GWAS, insan özellikleri ve hastalıkları ile ilişkili genomik bölgeleri başarıyla tanımlamış olsa da, bu risk varyantlarının biyolojik etkisi belirsizdir. Burada, kromatin etkileşim profilleri kullanarak GWAS risk varyantlarının putatif hedef genlerini hesaplamak için bir protokol hazırlıyoruz. Genellikle risk genlerinin zaman zaman belirlenmesi hastalık mekanizmalarını anlamak için ilk adımdır, ve normal terapötik yaklaşımlar için izin.
Biz bu çalışmanın sonuçları sonunda teşhis ve Alzheimer hastalığı tedavi etmek için nihai stratejiler yol açabileceğini umuyoruz. Bu tekniğin en büyük avantajı, 3D kromon temas frekansları kullanarak binlerce hatta milyonlarca baz çifti uzakta olsalar bile Alzheimer hastalığı risk varyansetkilenen genleri tespit edebilirsiniz. Bu protokolü denerken, kullanıcının sistemle tüm protokolü yürütmesi beklendiği için R veya X çifti sistemine aşinalık önemlidir.
Bu hesaplama protokolünü gerçekleştirmek için metin el yazmasındaki veya ekrandaki koda bakın. R'de kurarak, güvenilir, tek nükleaid polimorfizmleri veya SNPS için Bir G aralıkları nesnesi oluşturmaya başlayın. Konumsal eşleme için R'deki kurulum, organizatörü ve eksonik bölgeyi yükleyin ve bir G aralığı nesnesi oluşturun.
Güvenilir SNPS'yi eksonik bölgelerle ve destekleyici bölgelerle örtüşün. SNPS'i Chromaton etkileşimlerini kullanarak putatif hedef genlerine bağlamak için Hi C veri kümesini yükleyin ve bir G aralığı nesnesi oluşturun. Güvenilir SNPS'yi Hi C G aralığı nesnesiyle örtüşün.
Ve pozisyonel haritalama ve kromomoton etkileşim profilleri ile tanımlanan AD aday genleri derlemek. Ardından, gelişimsel yörüngeleri keşfedin. R'de kurulum ve ifade meta verilerini işleme.
Gelişim aşamalarını belirtin ve kortikal bölgeleri seçin. AD risk genlerinin gelişimsel ekspresyon profillerini ayıklayın ve prenatal ile postnatal ekspresyon düzeylerini karşılaştırın. R'de ayarlayarak ve AD riskinin hücresel ifade profillerini ayıklayarak hücre tipi ifade profillerini araştırın.
Son olarak, AD risk genlerinin gen ek açıklama zenginleştirme analizini gerçekleştirin. Homer'ı indirin ve yapılandırın. Sonra Homer çalıştırın ve R Studio ile zenginleştirilmiş terimler arsa.
Bu işlem kullanılarak 800 güvenilir SNP'den oluşan bir set incelenmiştir. Konumsal haritalama, 103 SNP'nin organizatörlerle örtüştünü ve 42 SNP'nin Exon'larla örtüştünü, SNP'lerin %84'ünün ise notsuz kaldığını ortaya çıkardı. Yetişkin beyinde Hi-C veri setleri kullanılarak, ek bir 208 SNPs fiziksel yakınlık dayalı 64 genler bağlı idi.
Toplamda, 284 AD güvenilir SNPs 112 AD risk genleri eşlendi. AD risk genleri amiloid öncüproteinleri, amiloid Beta oluşumu ve immün yanıt ile ilişkiliydi, hangi hastalığın bilinen biyolojiyansıtır. AD risk genlerinin gelişimsel ekspresyon profilleri, hastalığın yaşla ilişkili yüksek riskini gösteren belirgin postnatal zenginlik gösterdi.
Son olarak, genler yüksek mikroglia ad güçlü bir bağışıklık temeli vardır tekrarlayan bulguları destekleyen beyinde birincil bağışıklık hücreleri ifade edildi. Burada Alzheimer Hastalığı risk varyansının biyolojik etkisini analiz etmek için beyin dokusundan hi-c verilerini kullanıyoruz. Ancak, bu yöntemi başka bir GWAS çalışmasına uygulamak için ilgili dokudaki yeni Hi-C verilerinin düzeyi önemlidir.
Bu sonuçlar daha fazla incelenebilir ve crisper tabanlı teknolojiler kullanılarak doğrulanabilir, arttırıcı muhabir tahlilleri, ya da EQTLs gibi diğer fonksiyonel genomik veri setleri ile kesişme. Burada Alzheimer hastalığı risk genleri düzinelerce tanımlamak ve bu genlerin belirlenmesi bize Alzheimer hastalığında daha önce bilinmeyen rolünü anlamamıza yardımcı olabilir bekliyoruz.
