Un nuovo approccio rivela la base genetica dei tratti che sfuggono agli studi GWAS / New Approach Reveals Genetic Basis of Traits Eluding GWAS Studies

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

I ricercatori californiani ritengono di aver trovato un nuovo modo per svelare i meccanismi biologici che collegano i geni alle caratteristiche ed alle malattie umane.

Lo strumento, descritto su Nature, potrebbe aiutare a comprendere le basi genetiche di tratti complessi che finora sono sfuggiti agli studi di associazione genomica (GWAS).

L'approccio combina le stime delle relazioni gene-carattere ottenute dai test di carico di perdita di funzione (LoF) con i progressi nell'editing del genoma e nel sequenziamento dell'RNA a singola cellula ad alto rendimento rappresentato dal metodo Perturb-seq.

In questo modo si crea un grafico che rivela sia i percorsi rilevanti per i tratti, sia le funzioni dei geni e dei programmi per spiegare perché determinati geni sono associati ai tratti.

"Sebbene il nostro lavoro si concentri sulle caratteristiche del sangue che sono alla base dell'anemia e delle malattie correlate, prevediamo che i principi appresi qui possano essere ampiamente applicabili", hanno riferito i ricercatori, guidati dal dott. Mineto Ota della Stanford University.

I test GWAS e quelli sulle varianti rare hanno identificato decine di migliaia di associazioni riproducibili per un'ampia gamma di tratti e malattie.

Questi segnali hanno identificato molti geni che possono fungere da bersagli terapeutici e hanno portato alla scoperta di nuovi meccanismi molecolari, tipi di cellule critiche e percorsi fisiologici dei rischi o dei tratti delle malattie, oltre a consentire la previsione del rischio genetico per malattie complesse.

Tuttavia, circa due decenni dopo il primo GWAS, non esistono ancora approcci su scala genomica in grado di dedurre modelli interpretabili e quantitativi dei percorsi biologici che collegano i geni alle funzioni cellulari ed ai tratti.

Oltre alle analisi più approfondite, come l'identificazione di tipi di cellule rilevanti per i tratti e di set di geni arricchiti, mancano ancora approcci su scala genomica per interpretare i percorsi ed i meccanismi molecolari attraverso i quali centinaia od addirittura migliaia di geni influenzano un dato fenotipo.

Ota ed il suo gruppo hanno esaminato se l'analisi genetica avanzata che coinvolge metodi come Perturb-seq potesse offrire nuove opportunità per misurare le connessioni causali tra geni e regolazione nel genoma.

Nello specifico, hanno studiato se gli approcci che combinano l'associazione genetica ed i dati Perturb-seq potessero far luce sul modo in cui le varianti genetiche si collegano ai programmi funzionali per descrivere i tratti.

In uno studio di prova di concetto, i ricercatori hanno costruito un grafico causale della gerarchia di regolazione genica che controlla congiuntamente tre tratti del sangue parzialmente co-regolati.

In primo luogo, hanno esaminato se ci sono tratti con dati genetici di alta qualità in cui il tipo di cellula più rilevante potrebbe essere ben modellato dai dati Perturb-seq esistenti.

Al momento della loro ricerca, l'unico set di dati Perturb-seq pubblicato sull'intero genoma era stato raccolto in una linea cellulare leucemica: la K562. In quell'esperimento, ogni gene espresso è stato silenziato utilizzando l'interferenza CRISPR, un gene per cellula, prima del sequenziamento dell'RNA a singola cellula.

Per determinare quali tratti potessero essere ragionevolmente modellati in termini di reti di regolazione genica delle cellule K562, il gruppo ha quindi compilato i dati pubblicati dei test GWAS e LoF per un'ampia gamma di tratti misurati nella UK Biobank.

Sulla base di ciò, il gruppo ha scelto di studiare tre caratteristiche: l'emoglobina corpuscolare media (MCH), che misura la quantità media di emoglobina per eritrocita; l'ampiezza di distribuzione dei globuli rossi (RDW), ovvero la deviazione standard delle dimensioni degli eritrociti per individuo; e la frazione di reticolociti immaturi (IRF).

Per questi tratti, una notevole quantità di ereditarietà degli SNP è stata spiegata dalle regioni di cromatina aperte nella linea cellulare K562, che rappresentano rispettivamente il 53%, il 44% ed il 36% dell'ereditarietà totale degli SNP.

Gli investigatori hanno quindi creato grafici che incorporavano gli effetti quantitativi dei geni stimati dai test di carico LoF invece dell'arricchimento non firmato dei risultati GWAS.

A differenza dei risultati GWAS, hanno scoperto che le dimensioni dell'effetto LoF sono intrinsecamente direzionali, sono automaticamente collegate ai geni corretti e le loro grandezze sono comparabili tra i geni.

Inoltre, i ricercatori hanno affermato che, rispetto alle varianti comuni con effetti minimi, le LoF erano probabilmente funzionalmente più simili alle knockdown di CRISPR, date le diffuse relazioni non lineari e persino non monotone tra espressione genica e fenotipi.

Hanno concluso: "Sebbene la nostra dimostrazione di principio utilizzi dati sperimentali provenienti da cellule K562 per modellare le caratteristiche degli eritrociti, ci aspettiamo che la prossima generazione di studi sulle perturbazioni in cellule, organoidi e tessuti fornirà un quadro interpretativo fondamentale per la genetica umana".

ENGLISH

Californian researchers believe they have found a new way to reveal the biological mechanisms that link genes to human traits and diseases.

The tool, outlined in Nature, may help in understanding the genetic basis of complex traits that have so far eluded genome-wide association studies (GWAS).

The approach blends estimates of gene-trait relationships from loss-of-function (LoF) burden tests with advances in genome editing and high throughput single-cell RNA sequencing represented by the Perturb-seq method.

This creates a graph that reveals both trait-relevant pathways and also the functions of genes and programs to explain why particular genes are associated with traits.

“Although our work focuses on blood traits that underlie anemia and related diseases, we anticipate that the principles learned here can be broadly applicable,” reported the researchers, led by Mineto Ota, PhD, from Stanford University.

GWAS and rare variant burden tests have identified tens of thousands of reproducible associations for a wide range of traits and diseases.

These signals have identified many genes that can serve as therapeutic targets and have driven discoveries of new molecular mechanisms, critical cell types, and physiological pathways of disease risks or traits, as well as enabling genetic risk prediction for complex diseases.

Yet around two decades after the first GWAS, genome-scale approaches still do not exist that can infer interpretable, quantitative models of the biological pathways that connect genes to cellular functions to traits.

And aside from coarse-grained analyses such as identifying trait-relevant cell types and enriched gene sets, there remains a lack of genome-scale approaches for interpreting the molecular pathways and mechanisms through which hundreds or even thousands of genes affect a given phenotype.

Ota and team examined whether advanced genetic analysis involving methods such as Perturb-seq could provide new opportunities to measure causal gene-regulatory connections at genome.

Specifically, they investigated whether approaches combining genetic association and Perturb-seq data could shed light on how genetic variants link to functional programs to traits are described.

In a proof-of-concept study, the researchers constructed a causal graph of the gene-regulatory hierarchy that jointly controls three partially co-regulated blood traits.

Firstly, they examined whether there are any traits with high-quality genetic data where the most relevant cell type could be well modeled by existing Perturb-seq data.

At the time of their research, the only published genome-wide Perturb-seq dataset was collected in a leukemia cell line: K562. In that experiment, every expressed gene was knocked down using CRISPR interference, one gene per cell, before single-cell RNA sequencing.

To determine which traits could reasonably be modeled in terms of the gene-regulatory networks of K562 cells, the team then compiled published GWAS and LoF burden test data for a wide range of traits measured in the UK Biobank.

Based on this, the team chose to study three traits: mean corpuscular hemoglobin (MCH), which measures the mean amount of hemoglobin per erythrocyte; red cell distribution width (RDW)—the standard deviation of the size of erythrocytes per individual; and the immature reticulocyte fraction (IRF).

For these traits, a considerable amount of SNP heritability was explained by open chromatin regions in the K562 cell line, representing 53%, 44% and 36% of the total SNP heritability, respectively.

The investigators then built graphs that incorporated quantitative gene effects estimated from LoF burden tests instead of unsigned enrichment of GWAS hits.

Unlike GWAS hits, they found that LoF effect sizes are inherently directional, they were automatically linked to the correct genes, and their magnitudes were comparable across genes.

In addition, the researchers said that, compared with common variants with tiny effects, LoFs were probably more functionally like CRISPR knockdowns, given the widespread non-linear and even non-monotonic relationships between gene expression and phenotypes.

They concluded: “Although our proof of principle here uses experimental data from K562 cells to model erythrocyte traits, we expect that the next generation of perturbation studies in cells, organoids and tissues will provide a critical interpretative framework for human genetics.”

Da:

https://www.insideprecisionmedicine.com/topics/precision-medicine/new-approach-reveals-genetic-basis-of-traits-eluding-gwas-studies/?_hsenc=p2ANqtz--zm2a7d98KNwvDHRkM9VBCumYKK3VzZJAAGIcGHFOnyhUR9I33zm3gzBc6LPAN0sSAh8O_sCsDVps9R0Zv3qmY2G9E6t3CQmaFKs4u4plaD7z8ayo&_hsmi=394182801