Decode Genetics провела исследование протеома для понимания патогенеза заболеваний

Ученые из Decode Genetics (дочерней компании Amgen), Университета Исландии (University of Iceland) и Университета Рейкьявика (Reykjavik University) провели популяционное исследование данных протеомики, геномики и транскриптомики, чтобы создать новый инструмент, с помощью которого можно понять патогенез заболеваний.

В статье, опубликованной 2 декабря в Nature Genetics, описано полногеномное исследование поиска ассоциаций (GWAS — genome-wide association study) уровней белков в плазме, измеренных с помощью почти 5000 аптамеров (молекулы, способные высокоспецифично связываться с определенными молекулами-мишенями) у 35 000 исландцев. Ученые обнаружили более 18 000 ассоциаций между генетическими вариантами и концентрацией белков в плазме, из них 19% — с редкими вариантами. В целом 93% этих ассоциаций не были описаны ранее. Также были проверены уровни белков в плазме на наличие связи с 373 заболеваниями. В результате ученые выявили еще 257 490 ассоциаций.

В июне команда Decode уже проводила аналогичное протеомное исследование, в котором она пыталась разработать предикторы краткосрочного и долгосрочного риска общей смертности. Предикторы помогли идентифицировать группу людей высокого риска в возрасте от 60 до 80 лет, 88% из которых умерли в течение 10 лет, а также группу низкого риска, в которой лишь у 1% пациентов наступила смерть за 10 лет.

В своей новой статье исследователи проанализировали локусы количественных признаков белков (pQTL — protein quantitative trait loci) и генетические ассоциации с заболеваниями. Они также идентифицировали 938 генов, кодирующих потенциальные мишени для лекарств, с вариантами, которые влияют на уровни возможных биомаркеров.

«Протеомика может помочь в решении одной из основных задач генетических исследований: определить, какой ген отвечает за влияние генетической последовательности на развитие заболевания», — заявил соавтор статьи генеральный директор Decode Кари Стефанссон (Kari Stefansson).

Авторы исследования также отметили, что полученные данные могут быть использованы в разработке новых лекарств.

Ученые измерили уровни белков в плазме с помощью мультиплексного аптамерного анализа SomaLogic's SomaScan у 35 559 исландцев и проанализировали 4907 аптамеров, которые измеряли концентрацию 4719 белков. Они обнаружили, что с поправкой на множественное тестирование уровни 63% белков положительно, а 18% отрицательно коррелировали с возрастом. Кроме того, уровни 33% белков были выше у мужчин, а 23% - у женщин.

Затем исследователи проверили 27,2 миллиона вариантов в геноме на предмет ассоциаций с уровнями белка в плазме в исландской когорте. Они обнаружили 18 084 первичные ассоциации pQTL, каждая из которых связана с уровнями различных белков. Из них 21% ассоциировались с вторичными вариантами и относились к тем же белкам. В совокупности команда выявила 28 191 первичную и вторичную ассоциацию pQTL.

Исследователи также изучили pQTL в плазме и локусы экспрессии количественных признаков (eQTL — expression quantitative trait loci) в разных тканях, чтобы оценить, насколько хорошо уровни белков в плазме отражают биологические процессы в них. Они выявили сильную положительную корреляцию между количеством цис-eQTL в ткани и вероятностью обнаружения pQTL в плазме при выраженном неравновесном сцеплении с eQTL в этой ткани. В целом это указывает на то, что большая часть белков попадает в кровь.

Затем исследователи проверили связь между уровнем белков и 373 заболеваниями и выявили 257 490 таких вариантов. По словам исследователей, это указывает на то, что измененный уровень белка может быть причиной заболевания, его следствием или коррелировать с фактором риска (не являясь причиной или следствием). В этом случае генетические варианты, ассоциированные с уровнями белков в плазме, оценивались на предмет их связи с заболеванием. В ходе исследования были идентифицированы 45 334 ассоциации распространенных вариантов с признаками из каталога GWAS. По мнению ученых, данные pQTL в сочетании с ассоциациями с болезнями могут помочь выявить гены причинных заболеваний.

«Когда один и тот же генетический вариант связан с риском заболевания и уровнями белка, это может позволить идентифицировать причинный ген», — заключили авторы. «Кроме того, если другие варианты в геноме, которые сказываются на уровне белка, также влияют на риск заболевания, вполне вероятно, что количество этого белка играет роль в патогенезе заболевания, а не является его следствием. Это очень важно, так как причинные гены большого количества заболеваний неизвестны».