Sci Simple

New Science Research Articles Everyday

# Biologia # Genética

Genética e Transtornos Neuropsiquiátricos: Desvendando as Complexidades

Mergulhe na genética por trás dos transtornos neuropsiquiátricos e suas conexões complexas.

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

― 9 min ler


Decodificando a Genética Decodificando a Genética Neuropsiquiátrica transtornos neuropsiquiátricos. Descubra como a genética influencia os
Índice

Transtornos neuropsiquiátricos são um grupo de doenças complexas que envolvem tanto o cérebro quanto o comportamento. Isso pode incluir condições como esquizofrenia, transtorno bipolar e transtorno do espectro autista. Entender o que causa esses transtornos é complicado, já que vários fatores, como genética, ambiente e fatores sociais, têm um papel. Se a gente imaginar, é como tentar descobrir por que um ensopado tem um sabor específico, quando pode ser a mistura dos ingredientes que o torna especial.

O Papel da Genética

Uma parte importante do quebra-cabeça é a genética. Cientistas há muito sabem que a genética pode influenciar o risco de desenvolver transtornos neuropsiquiátricos. Na verdade, muitos estudos mostram que se alguém da sua família tem uma condição, é mais provável que você também desenvolva. É como ter uma receita de família que parece passar de geração para geração e é deliciosa. Estudos Genéticos identificaram várias partes específicas do DNA, conhecidas como loci, associadas a diferentes transtornos. Recentemente, esses estudos se tornaram um grande campo de pesquisa graças aos avanços na tecnologia.

Estudos de Associação de Genoma Amplo (GWAS)

Os Estudos de Associação de Genoma Amplo, ou GWAS, são como caças ao tesouro onde os pesquisadores analisam todo o genoma humano para encontrar variantes genéticas ligadas a doenças. Milhares dessas variantes genéticas foram identificadas que parecem aumentar o risco de vários transtornos neuropsiquiátricos. No entanto, isso não significa que ter essas variantes garante que alguém vai desenvolver um transtorno. Pense nisso como ter um bilhete de loteria; só porque você tem um, não significa que vai ganhar o prêmio principal.

O Mistério das Regiões Não Codificantes

À medida que os pesquisadores aprofundaram os resultados dos GWAS, descobriram que muitas das variantes genéticas ligadas a transtornos estão localizadas em regiões não codificantes do DNA. Regiões não codificantes são as partes do DNA que não dizem diretamente às células como produzir proteínas, que é o trabalho do DNA codificante. Isso deixou os pesquisadores coçando a cabeça, já que a forma como essas regiões afetam a doença não é simples.

A Importância das Variantes Regulatórias

Variantes regulatórias nessas áreas não codificantes estão sendo vistas como fortes candidatas a influenciar o risco de doenças. Essas variantes podem afetar como os genes são ativados ou desativados, parecido com como um dimmer controla a intensidade de uma luz. É aqui que a Expressão Gênica entra em cena. Ao integrar informações sobre a expressão gênica com dados genéticos, os pesquisadores podem começar a identificar as variantes causais ou quais genes podem estar envolvidos no risco de transtornos neuropsiquiátricos.

Abordagens Multi-Ômicas

Nos últimos anos, os cientistas começaram a extrair mais informações de seus estudos genéticos usando abordagens multi-ômicas. Imagine tentar entender um filme apenas assistindo, sem nunca ler o livro ou conversar com o diretor. Multi-ômicas mistura diferentes tipos de dados biológicos: genética, expressão gênica, níveis de proteínas e mais, para criar um quadro mais completo.

Com os transtornos relacionados ao cérebro, integrar dados como sequenciamento de RNA (que nos diz sobre a expressão gênica), perfilagem de ribossomos (que dá pistas sobre como as proteínas são feitas) e proteômica (que mede a quantidade de proteínas) pode melhorar nossa compreensão de como essas variantes genéticas influenciam o risco de doenças. Essa combinação de dados oferece uma visão mais detalhada, como ter várias câmeras capturando diferentes ângulos do mesmo evento.

O Desafio da Transcrição e Tradução

No processo de entender a regulação gênica, os pesquisadores descobriram que só porque um gene é expresso, não significa que a proteína correspondente é produzida nas quantidades esperadas. É um pouco como assar um bolo; mesmo que você siga a receita, às vezes o bolo não cresce tanto quanto você pensou que ia. É aqui que entra a ideia da regulação translacional e pós-traducional.

A regulação translacional controla a eficiência de converter RNA em proteína, enquanto a regulação pós-traducional afeta como as proteínas se comportam depois de feitas. Essas camadas de controle significam que variantes que influenciam a expressão gênica podem se perder na tradução, literalmente!

Estudando o Cérebro

Ao estudar o cérebro, os cientistas analisam os tecidos cerebrais para entender como as variantes genéticas afetam a expressão gênica, a tradução e, em última instância, os níveis de proteínas. Em estudos recentes feitos com amostras de cérebro post-mortem, os pesquisadores coletaram vastas quantidades de dados para entender como as variantes genéticas afetam a síntese de proteínas no córtex pré-frontal, a área do cérebro responsável por comportamentos complexos.

Com a perfilagem de ribossomos, eles conseguem ver quão eficientemente os ribossomos (as máquinas que produzem proteínas) estão funcionando. Usando mais de 200 amostras de cérebro, os pesquisadores conseguiram capturar cerca de 62 bilhões de pontos de dados. Muita informação, né?

Encontrando Sinais Genéticos

Na busca para descobrir quais variantes genéticas realmente importam, os pesquisadores usaram algo chamado mapeamento de cis-QTL. Essa técnica ajuda a identificar variantes que influenciam a expressão gênica. Eles encontraram milhares dessas variantes, levando-os a concluir que muitas variantes genéticas têm diferentes forças e podem afetar a expressão gênica de várias maneiras.

Os pesquisadores também notaram que à medida que eles avançam da expressão gênica para as proteínas, o número de sinais significativos diminui drasticamente. É muito mais difícil encontrar as variantes que afetam a síntese de proteínas do que aquelas que afetam a expressão gênica. Isso sugere que quanto mais longe eles vão do gene para a proteína, menos clara se torna a conexão, como um jogo de telefone onde a mensagem original fica distorcida.

O Papel de Variantes Específicas

Diferentes tipos de QTLs foram identificados neste estudo, incluindo eQTLs (QTL de expressão), rQTLs (QTL de ocupação de ribossomo) e pQTLs (QTL de proteína). Cada tipo representa uma camada diferente de regulação, e os pesquisadores observaram que os QTLs de proteína tendiam a ter mais variantes codificadoras em comparação com os QTLs de expressão e ocupação de ribossomos.

Eles também descobriram que muitas dessas QTLs compartilhavam semelhanças com os genes conhecidos por estarem associados a transtornos neuropsiquiátricos. Isso ilustra como certas variantes genéticas podem aumentar os riscos para essas condições.

Colocalização com Transtornos Cerebrais

Uma parte crucial dessa pesquisa envolveu a busca por colocalização entre sinais de QTL e sinais genéticos conhecidos associados a transtornos cerebrais, como esquizofrenia. De fato, muitos sinais de QTL foram encontrados sobrepostos a sinais desses transtornos cerebrais, sugerindo que eles podem estar envolvidos no risco de desenvolver essas condições.

Encontrando Novos Genes de Risco

Os pesquisadores também identificaram novos genes de risco que ainda não haviam sido relatados. Isso foi possível devido à combinação de sua abordagem de dados multi-ômicos e à importância de certas variantes genéticas. Imagine encontrar tesouros escondidos que outros perderam porque não estavam usando o mapa certo!

Entre as novas descobertas de genes, alguns estavam ligados a funções importantes no cérebro, sugerindo que eles podem ajudar a explicar por que alguém pode ser mais vulnerável a desenvolver determinados transtornos neuropsiquiátricos.

Efeitos Transacionais em Ação

Os pesquisadores observaram que, enquanto muitas variantes genéticas afetavam significativamente a expressão gênica, seu impacto nos níveis de proteínas não era tão pronunciado. Isso levantou questões interessantes sobre como essas variantes podem influenciar a síntese de proteínas sem afetar os níveis de proteínas.

Comparando conjuntos de dados independentes de diferentes estudos, os pesquisadores conseguiram fortalecer suas conclusões. Eles descobriram que a regulação translacional parecia explicar uma maior redução do tamanho do efeito.

Implicações para Pesquisas Futuras

Ao juntar esses conjuntos de dados complexos, os pesquisadores estão conseguindo uma imagem mais clara de como genética, síntese de proteínas e transtornos neuropsiquiátricos se inter-relacionam. Os achados deles abrem novas avenidas para pesquisa, sugerindo que entender os mecanismos moleculares pode levar a melhores tratamentos e intervenções para esses transtornos.

Além disso, eles enfatizam o potencial de traduzir sinais genéticos em impactos no mundo real, destacando a importância de entender como os genes podem influenciar o comportamento e o risco de problemas de saúde mental.

Conclusão

Resumindo, a genética por trás dos transtornos neuropsiquiátricos é uma teia complicada de interações entre vários fatores. Ainda há muito a descobrir, e a jornada continua. À medida que eles se aprofundam e utilizam métodos inovadores, os pesquisadores esperam esclarecer ainda mais a compreensão dessas condições.

Quem diria que a genética poderia ser tão emaranhada, como espaguete? No entanto, com determinação e as ferramentas certas, os pesquisadores estão desenrolando essa massa da ciência, um fio de cada vez.

Fonte original

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

Resumo: 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.

Autores: 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

Última atualização: 2024-12-24 00:00:00

Idioma: English

Fonte URL: 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

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

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes