GWAS는 성공적으로 인간의 특성 및 질병과 관련 된 게놈 영역을 확인 하는 동안, 이러한 위험 변이체의 생물학적 영향은 불분명. 여기서는 크로마틴 상호 작용 프로파일을 사용하여 GWAS 위험 변이체의 표적 유전자를 계산적으로 예측하는 프로토콜을 간략하게 설명합니다. 종종 위험 유전자의 식별은 질병 메커니즘을 이해하고 정상적인 치료 접근을 허용하는 첫 번째 단계입니다.
우리는이 작품의 결과가 결국 진단하고 알츠하이머 병을 치료하는 최종 전략으로 이어질 수 있기를 바랍니다. 이 기술의 주요 장점은 3D 크로모톤 접촉 주파수를 사용하여 수천 또는 수백만 개의 기본 쌍이 떨어져 있더라도 알츠하이머 병 위험 분산에 의해 영향을받는 유전자를 식별 할 수 있다는 것입니다. 이 프로토콜을 시도할 때 는 사용자가 시스템과 함께 전체 프로토콜을 수행해야 하기 때문에 R 또는 X 쌍 시스템에 대한 친숙함이 중요합니다.
이 계산 프로토콜을 수행하려면 텍스트 원고 또는 화면의 코드를 참조하십시오. R에 설정하여 신뢰할 수 있는 단일 핵다형성 또는 SNPS에 대한 G 범위 개체를 생성합니다. 위치 매핑의 경우 R에서 설정한 다음 프로모터 및 엑소닉 영역을 로드하고 G 범위 오브젝트를 생성합니다.
신뢰할 수 있는 SNPS를 엑소닉 영역및 프로모터 영역과 겹칩니다. CHromaton 상호 작용을 사용하여 SNPS를 푸티드 대상 유전자에 연결하려면 Hi C 데이터 집합을 로드하고 G 범위 개체를 생성합니다. 신뢰할 수 있는 SNPS와 Hi C G 범위 오브젝트를 겹칩니다.
그리고 위치 매핑 및 크로모톤 상호 작용 프로필에 의해 정의된 AD 후보 유전자를 컴파일합니다. 다음으로, 개발 궤적을 탐구한다. R에서 설정하고 식 메타데이터를 처리합니다.
개발 단계를 지정하고 피질 영역을 선택합니다. AD 위험 유전자의 발달 발현 프로파일을 추출하고 산전 과 산후 발현 수준을 비교하십시오. R에 설정하고 AD 위험의 셀룰러 발현 프로파일을 추출하여 세포 유형 식 프로파일을 조사합니다.
마지막으로, AD 위험 유전자의 유전자 기여 농축 분석을 수행합니다. 다운로드 및 호머를 구성합니다. 그런 다음 호머를 실행하고 R 스튜디오와 풍부한 용어를 플롯.
이 프로세스를 사용하여 800개의 신뢰할 수 있는 SN 집합을 조사했습니다. 위치 매핑에 따르면 프로모터와 42개의 SN이 겹치는 103개의 SN이 Exons와 겹치는 반면, SN의 84%는 잘 알려지지 않은 채 남아 있습니다. 성인 두뇌에 있는 Hi-C 데이터 세트를 사용하여, 추가 208 SNPs는 물리적 근접에 근거를 둔 64개의 유전자에 연결되었습니다.
총, 284 AD 신뢰할 수 있는 SN112 AD 위험 유전자에 매핑 되었다. AD 위험 유전자는 아밀로이드 전구체 단백질, 아밀로이드 베타 형성 및 질병의 알려진 생물학을 반영하는 면역 반응과 관련이 있었습니다. AD 위험 유전자의 발달 발현 프로필은 질병의 나이 관련 된 높은 리스크의 표시한 산후 농축을 보여주었습니다.
마지막으로, 유전자는 AD가 강한 면역 기준을 가지고 있다는 재발하는 사실 인정을 지원하는 두뇌에 있는 1 차적인 면역 세포 microglia에서 높게 표현되었습니다. 여기에서 우리는 알츠하이머 병 위험 분산의 생물학적 영향을 분석하기 위해 뇌 조직에서 Hi-C 데이터를 사용합니다. 그러나, 다른 GWAS 연구에 이 방법을 적용하는 것은 관련 조직에서 새로운 Hi-C 데이터의 수준이 중요하다.
이러한 결과는 선명한 기반 기술, 증강 기자 분석 또는 EQTL과 같은 다른 기능적 게놈 데이터 집합과 교차하여 더 연구하고 검증할 수 있습니다. 여기에서 우리는 알츠하이머 병 위험 유전자의 수십을 확인하고 우리는 이 유전자의 확인이 우리가 알츠하이머 병에 있는 그들의 이전에 알려지지 않은 역할을 이해하는 것을 도울 수 있다는 것을 기대합니다.
