di capire come i geni possano influenzare il comportamento e il rischio di problemi di salute mentale.

Conclusione

In sintesi, la genetica dietro i disturbi neuropsichiatrici è una complessa rete di interazioni tra vari fattori. C'è ancora molto da scoprire e il viaggio continua. Mentre approfondiscono e utilizzano metodi innovativi, i ricercatori sperano di fare chiarezza nella comprensione di queste condizioni.

Chi avrebbe mai pensato che la genetica potesse essere così intrecciata, come spaghetti? Eppure, con determinazione e gli strumenti giusti, i ricercatori stanno districando questa pasta della scienza, un filo alla volta.

Fonte originale

Titolo: The impact of common variants on gene expression in the human brain: from RNA to protein to schizophrenia risk

Estratto: BackgroundThe impact of genetic variants on gene expression has been intensely studied at the transcription level, yielding invaluable insights into the association between genes and the risk of complex disorders, such as schizophrenia (SCZ). However, the downstream impact of these variants and the molecular mechanisms connecting transcription variation to disease risk are not well understood. ResultsWe quantitated ribosome occupancy in prefrontal cortex samples of the BrainGVEX cohort. Together with transcriptomics and proteomics data from the same cohort, we performed cis- Quantitative Trait Locus (QTL) mapping and identified 3,253 expression QTLs (eQTLs), 1,344 ribosome occupancy QTLs (rQTLs), and 657 protein QTLs (pQTLs) out of 7,458 genes from 185 samples. Of the eQTLs identified, only 34% have their effects propagated to the protein level. Further analysis on the effect size of prefrontal cortex eQTLs identified from an independent dataset clearly replicated the post-transcriptional attenuation of eQTL effects. We identified omics-specific QTLs and investigated their potential in driving disease risks. Using a variant based approach, we found expression-specific QTLs (esQTLs) for 1,553 genes, ribosome- occupancy-specific QTLs (rsQTLs) for 155 genes, and protein-specific QTLs (psQTLs) for 161 genes. Among these omics-specific QTL, 38 showed strong colocalization with brain associated disorder GWAS signals, 29 of them are esQTLs. Because a gene could contain multiple QTL signals, each could either be shared across omics or omics-specific, we aggregated QTL signals from each omics for each gene and found 11 brain associated disorder risk genes that are driven predominantly by omics-specific QTL, all of them are driven by variants impacting transcriptional regulation. This gene-based approach also enabled us to categorize risk genes containing both omics-specific and shared QTL signals. The limited number of GWAS colocalization discoveries from gene-based omics-specific mapping, however, prompted us to take a complementary approach to investigate the functional relevance of genes driven predominantly by attenuated eQTL signals. Using S-PrediXcan we identified 74 SCZ risk genes across the three omics, 30% of which were novel, and 67% of these risk genes were confirmed to be causal in a MR-Egger test using data from the corresponding omics. Notably, 52 out of the 74 risk genes were identified using eQTL data and 68% of these SCZ-risk-gene-driving eQTLs show little to no evidence of driving corresponding variations at the protein level. ConclusionThe effect of eQTLs on gene expression in the prefrontal cortex is commonly attenuated post- transcriptionally. Many of the attenuated eQTLs still correlate with GWAS signals of brain associated complex disorders, indicating the possibility that these eQTL variants drive disease risk through mechanisms other than regulating protein expression level. Further investigation is needed to elucidate the mechanistic link between attenuated eQTLs and brain associated complex disorders.

Autori: Qiuman Liang, Yi Jiang, Annie W. Shieh, Dan Zhou, Rui Chen, Feiran Wang, Meng Xu, Mingming Niu, Xusheng Wang, Dalila Pinto, Yue Wang, Lijun Cheng, Ramu Vadukapuram, Chunling Zhang, Kay Grennan, Gina Giase, Kevin P White, Junmin Peng, Bingshan Li, Chunyu Liu, Chao Chen, Sidney H. Wang

Ultimo aggiornamento: 2024-12-24 00:00:00

Lingua: English

URL di origine: https://www.biorxiv.org/content/10.1101/2023.06.04.543603

Fonte PDF: https://www.biorxiv.org/content/10.1101/2023.06.04.543603.full.pdf

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia biorxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili