M.E.(cvs)-wetenschap

oktober 9, 2011

Integratie van klinische, genetische en proteïne-gegevens bij CVS

Filed under: Genetica — mewetenschap @ 12:26 pm
Tags: , , ,

Tot op heden is er geen persistente link van één bepaald pathogeen met M.E.(cvs) gevonden. Het blijft, tot nader order, onze mening dat wellicht verscheidene micro-organismen de aandoening kunnen triggeren maar dat sub-cellulaire factoren bepalen of iemand de ziekte ontwikkeld of niet. De genetische opmaak van het individu zal daar een rol bij spelen. Gen-expressie onderzoek lijkt ons dan ook van belang. Er zijn daaromtrent wel aanwijzingen maar echter nog geen duidelijke, consistente resultaten…

Stellen dat onderzoek naar het transcriptoom (verzameling van alle boodschapper-RNA (mRNA) molekulen – ‘transcripten’, tot expressie komende genen – geproduceerd in een cel of populatie van cellen) bij M.E.(cvs) daarom niet te rechtvaardigen zou zijn (zoals sommigen beweren), lijkt ons een stap te ver. De niet reproduceerbare resultaten zijn wellicht te wijten aan de (erkende) heterogeniteit binnen de ziekte. Onderzoekers dienen geschikte criteria te hanteren, de patiënten te verdelen in homogene subgroepen en rekening te houden met symptoom-domeinen (onderverdelen in herkenbare en stabiele kenmerken met een waarschijnlijke biologische associatie). Het is ook van belang de gen-expressie (‘gen-signatuur’) op te volgen met het verloop van de ziekte. (Zie de artikels onder ‘Genetica’ op de overzicht-pagina.)

De auteurs van onderstaand artikel keken ook nóg verder: naar hoe verschillende genen geassocieerd zijn, hoe hun ‘netwerken’ veranderen. Op basis van resultaten van eerder werk door anderen bouwden ze op 2 manieren dergelijke netwerken om aanwijzingen te krijgen welke genen van belang zouden kunnen zijn bij M.E.(cvs). De genen die gemeenschappelijk zijn in de 2 netwerken zouden wel es verantwoordelijk kunnen zijn voor bepaalde aspecten van M.E.(cvs) of de symptomen ervan en verdienen verder onderzocht te worden…

*************************

Bioinformation. 2011 Apr 22;6(3):120-4

Meta analysis of Chronic Fatigue Syndrome through integration of clinical, gene-expression, SNP and proteomic data

Vasyl Pihur1, Somnath Datta2 & Susmita Datta2

1The Johns Hopkins University, McKusick-Nathans Institute of Genetic Medicine, Baltimore, MD 21205

2University of Louisville, Department of Bioinformatics and Biostatistics, Louisville, KY 40292, USA

Samenvatting

We beginnen met het construeren van gen-gen associatie-netwerken op basis van ongeveer 300 genen waarvan de expressie-waarden variëren tussen de groepen CVS-patiënten (plus controle). Verbonden componenten (modules) van deze netwerken worden verder gecontroleerd op hun voorspellend vermogen voor symptoom-ernst, genotypen van twee ‘single’ nucleotide polymorfismen (SNP) waarvan bekend is dat ze geassocieerd zijn met symptoom-ernst en intensiteit van de tien meest discriminerende proteïne-kenmerken. We maken gebruik van twee verschillende netwerk-construktie methoden en kiezen de gemeenschappelijke genen geïdentificeerd via beide, voor bijkomende validatie. Onze analyse identificeerde elf genen die een belangrijke rol zouden kunnen spelen bij bepaalde aspecten van CVS of gerelateerde symptomen. In het bijzonder: het gen WASF3 (alias WAVE3) regelt mogelijk hersen-cytokinen die betrokken zijn bij het mechanisme van vermoeidheid via het p38 MAPK regulerend mechanisme.

Achtergrond

Chronisch Vermoeidheid Syndroom (CVS) is een relatief zeldzame, slecht begrepen, complexe aandoening die wordt gekenmerkt door ernstige en chronische fysieke en mentale vermoeidheid die niet toe te schrijven is aan andere oorzaken (ziekten), die soms gepaard gaat met andere symptomen, zoals een zwakke immuun-respons, problemen met de spijsvertering en depressie. Er is de voorbije jaren door de ‘CVS Groep’ bij het CDC veel moeite gedaan om klinische, gen-expressie, genotypische en proteomica [proteoom = verzameling proteïnen in een biologisch staal] data te verzamelen, in een poging een genetische basis voor CVS te vinden. Ook al werden deze gegevens door tal van onderzoekers (en onderzoek-teams) geanalyseerd – resulterend in een speciale uitgave van het tijdschrift Pharmacogenomics [Vernon SD, Reeves WC. The challenge of integrating disparate high-content data: epidemiological, clinical and laboratory data collected during an in-hospital study of Chronic Fatigue Syndrome. Pharmacogenomics (2006) (3):345-54; zie: ‘Genen-studies bij CVS door het CDC] – en maakten ze ook deel van de ‘Critical Assessment of Micro-array Data Analysis (CAMDA)’ conferentie in 2006, toch was het succes dubbelzinnig en beperkt. Omdat genen niet alleen handelen, bijzonderlijk bij een complexe aandoening zoals CVS, bestuderen we – bij onze poging deze gegevens via een systeem-biologische aanpak te analyseren – groepen van genen (de zogenaamde modules) verkregen via gen-gen associatie-netwerken. […] We identificeren elf “interessante” genen die een belangrijke rol kunnen spelen bij bepaalde aspecten van CVS of verwante symptomen. In het bijzonder: het gen WASF3 (alias WAVE3) dat mogelijk de hersenen-cytokinen regelt die betrokken zijn bij het mechanisme van vermoeidheid via het p38 MAPK regulerend mechanisme. Een voorlopige versie van dit werk werd gepresenteerd op de CAMDA conferentie van 2007 [Pihur V et al. Understanding Chronic Fatigue Syndrome (CFS) from CAMDA data: A systems biology approach. CAMDA 2007 Conference Paper].

Methodologie

De ‘CDC Chronic Fatigue Syndrome Research Group’ leverde data-sets op bestaande uit klinische, micro-array [‘gen-chips’], proteomica en SNP-gegevens. […] 227 individuen vulden zelf-rapportering vragenlijsten in en gaven bloed voor labo-analyse. Bij velen werden ook micro-array (163) en proteomica (63) gegevens verzameld met de bedoeling een biologische (genetische) basis voor CVS te ontdekken. Hier integreren we klinische, micro-array, SNP en proteomica data.

Micro-array data

De CAMDA 2006 micro-array data omvatten 177 arrays […] onze analyse werd aangevat met 163 arrays. […]

Klinische gegevens

UItgebreide informatie over 227 individuen die kan worden gelinkt met micro-array en SNP gegevens […].

SNP-data

42 SNP’s voor 10 verschillende genen werden getypeerd. Voor deze analyse selekteerden we 2 SNP’s, hCV245410 (op het TPH2 gen) en hCV7911132 (op het SLC6A4 gen), die eerder geassocieerd bleken met CVS-ernst [Presson A et al. Integration of genetic and genomic approaches for the analysis of Chronic Fatigue Syndrome implicates forkhead box n1. CAMDA 2006 Conference Paper].

Proteomica-data

Er waren proteïnen-spectra beschikbaar van 63 individuen. […]

Statistische analyse

De eerste stap was het identificeren van een set genen met differentiële expressie tussen verschillende groepen individuen. Ziekte-status werd afgeleid uit het klinisch deel van de CVS-gegevens. Alle individuen opgenomen bij de micro-array studie werden geklassificeerd in 5 verschillende groepen: CVS (n = 45), Niet-vermoeiden (n = 34 controles zonder CVS), ISF (n = 45 vermoeide personen die niet als CVS kunnen worden geklassificeerd omdat ze te weinig symptomen hebben), ISF-MDDm (n =20 ISF-individuen met melancholische depressie) en CFS-MDDm (n = 19 CVS-individuen met melancholische depressie). […] 286 genen bleken differentiële expressie te hebben (p-waarden < 0.01). […]

Netwerk construktie en identificatie van geassocieerde genen-sets

Om de relaties tussen de geselekteerde 286 genen beter te begrijpen qua interakties/associaties, gebruikten we twee netwerk-inferentie technieken op basis van berekeningen. De eerste methode is gebaseerd op de ‘Partial Least Squares’ regressie (PLS) [partiële kleinste kwadraten’], terwijl de tweede methode gebaseerd is gebaseerd op de ‘Partial Correlations’ (PC) [‘partiële correlaties’]. […]

Voorspelling van symptoom-ernst

Na het identificeren van clusters geassocieerde/ interagerende genen, onderzochten we het vermogen van elke module om de CVS-ernst te voorspellen. […]

SNP associatie

We bestudeerden dan hoe doeltreffend elke gen-cluster (module) de genotypes van de 2 SNP’s, hCV245410 en hCV7911132, die geassocieerd bleken met symptoom-ernst, kan voorspellen. […]

Integratie van proteomica-data

[…]

Bespreking

Twee gen-associate modules [Gen-Gen Associatie Netwerk geconstrueerd via de PLS-methode’ en het ‘Gen-Gen Associatie Netwerk geconstrueerd via de PC-methode’] zijn van belang op basis van hun voorspellend vermogen van de symptoom-ernst, ten minste één van de SNP-genotypes en de intensiteit van de geïdentificeerde proteoom-analyse kenmerken. De eerste cluster is afkomstig van het ‘PLS’-netwerk en de andere van het ‘PC’-netwerk. Elf genen bleken gemeenschappelijk voor deze twee genen-modules [WASF3 (cellulaire organisatie en biogenese, metabolisme), NUP98 (cellulaire organisatie en biogenese, transport, DNA-replicatie), PRUNE (energie-produktie en conversie), KIRREL (signaal-transductie, cellulaire adhesie), TNK2 (cellulaire organisatie en biogenese, signaal-transductie, proteïne aminozuur fosforylatie), EIF3S8 (proteïne-biosynthese), HOXA1 (transcriptie) PMS2L5 (DNA-herstel), HDAC7A (DNA-metabolisme, transcriptie), GPR41 (signaal-transductie) & MAP3K2 (proteïne aminozuur fosforylatie)] De GO [‘Gene Ontology’; weergave van de eigenschappen van genen en gen-produkten] noteringen werden gewonnen uit de ‘BioGrid online repository’ [vrij toegankelijke database met fysieke en genetische interakties] en de ‘pathway’-analyse werd uitgevoerd met behulp van de ‘DAVID web-tools’ [‘Database for Annotation, Visualization and Integrated Discovery’] ter aanvulling van de bestaande literatuur. Het is aannemelijk dat deze genen verantwoordelijk zijn voor bepaalde aspecten van CVS of de symptomen ervan. Van het eerste gen op de lijst WASF3 (alias WAVE3) [WAVE3 is een lid van de WASP/WAVE proteïnen-familie, die een kritieke rol speelt bij de regulering van actine-polymerisatie, organisatie van het cytoskeleton en cel-motiliteit (-beweeglijkheid). Bij proefdieren waar het WAVE3 proteïne werd uitgeschakeld, verminderen fosfo-p38 MAPK waarden (downregulering van p38 aktiviteit). De effekten wijzen op de regulering door WAVE3 van het actine-cytoskeleton, cel-motiliteit en invasie via het p38 MAPK mechanisme.] wordt gedacht dat het deelneemt in het p38 MAPK [p38 ‘mitogen activated protein’ (MAP) kinase reageert op extracellulaire stimuli (mitogenen) en reguleert verscheidene cellulaire aktiviteiten, zoals gen-expressie, celdeling, differentiatie en cel-overleving/apoptose. p38 MAP-kinase inhibitoren zouden waarschijnlijk de produktie van pro-inflammatoire cytokinen en signaal-transductie kunnen blokkeren.] regulerend pad [Sossey-Alaoui K, Ranalli TA, Li X, Bakan AV, Cowell JK. WAVE3 promotes cell-motility and invasion through the regulation of MMP-1, MMP-3 and MMP-9 expression. Exp Cell Res. (2005) 308: 135-45]. Aan de andere kant werd in dier-model studies aangetoond dat de regulatie van brein-cytokinen via p38 MAPK betrokken is bij de centrale mechanismen van vermoeidheid en daardoor een rol kan spelen in de pathogenese van de CVS. De lijst bevat ook auto-immuun respons gen NUP98 [‘Nuclear pore complex protein Nup98-Nup96’, transport-processen tussen cel-kern en cytoplasma verlopen via het ‘nuclear pore complex’ (NPC) dat bestaat uit ca. 50 unieke proteïnen, nucleoporinen genaamd] en genen betrokken bij tumor-aktiviteiten (PRUNE, TNK2, HOXA1). Gen-expressie van HDAC7A [codeert voor het enzyme histoon-deacetylase; histoon-acetylatie/-deacetylatie verandert de struktuur van chromosomen en beïnvloedt de toegang van transcriptie-factoren tot DNA] bleek gecorreleerd met onverklaarde vermoeidheid in een studie [Whistler T, Taylor R, Craddock RC, Broderick G, Klimas N, Unger ER. Gene-expression correlates of unexplained fatigue. Pharmacogenomics (2006) 7: 395-405]. Een rol van het gen GPR41 [ook ‘free fatty acid’ receptor 3 (FFA3) genaamd, een G-proteïne gekoppelde receptor (GPCR), lid van een grote proteïnen-familie trans-membraan receptoren die molekulen buiten de cel ‘voelen’ en in de cel signaal-transductie mechanismen aktiveren] bij auto-immuun aandoeningen, inclusief CVS, werd reeds geopperd [Staines D. Are vasoactive neuropeptide auto-immune fatigue-related disorders mediated via G protein coupled receptors? Med. Hypotheses (2005) 65: 29-31; zie ook ‘Fosfodiesterase-inhibitoren tegen vermoeidheid?].

Besluit

Het is mogelijk en misschien wenselijk om informatie te integreren uit verschillende experimentele platformen ten einde complexe aandoeningen te begrijpen. De bevindingen van deze studie zijn gebaseerd op ‘data-mining’ benaderingen gebruikmakend van klinische, gen-expressie, SNP en proteomica gegevens. De voorspellende modellen die hier werden verkregen kunnen bepaalde aspecten van CVS verklaren en een pad effenen voor verdere experimentele validatie.

Geef een reactie »

Nog geen reacties

RSS feed for comments on this post. TrackBack URI

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit / Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit / Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit / Bijwerken )

Google+ photo

Je reageert onder je Google+ account. Log uit / Bijwerken )

Verbinden met %s

Maak een gratis website of blog op WordPress.com.

%d bloggers op de volgende wijze: