Sci Simple

New Science Research Articles Everyday

# Ciências da saúde # Medicina genetica e genomica

Novas descobertas sobre a Doença de Alzheimer e variantes raras

Cientistas descobrem como variantes genéticas raras influenciam o risco de Alzheimer.

Anjali Das, Chirag Lakhani, Chloé Terwagne, Jui-Shan T. Lin, Tatsuhiko Naito, Towfique Raj, David A. Knowles

― 6 min ler


Decodificando o Decodificando o Alzheimer: A Abordagem dos Variações Raras Alzheimer. genéticas importantes sobre a doença de Novo método revela descobertas
Índice

A Doença de Alzheimer (DA) é uma condição difícil que afeta principalmente a memória e a função cognitiva. É um tipo comum de demência que geralmente aparece em adultos mais velhos. As causas da DA são complexas e envolvem uma mistura de fatores genéticos e ambientais. Na verdade, estudos sugerem que a genética pode explicar cerca de 59% a 74% do risco de desenvolver Alzheimer.

O Que São Variantes Raras?

Na nossa composição genética, temos variações, que são basicamente as diferenças no nosso DNA. A maioria dessas variações é comum, ou seja, aparece com frequência na população. No entanto, algumas variações são raras e não aparecem em muitas pessoas. Essas são chamadas de variantes raras (VRs).

Variantes raras podem não ser tão conhecidas, mas podem ter um grande impacto na saúde. Elas costumam ter efeitos maiores do que variantes comuns, o que significa que se você tem uma, pode ter um impacto mais forte no seu risco de desenvolver doenças como Alzheimer.

O Desafio de Encontrar Variantes Raras

Os cientistas têm usado diferentes métodos para estudar como essas variantes raras se relacionam com a doença de Alzheimer. O problema é que a maioria dos métodos anteriores focava nas variantes comuns e deixava de lado as raras. Além disso, enquanto os pesquisadores encontraram mais de 100 locais genéticos comuns ligados ao Alzheimer, ainda não conseguiram explicar uma parte significativa do risco genético. É aqui que as variantes raras entram em cena.

Mas estudar variantes raras pode ser complicado. Existem muitas delas, e descobrir quais realmente podem afetar o Alzheimer é como achar uma agulha em um palheiro. A maioria dessas variantes provavelmente não tem efeito nenhum na nossa saúde. Por isso, filtrar as que têm menos impacto é bem importante.

O Papel das Anotações Funcionais

Para enfrentar esse desafio, os cientistas começaram a usar algo chamado anotações funcionais. Pense nisso como cartões de pontuação que indicam quão provável é uma variante afetar a saúde. Usando essas anotações, os pesquisadores podem avaliar a importância de diferentes variantes e priorizar quais estudar.

Apresentando uma Nova Abordagem

Para melhorar como estudamos variantes raras, os cientistas estão usando um novo método que combina o poder das anotações funcionais com uma abordagem de todo o genoma. Esse método não apenas olha cada variante isoladamente, mas também como elas funcionam juntas por todo o genoma.

O Que Esse Novo Método Faz?

  1. Foco na Função: Esse método considera quão biologicamente relevante uma variante é, dando mais peso às que provavelmente têm impacto no Alzheimer.
  2. Específico para Tipos Celulares: Ele analisa como diferentes tipos de células no cérebro podem ser afetados por essas variantes, especialmente em áreas como microglia, que desempenham um papel na saúde do cérebro.
  3. Poder de Previsão: Ao integrar várias fontes de dados, o método pode prever como essas variantes podem afetar o risco de desenvolver Alzheimer.

Aplicação na Vida Real

Os pesquisadores aplicaram esse novo método a um grande conjunto de dados de sequenciamento de genoma inteiro de pacientes com Alzheimer e controles saudáveis. Eles procuraram conexões entre variantes raras e a doença de Alzheimer, junto com anotações funcionais relacionadas à atividade gênica.

Resultados

Usando esse método, os pesquisadores identificaram vários genes ligados ao Alzheimer. Alguns desses genes já eram conhecidos por estarem envolvidos com a doença, enquanto outros foram novas descobertas. Entre os destaques estava um gene chamado TREM2, que já foi amplamente estudado por seu papel no Alzheimer.

A Importância dos Genes

Entender quais genes estão envolvidos pode ajudar os pesquisadores a identificar como o Alzheimer se desenvolve. Por exemplo:

  • TREM2: Esse gene desempenha um papel na resposta imune no cérebro. Variantes nesse gene podem aumentar o risco de Alzheimer.
  • MAF1: Embora não seja tão famoso, esse gene também foi ligado ao Alzheimer.
  • C9orf78: Recentemente identificado, esse gene pode também estar desempenhando um papel no desenvolvimento da doença.

Variantes Não Codificantes

Muita da pesquisa anterior focou em variantes codificantes, que são partes do gene que afetam diretamente a produção de proteínas. No entanto, a maioria da nossa variação genética ocorre em regiões não codificantes, que ainda são importantes, mas mais difíceis de estudar.

A nova abordagem incentiva os pesquisadores a explorarem essas variantes não codificantes. Priorizando variantes com base em seus efeitos previstos, eles podem encontrar conexões que poderiam ser perdidas.

Uma Maneira Inteligente de Combinar Dados

O novo método agrega dados de várias fontes, criando uma visão abrangente de como diferentes genes e variantes contribuem para o Alzheimer. Ele usa modelos estatísticos avançados para filtrar o ruído e identificar quais variantes são relevantes.

Estudos de Simulação

Os pesquisadores conduziram estudos de simulação para testar o novo método. Eles geraram dados sintéticos que imitavam situações da vida real para ver se o método conseguia identificar corretamente variantes importantes. Os resultados foram promissores, mostrando que o método capturou com precisão as relações que buscava estudar.

Conclusão

O campo da pesquisa sobre Alzheimer está evoluindo conforme os cientistas encontram novas maneiras de estudar variantes raras. A introdução de métodos que consideram a importância das anotações funcionais e adotam uma abordagem de todo o genoma oferece uma nova perspectiva. Ao identificar genes conhecidos e novos associados ao Alzheimer, estamos nos aproximando de entender essa doença complexa.

Resumindo, enquanto a doença de Alzheimer continua sendo um quebra-cabeça desafiador, os pesquisadores estão progredindo em desvendar seus mistérios. Com ferramentas que focam na importância das variantes raras, o futuro parece promissor para descobrir novas maneiras de prevenir, diagnosticar e tratar Alzheimer. E quem sabe? Talvez um dia a gente encontre a cura e possamos respirar um pouco mais aliviados—até lá, mantenha seu cérebro ativo e não esqueça de desafiá-lo com um quebra-cabeça ou dois!

Fonte original

Título: Leveraging functional annotations to map rare variants associated with Alzheimer's disease with gruyere

Resumo: The increasing availability of whole-genome sequencing (WGS) has begun to elucidate the contribution of rare variants (RVs), both coding and non-coding, to complex disease. Multiple RV association tests are available to study the relationship between genotype and phenotype, but most are restricted to per-gene models and do not fully leverage the availability of variant-level functional annotations. We propose Genome-wide Rare Variant EnRichment Evaluation (gruyere), a Bayesian probabilistic model that complements existing methods by learning global, trait-specific weights for functional annotations to improve variant prioritization. We apply gruyere to WGS data from the Alzheimers Disease (AD) Sequencing Project, consisting of 7,966 cases and 13,412 controls, to identify AD-associated genes and annotations. Growing evidence suggests that disruption of microglial regulation is a key contributor to AD risk, yet existing methods have not had sufficient power to examine rare non-coding effects that incorporate such cell-type specific information. To address this gap, we 1) use predicted enhancer and promoter regions in microglia and other potentially relevant cell types (oligodendrocytes, astrocytes, and neurons) to define per-gene non-coding RV test sets and 2) include cell-type specific variant effect predictions (VEPs) as functional annotations. gruyere identifies 15 significant genetic associations not detected by other RV methods and finds deep learning-based VEPs for splicing, transcription factor binding, and chromatin state are highly predictive of functional non-coding RVs. Our study establishes a novel and robust framework incorporating functional annotations, coding RVs, and cell-type associated non-coding RVs, to perform genome-wide association tests, uncovering AD-relevant genes and annotations.

Autores: Anjali Das, Chirag Lakhani, Chloé Terwagne, Jui-Shan T. Lin, Tatsuhiko Naito, Towfique Raj, David A. Knowles

Última atualização: 2024-12-08 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2024.12.06.24318577

Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.12.06.24318577.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 medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Artigos semelhantes