Cellulaire en molekulaire signaturen bij CVS en andere vermoeidheid-ziekten

Een groep onderzoekers gelieerd aan de ‘Icahn School of Medicine @ Mount Sinai’ (New York City) rapporteert hier over zgn. molekulaire signaturen die volgens hen M.E.(cvs) identificeren. Hun (zeer gecompliceerde) analyses (o.a. genen met differentiële expressie) wijzen op een onderliggende immune en metabole ontregeling die ook aanwezig is bij andere klinisch gelijkaardige ziekten (bv. de ziekte van Lyme en herstellende COVID-19). De belangrijkste sturende factoren blijken van cruciaal belang voor een normaal funktioneren. Men vermeldt specifiek een aantal genen die mogelijks tot een behandeling zouden kunnen leiden en dus tot verder onderzoek nopen…

MXD1: codeert voor het MAD proteïne dat o.a. interageert. met histoon-deacetylase 2 (enzyme dat de struktuur van chromosomen verandert en de toegang van transcriptie-factoren tot DNA beïnvloedt – bleek eerder al verhoogd bij M.E.(cvs): ‘Verhoogd HDAC samen met verlaagd Cortisol bij ouderen met CVS’)

STX3: codeert voor het eiwit syntaxine-3 dat een belangrijke rol speelt bij de groei van neurieten

DYSF: codeert voor dysferline, een proteïne dat verbonden is met herstel van skeletspieren

LYN: codeert voor het tyrosine-proteïne-kinase lyn, een enzyme betrokken bij de regulering van cel-aktivatie

MLL2 (of histoon-lysine N-methyltransferase 2D, KMT2D): essentieel voor cel-differentiatie

NCOA2: codeert voor nucleaire receptor co-activator 2, een transcriptie-coregulator (interageert met transcriptie-factoren om het overschrijven van DNA te aktiveren of onderdrukken)

PTPRE: codeert voor het enzyme receptor-type tyrosine-proteïne fosfatase epsilon, een signalisering-molekule dat verscheidene cellulaire processen regelt, interageert ook met een kalium-ionkanaal

REPS2: codeert voor RalBP1-geassocieerd Eps domein-bevattend proteïne 2, onderdeel van een complex dat de endocytose (opname van extra-cellulaire macro-molekulen in de cel via insluiting door het celmembraan) van groeifactor-receptoren reguleert

RP11-701P16.2 (nog niet gekarkakteriseerd proteïne)

TECPR2: codeert voor tectonine beta propeller’ repeat’ bevattend proteïne 2, betrokken bij autofagie (proces waarbij de cel eigen cel-produkten verteert, opruimen van beschadigde mitochondrieën)

TUBB1: codeert voor tubuline beta-1 keten, hoofdbestanddeel van microtubuli (buisvormige eiwit-strukturen)

————————-

medRxiv (2021) Pre-print

A Molecular network approach reveals shared cellular and molecular signatures between Chronic Fatigue Syndrome and other fatiguing illnesses

Phillip H. Comella (1,2,3), Edgar Gonzalez-Kozlova (1), Roman Kosoy (1), Alexander W. Charney (1,2,4,5), Irene Font Peradejordi (1,2,6), Shreya Chandrasekar (1,2,6), Scott R. Tyler (1), Wenhui Wang (1), Bojan Losic (1), Jun Zhu (1,2), Gabriel E. Hoffman (1), Seunghee Kim-Schulze (7), Jingjing Qi (7), Manishkumar Patel (7), Andrew Kasarskis (1,2,8), Mayte Suarez-Farinas (1,2), Zeynep H. Gümüş (1,2), Carmen Argmann (1,2), Miriam Merad (7,9,10,11), Christian Becker (12), Noam D. Beckmann (1,2), Eric E. Schadt (1,2,13)

1. Department of Genetics and Genomic Sciences, Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
2. Icahn Institute of Data Science and Genomics Technology, New York, NY 10029
3. Graduate School of Biomedical Sciences, Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
4. Department of Psychiatry, Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
5. Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
6. Cornell Tech at Cornell University, New York, NY, 10044, USA
7. Human Immune Monitoring Centre, Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
8. Department of Population Health Science and Policy at the Icahn School of Medicine at Mount Sinai
9. Tisch Cancer Institute, Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
10. Precision Immunology Institute, Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
11. 11.Department of Oncological Sciences, Icahn School of Medicine at Mount Sinai, New York, NY, 10029, USA
12. Westchester Medical Centre, Valhalla, NY 10595USA
13. Sema4, Mount Sinai venture, Stamford CT, 06902, USA

Samenvatting

De molekulaire mechanismen van Chronische Vermoeidheid Syndroom (CVS, of Myalgische Encefalomyelitis), een ziekte die wordt gedefinieerd door extreme, langdurige vermoeidheid, blijven grotendeels ongekarakteriseerd, en tot op heden bestaan er geen molekulaire diagnostische testen en geen specifieke behandelingen. […] Er is bezorgdheid over een ‘long-hauler’ versie van Coronavirus-ziekte 2019 (COVID-19) die symptomatisch overlapt met CVS – wat lijkt te voorkomen bij 10% van de COVID-19 patiënten. Hier staven we molekulaire signaturen voor CVS en een corresponderende netwerk ziekte-context op basis van gegevens van RNA-sequentiebepalingen gegenereerd uit totaal-bloed en FACS [fluorescentie-geaktiveerde cel-sortering; scheiding van cel-populaties na labeling met een fluorescent antilichaam] specifieke peripfer-bloed mononucleaire cellen (PBMCs) geïsoleerd bij CVS-gevallen en niet-CVS controles. De immuuncel-type specifieke molekulaire signaturen voor CVS die we identificeerden, overlappen molekulaire signaturen voor andere vermoeidheid-ziekten, wat een gemeenschappelijke molekulaire etiologie aantoont. Bovendien identificeerden we, na constructie van een probabilistisch [probabilisme = leer van de waarschijnlijkheid: ‘de werkelijkheid bestaat maar kan nooit volledig kan worden gekend’] causaal model van de CVS gen-expressie gegevens, ‘master regulator’ genen die netwerk-toestanden moduleren geassocieerd met CVS, welke potentiële therapeutische doelwitten voor CVS suggereren.

Inleiding & resultaten

Er bestaat aanzienlijke controverse over het feit of CVS één of meerdere oorzaken heeft en of de resulterende symptomen somatisch of psychosomatisch zijn [Geraghty K et al. The ‘cognitive behavioural model’ of Chronic Fatigue Syndrome: Critique of a flawed model. Health Psychol Open (2019) 6; zie ook ‘Medisch onverklaarde symptomen behandelen via psychotherapie: substantiële beperkingen’]. Eerdere studies stelden virale infekties voor als een mogelijke oorzaak voor CVS maar tot op heden werd niet één (of een set) virus(sen) gerapporteerd als zijnde oorzakelijk geassocieerd met het syndroom. Er werden ook andere hypothesen naar voor gebracht: immuunsysteem-abnormaliteiten, NK- & T-cel dysfunktie, cytokine-ontregelingen, endocrinologische en metabole abnormaliteiten, en miRNA-associaties met ziektegraad. Door het gebrek aan begrip over CVS, zijn potentiële therapieën schaars. Preliminaire gegevens suggereren voordelige effekten van B-cel depletie via anti-CD20 monoklonale antilichamen (rituximab) [gecontesteerd] bij een subgroep CVS-patiënten, alsook lage-dosis naltrexon, maar er is tot op heden geen behandeling die consistent en onomstotelijk doeltreffend bleek.

Om inzichten te verwerven omtrent de molekulaire processen die aan de basis liggen van CVS, voerden we een studie uit met 15 patiënten met de diagnose van CVS en 15 voor leeftijd, geslacht en BMI gematchte controles. De diagnose CVS werd gesteld gebruikmakend van de Fukuda Criteria, de Canadese Consensus Richtlijnen en ge-update internationale consensus criteria, maar met uitsluiting van gerelateerde aandoeningen zoals majeure depressie, collageen-vasculaire ziekten (CVD), neuromusculaire ziekten (NMD) en significante cardiale of pulmonaire co-morbiditeiten. Alle deelnemers ondergingen een matige-intensiteit cardiopulmonaire inspanningtest (CPET), met bloed-afname onmiddelllijk vóór de CPET en 24, 48 & 72 h post-CPET. Naast de CPET was er een klinisch onderzoek met ECG, standaard metabole bloedtesten, lengte & gewicht, hartslag en bloeddruk in rust, en een bevraging van de gezondheidstoestand. De cellen in het totaal-bloed werden gesorteerd in B-cellen, granulocyten, monocyten, ‘Natural Killer’ (NK) cellen en T-cellen (binnen de 4 h na afname) en verwerkt voor RNA-sequentiebepaling. Analyses van de differentiële expressie (DE) toonden geen statistisch significante (FDR < 0.05 [FDR (‘false discovery rate’, aantal vals positieve resultaten) ‘adjusted’ p-waarde]) gen-expressie verschillen voor geen enkele van de tijdstippen (gevallen vs. controles) voor geen enkele van de celtypes. Het matigen van de FDR-drempel tot < 0.1 resulteerde in signaturen op enkele tijdstippen (CVS B-cel tijdstip 1-2; CVS NK tijdstip 1-4, 2-4, 3-4; CVS monocyt tijdstip 1-4; CVS totoaal-bloed tijdstip 1-2, 2-4; Controle totaal-bloed tijdstip 3-4). Verder werd geen statistisch significant verschil tussen de tijdstippen geobserveerd voor gegevens verzameld met de ‘Modified Fatigue Impact Scale’ (MFIS) vragenlijst, Karnofsky-scores of klinische onderzoeken, hoewel patiënten verhoogde lichamelijke vermoeidheid (0-10) tussen tijdstip 1 en tijdstippen 2 & 3 rapporteerden – wat consistent is met eerdere bevindingen (CPET lijkt geen significant effekt te hebben op molekulaire verschillen bij CVS [bv. Bouquet J et al. Whole blood human transcriptome and virome analysis of ME/CFS patients experiencing post-exertional malaise following cardiopulmonary exercise testing. PLoS One (2019) 14: e0212193]). Deze resultaten suggereren de noodzaak voor een intenser inspanning-protocol en/of grotere groepen om te bepalen of post-exertionele malaise een impact kan hebben op de molekulaire toestanden. Gezien het ontbreken van een CPET-geassocieerde signatuur, worden voor alle verdere hier gepresenteerde analyses de tijdsgegevens behandeld als biologische kopieën.

We voerden een uitgebreide analyse uit van de gegevens van een RNA-sequentiebepaling om totaal-bloed alsook specifieke immuuncel-types van alle deelnemers te bekijken. Het eerste deel van onze analyse betrof het sturen van de RNA-sequentiebepaling gegevens door een virale/klonale detektie-sequentie. Om de variantie-verschillen voor gans het viroom [verzameling virussen in en op het menselijk lichaam] tussen gevallen en controles te visualiseren, voerden we ‘principal component analysis’ (PCA [wiskundige procedure om een set observaties van mogelijks gecorreleerde variabelen om te zetten naar een set waarden van niet-gecorreleerde variabelen, genaamd ‘principal components’ (PCs; belangrijkste componenten)] op totaal-bloed uit. De eerste twee PCs vertegenwoordigden ca. 30% van de totale variantie, wat een scheiding tussen gevallen en controles voor PC2 (ca. 10% van de total variantie) onthulde, suggestief voor verschillen qua totale virale lading tussen de groepen. Om deze verschillen verder te karakteriseren, onderzochten we op verschillen qua verdeling van de virale lading tussen gevallen en controles [2 statistische testen]. Beide testen waren significant (p < 0.0001).

Gezien de belangrijke rollen die T- & B-cellen spelen in de immuuncel-funktie, bekeken we de klonaliteit van elk celtype [kloon = groep identieke cellen die een gemeenschappelijke afkomst delen] […]. We zagen […] een minder diverse populatie T- & B-cel klonen bij de gevallen t.o.v. de controles (p < 0.0001), suggestief voor een ontregeling van deze celtype-populaties bij de gevallen.

Om molekulaire signaturen voor CVS vast te stellen, voerden we DE en ‘Machine Learning Feature Selection’ (MLFS, [‘machine-learning’ = het ontwerpen en ontwikkelen van instruktie-lijsten die computers moeten toelaten ‘gedragingen’ te ontwikkelen/voorspellingen te maken op basis van empirische gegevens] analyses uit, met benutting van zowel lineaire (DE) als niet-lineaire (MLFS, ‘random forest’ [een (computer) leer-methode voor klassificatie die werkt via het construeren van meerdere beslissing-‘bomen’ via training, die dan een klassificatie of voorspelling oplevert]) benaderingen om gen-expressie kenmerken geassocieerd met gevallen/controles te identificeren. De niet-lineaire MLFS strategie werd aangewend om het breedst mogelijke net uit te werpen, ter identificatie van genen die werden beschouwd als zijnde significant geassocieerd met gevallen/controles […], terwijl de lineaire DE strategie werd aangewend om directionaliteit [up- of downregulering] van de gen-expressie veranderingen te bepalen tussen gevallen en controles, voor die genen die werden geïdentificeerd via de MLFS-procedure.

Onze MLFS-strategie resulteerde in 10 unieke klassificerende factoren [‘classifiers’] opgebouwd per celtype, per tijdstip, die dan werden getest tegen 10 unieke ‘hold-out’ test-sets [gegevens waarmee de prestaties van het ‘machine-learning’ model getest wordt]. ‘Classifiers’ opgebouwd uit B-cel, T-cel, granulocyt & NK-cel signaturen hadden allen een gemiddelde ‘receiver operating characteristic area under the curve’ (ROC AUC) > 0.80 (een ROC AUC van 0.50 wordt verwacht bij toeval [indicatie voor de voorspellende waarde van een variabele of instrument; de ROC-curve is een grafiek van de gevoeligheid tegen de specificiteit /// ‘area under the curve’ (AUC) of oppervlakte onder de curve; samenvattende maatstaf die in wezen het gemiddelde maakt van de diagnostische accuraatheid over het spectrum van de test-waarden: een AUC = 1 betekent een perfekte test; AUC = 0.90-1 is excellent (hoge sensitiviteit en hoge specificiteit), 0.80-0.90 is goed]), met B-cel signaturen die het meest voorspellend bleken in termen van gemiddelde ROC AUC (0.87 voor B-cellen). Modellen opgebouwd op basis van totaal-bloed hadden een ROC AUC = 0.63, suggererend dat totaal-bloed wellicht te veel ruis vertoonden om een betekenisvolle ziekte-signatuur te detekteren. Het vermogen van onze CVS-‘classifiers’ om voorspelbaarheid te tonen in deze studie is indicatief voor molekulaire verschillen tussen CVS-gevallen en controles. Er zal verder in dit artikel naar deze via MLFS gevonden genen, samen met hun via DE gedetekteerde expressie-directionaliteit, worden verwezen als de CVS-signaturen.

Om de overéénkomsten van de DE-signaturen voor de verschillende celtypes te bepalen, berekenden we de Jaccard index [gelijkenis-coëfficiënt] voor alle signatuur-paren. Deze resultaten tonen dat de signaturen grotendeels uniek zijn voor de celtypes, maar dat genen die ge-up(down)reguleerd zijn binnen elk celtype, samen clusteren voor de celtypes. De top 2 gen-ontologie (GO) termen [gestandardiseerde weergave van de eigenschappen van genen en gen-produkten] aangerijkt in elke richting van de celtype-specifieke CVS-signaturen, beklemtoont enkele van de biologische processen (bv. immune, metabole en transcriptionele ontregeling) die ontwricht kunnen zijn bij CVS-gevallen vergeleken met controles. Op niveau van de DE-signaturen bestaat er weinig overlap tussen de mechanismen die het meest significant aangerijkt zijn voor de celtypes.

Om de sub-netwerken en paden die ontwricht kunnen zijn bij CVS beter te karakteriseren, construeerden we 6 co-expressie netwerken om de gen-expressie gegevens in coherente sub-netwerken van co-gereguleerde genen (modules) te organiseren, voor elk van de 6 celtypes (inclusief totaal-bloed) die in onze studie werden geprofileerd. Terwijl MLFS en DE helpen bij de identificatie van de beste kenmerken ter onderscheiding van gevallen en controles, laat de co-expressie netwerk struktuur ons toe alle gen-expressie eigenschappen te organiseren in co-gereguleerde groepen genen (modules) die de individueel geïdentificeerde MLFS/DE-kenmerken in een biologische relevantere context plaatsen. Via de co-expressie netwerk analyse identificeerden we 119 co-expressie modules die de 6 co-expressie netwerken voor alle celtypes overspannen. Interessant: 56 van de 119 modules waren significant aangerijkt voor de CVS-signaturen.

We onderzochten de top 5 modules die aangerijkt bleken bij CVS gerangschikt per […] p-waarde: 1) Module 4 (M4) geïdentificeerd in het NK-cel netwerk (NK M4 […]); 2) B-cel M7 […]; 3) monocyt M6 […]; 4) NK M13 […]; 5) NK M9 […], op aanrijking van gepubliceerde signaturen van andere vermoeidheid-ziekten of ziekten waar een sterke inflammatoire component bij betrokken is: ‘Multisystem Inflammatory Syndrome in Children’ (MIS-C), ‘Kawasaki Disease’ (KD [inflammatie van de bloevaten]), ‘Macrophage Activation Syndrome’ (MAS [ongecontroleerde aktivatie en proliferatie van of macrofagen, met toegenomen circulerende cytokinen, getriggerd door virale infektie of medicatie]), ‘Neonatal Onset Multisystem inflammatory Disease’ (NOMID [zeldzame, systemische, inflammatoire aandoening]), ziekte van Lyme, aktieve influenza (IAV), aktieve COVID-19, vroege herstel-fase na COVID-19, ‘Mixed Connective Tissue Disease’ (MCTD [gemengde bindweefsel-ziekte; een auto-immuun ziekte]), Sjögren’s Syndroom (SJS), Systemische Lupus Erythematosus (SLE), Systemische Sclerose (SSC [chronische auto-immuun ziekte met verharding van (huid)bindweefsel]), ‘Undifferentiated Connective Tissue Disease’ (UCTD [diagnose gesteld bij bewijs van een auto-immune aandoening die niet voldoet aan de criteria voor een specifieke auto-immuun ziekte]), Primair Antifosfolipiden Syndroom (PAPS [auto-immuun ziekte gekenmerkt door antilichamen tegen fosfolipiden, met verhoogde stollingsneiging als belangrijkste symptoom]) & Reumatoïde Artritis (RA). De top CVS-modulen zijn aangerijkt voor veel van deze ziekte-signaturen, zoals as MIS-C, Lyme & COVID-19, maar zijn in het bijzonder niet aangerijkt voor de auto-immune signaturen. Er werden gelijkenissen tussen CVS, COVID-19 en chronische Lyme gesuggereerd op een klinisch niveau, en onze gegevens suggereren verder een gedeelde molekulaire etiologie.

Om deze CVS-modules verder te karakteriseren, zochten we naar biologische processen en paden die ook aangerijkt waren. NK M4 [RNA-verwerking (up), metabool proces niet-coderende RNA transcripten (up), sekretie (down), immuunsysteem proces (down)] bleek de module die het sterkst geassocieerd is met CVS […] en was ook aangerijkt bij de ‘herstellende COVID-19’ signatuur […], wat een molekulaire link benadrukt die kan helpen verklaren waarom zoveel herstelde COVID-19 patiënten CVS-achtige symptomen lijken te ervaren. Het top biologisch mechanisme geassocieerd met NK M4 was MAPK-cascade [‘mitogen activated protein’ (MAP) kinasen reageren op extracellulaire stimuli (mitogenen) en reguleren verscheidene cellulaire aktiviteiten, zoals gen-expressie, celdeling, differentiatie en cel-overleving/apoptose] […], consistent met in vitro bevindingen omtrent MAPK-ontregeling in NK-cellen van CVS [Huth TK, Staines D & Marshall-Gradisnik S. ERK1/2, MEK1/2 and p38 downstream signalling molecules impaired in CD56^dim CD16⁺ and CD56^bright CD16^dim/- natural killer cells in Chronic Fatigue Syndrome/ Myalgic Encephalomyelitis patients. J Transl Med (2016)14: 97; zie ook ‘Rol van adaptieve en aangeboren immuun-cellen bij M.E.(cvs)’] & COVID-19. De Lyme-signaturen waren aangerijkt voor het grootst aantal top CVS-modulen; 4 van de top 5 CVS-aangerijkte modules waren ook aangerijkt voor de chronische Lyme-signatuur (suggestief voor een potentiële molekulaire link tussen CVS en chronische Lyme, zoals eerder beschreven). De top biologische paden geassocieerd met deze 4 modules omvatten MAPK-cascade (NK M4 […]), ‘KRAS Signaling Up’ [genen die ge-upreguleerd zijn door KRAS (coderend voor een onderdeel van het MAPK pad) -aktivatie] (monocyt M6 […]), neutrofielen-degranulatie (B-cel M7 […]) en bloedplaatjes alfa-granule [bevatten meerdere groeifactoren] (NK M13 […]). Deze module-gelijkenissen lijken te correleren met in vivo bevindingen van MAPK-ontregeling in NK-cellen bij Lyme & CVS [zie Huth TK, Staines D & Marshall-Gradisnik S hierboven], coagulatie-ontregeling bij Lyme & CVS [Berg D et al. Chronic Fatigue Syndrome and/or fibromyalgia as a variation of antiphospholipid antibody syndrome: an explanatory model and approach to laboratory diagnosis. Blood Coagul Fibrinolysis (1999) 10: 435-8], alsook neutrofielen-ontregeling bij Lyme & CVS [Kennedy G et al. Increased neutrophil apoptosis in Chronic Fatigue Syndrome. J Clin Pathol (2004) 57: 891-3]. MIS-C en ‘Kawasaki Disease’ lijken gemeenschappelijke molekulaire processen te delen met CVS via de B-cel M7 & NKM13 modules. Top biologische mechanismen geassocieerd met deze modules omvatten neutrofielen-degranulatie (Bcel M7 […]) en bloedplaatjes alfa granule (NKM13 […]). Deze module-gelijkenissen staan op één lijn met bevindingen over neutrofielen-ontregeling bij ‘Kawasaki Disease’, MIS-C & CVS [zie Kennedy G et al. hierboven] samen met coagulatie-ontregeling bij ‘Kawasaki Disease’, MIS-C & CVS [zie Berg D et al. hierboven]. […]

Hoewel co-expressie netwerken de expressie-gegevens goed organiseren in modules van co-gereguleerde genen, voorspellen dergelijke netwerken de regulerende verbanden onder de genen niet. Om de meer dominante regulerende verbanden bij de top CVS co-expressie modules te verkennen, construeerden we een probabilistisch causaal Bayes(iaans) netwerk (BN) [methode om afhankelijke en onafhankelijke relaties tussen variabelen te modelleren en analyseren; methode om systemen te visualiseren en analyseren; een Bayesiaans netwerk is gebaseerd op een struktuur van knooppunten en randen] om te helpen bij de identificatie van ‘master’-regulatoren of ‘key’ [belangrijke] ‘driver’ [aansturende] genen (KDs), voor elk van de top CVS-geassocieerde modules. Gezien ons staal klein is en om voldoende ‘power’ te bekomen bij het bouwen van een betrouwbaar BN-model, verkozen we het gebruik van gen-expressie gegevens van een grote externe gen-expressie dataset (‘Mount Sinai Crohn’s and Colitis Registry’, MSCCR) bestaande uit 209 gezonde individuen waarvan totaal-bloed stalen werden afgenomen. Onze hypothese: hoewel gen-regulerende verbanden kunnen worden gemoduleerd op verschillende niveaus bij gezonde individuen en personen met CVS of de gematchte controles, kunnen de verbanden zelf grotendeels bewaard blijven – zoals werd getoond voor andere ziekten [coronaire hart-ziekte, inflammatoire darm-ziekte, Alzheimer’s]. We construeerden het BN van een rond CVS draaiende set genen, inclusief genen van de signaturen van CVS en verwante ziekten, en co-expressie modules die significant aangerijkt zijn voor deze signaturen (13.332 genen in totaal).

KDs voor de 5 top CVS-geassocieerde modulen werden geïdentificeerd via ons BN gebruikmakend van ‘Key Driver analysis’ (KDA [statistische analyse die info geeft over welke funkties of aspecten de grootste impact hebben op een uitkomst-variabele; software berekent een schatting van het belang van onafhankelijke variabelen bij het voorspellen van een afhankelijke variabele]). De KD-analyse voorspelde 904 KDs binnnen het netwerk, waarbij wordt voorspeld dat wijzigingen in eender welke KD, de molekulaire toestanden van genen aangerijkt in één of meer van de CVS-geassocieerde modules verandert. Van de KDs die zowel globale als lokale KDs waren voor CVS-modules/signaturen lichten we 11 KDs toe waarvan werd voorspeld dat minstens 3 CVS-modules/signaturen te moduleren: MXD1, STX3, DYSF, LYN, MLL2, NCOA2, PTPRE, REPS2, RP11-701P16.2, TECPR2 & TUBB1. [zie onze inleiding] Er werd getoond dat deze KD genen geassocieerd zijn met andere ziekten zoals Familiale Haemofagocytische Lymfohistiocytose 5 (FHL5 [erfelijke immuundeficiëntie]), chronische myeloïde leukemie, dysferlinopathie [spierdystrofie] en inflammatoire myopathie, Lupus, B-cel lymfoma; alsook immunologische aspecten van Kabuki syndroom [aangeboren aandoening met o.a. skeletafwijkingen en groeiachterstand], Kaposi’s sarcoom geassocieerd herpesvirus [KSHV; humaan tumor-virus, verantwoordelijk voor Kaposi-sarcoom, een zeldzame kanker van de binnenbekleding van bloedvaten van de huid en van slijmvliezen], modulator van macrofagen-aktivatie en inflammatoire ziekten, prostaatkanker, spastische paraparese [neurodegeneratieve ziekte met spasticiteit in de onderste ledematen] en abnormale bloedplaatjes-fysiologie.

Om experimentele ondersteuning te bieden voor de geïdentificeerde KD genen, berekenden we de kans op ‘loss-of-function intolerant’ (pLI) [meting van de intolerantie tegen mutatie, om te weten of een enkele verstorende mutatie in een gen mogelijks schadelijk is] zijn voor alle KD genen en vergeleken deze scores met non-KDs. De pLI resultaten tonen dat onze KDs waarvan werd voorspeld CVS-geassocieerde netwerk modules te moduleren, een verhoogde pLI hebben bij vergelijking met de non-KD genen […]; wat ondersteunt dat de KDs biologische belangrijk zijn voor het netwerk. De combinatie van hoge pLI-scores en gekende ontregeling leidend tot ziekte ondersteunt dat deze CVS KDs ‘master’-regulatoren van vitale biologische processen geassocieerd met CVS zijn. Van veel van deze KDs werd eerder getoond dat ze KDs zijn van ziekten met immunologische ontregeling maar naar ons weten werden ze nog niet eerder geassocieerd met CVS.

Tot besluit: we presenteren een onbevooroordeelde gegevens-gestuurde, netwerk-gebaseerde benadering die molekulaire signaturen van CVS identificeert en een aantaal zeer coherente co-expressie modules voor CVS impliceert. Voor de top 5 modules wijst de complementaire analyse die hier werd getoond op een gemeenschappelijke onderliggende biologie met immune en metabole ontregeling die ook aanwezig is bij andere klinisch gelijkaardige ziekten zoals Lyme, MIS-C, Kawasaki en herstellende COVID-19. Bovendien neigen de top KDs die we identificeerden als regulatoren van deze met CVS geassocieerde modules naar hogere pLI-scores; wat er op wijst dat mutaties in deze genen die leiden tot funktie-verlies niet goed worden getolereerd – wat een bevestiging is voor hun cruciaal belang voor een normaal funktioneren van het systeem. De top KDs die we identificeerden voor CVS bieden interessante mogelijkheden voor therapeutische interventie, waarbij de meest belovend MXD1, STX3, DYSF, LYN, MLL2, NCOA2, PTPRE, REPS2, RP11-701P16.2, TECPR2 & TUBB1 zijn. Om voortgezette CVS-research te helpen faciliteren, bieden we ook een interaktieve website met de signaturen, modules, KDs en het Bayesiaans netwerk aan: https://irenefp.github.io/bcellm7.html

Methodes

[…]