stringtranslate.com

Loci de rasgos cuantitativos de expresión

Los loci de rasgos cuantitativos de expresión ( eQTL ) son loci genómicos que explican la variación en los niveles de expresión de los ARNm . [1] [2]

eQTL distantes y locales, trans y cis, respectivamente

Un rasgo cuantitativo de expresión es una cantidad de una transcripción de ARNm o una proteína . Estos suelen ser el producto de un solo gen con una ubicación cromosómica específica. Esto distingue a los rasgos cuantitativos de expresión de la mayoría de los rasgos complejos , que no son el producto de la expresión de un solo gen. Los loci cromosómicos que explican la variación en los rasgos de expresión se denominan eQTL. Los eQTL ubicados cerca del gen de origen (gen que produce la transcripción o proteína) se denominan eQTL locales o cis-eQTL. Por el contrario, los ubicados lejos de su gen de origen, a menudo en cromosomas diferentes, se denominan eQTL distantes o trans-eQTL . [3] [4] El primer estudio de expresión génica de todo el genoma se llevó a cabo en levadura y se publicó en 2002. [5] La ola inicial de estudios de eQTL empleó microarreglos para medir la expresión génica de todo el genoma; estudios más recientes han empleado secuenciación de ARN masivamente paralela . Se han realizado numerosos estudios de expresión de QTL en plantas y animales, incluidos seres humanos, [6] primates no humanos [7] [8] y ratones. [9]

Algunos eQTL cis se detectan en muchos tipos de tejidos , pero la mayoría de los eQTL trans dependen del tejido (son dinámicos). [10] Los eQTL pueden actuar en cis (localmente) o trans (a distancia) respecto de un gen . [11] La abundancia de una transcripción génica se modifica directamente por el polimorfismo en los elementos reguladores . En consecuencia, la abundancia de la transcripción podría considerarse un rasgo cuantitativo que puede mapearse con considerable potencia. Estos se han denominado QTL de expresión (eQTL). [12] La combinación de estudios de asociación genética de todo el genoma y la medición de la expresión génica global permite la identificación sistemática de eQTL. Al analizar simultáneamente la expresión génica y la variación genética en todo el genoma en una gran cantidad de individuos, se pueden utilizar métodos genéticos estadísticos para mapear los factores genéticos que sustentan las diferencias individuales en los niveles cuantitativos de expresión de muchos miles de transcripciones. [13] Los estudios han demostrado que los polimorfismos de un solo nucleótido (SNP) asociados de manera reproducible con trastornos complejos [14], así como ciertos fenotipos farmacológicos [15], están significativamente enriquecidos para los eQTL, en relación con los SNP de control con frecuencia coincidente. La integración de los eQTL con los GWAS ha llevado al desarrollo de la metodología de estudio de asociación de todo el transcriptoma (TWAS). [16] [17]

Detección de eQTL

El mapeo de eQTL se realiza utilizando métodos estándar de mapeo de QTL que prueban el vínculo entre la variación en la expresión y los polimorfismos genéticos. La única diferencia considerable es que los estudios de eQTL pueden involucrar un millón o más de microrasgos de expresión. Se pueden utilizar paquetes de software de mapeo de genes estándar, aunque a menudo es más rápido utilizar código personalizado como QTL Reaper o el sistema de mapeo de eQTL basado en la web GeneNetwork . GeneNetwork alberga muchos conjuntos de datos de mapeo de eQTL grandes y proporciona acceso a algoritmos rápidos para mapear loci individuales e interacciones epistáticas . Como es cierto en todos los estudios de mapeo de QTL, los pasos finales para definir las variantes de ADN que causan variación en los rasgos suelen ser difíciles y requieren una segunda ronda de experimentación. Este es especialmente el caso de los eQTL trans que no se benefician de la fuerte probabilidad previa de que las variantes relevantes estén en la vecindad inmediata del gen parental. Se utilizan métodos estadísticos, gráficos y bioinformáticos para evaluar los genes candidatos posicionales y los sistemas completos de interacciones. [18] [19] El desarrollo de tecnologías de células individuales y los avances paralelos en métodos estadísticos han hecho posible definir incluso cambios sutiles en los eQTL a medida que cambian los estados celulares. [20] [21]

Véase también

Referencias

  1. ^ Rockman MV, Kruglyak L (noviembre de 2006). "Genética de la expresión génica global". Nature Reviews. Genética . 7 (11): 862–72. doi :10.1038/nrg1964. PMID  17047685. S2CID  150368.
  2. ^ Nica, Alexandra C.; Dermitzakis, Emmanouil T. (2013). "Loci de rasgos cuantitativos de expresión: presente y futuro". Philosophical Transactions of the Royal Society B: Biological Sciences . 368 (1620): 20120362. doi :10.1098/rstb.2012.0362. PMC 3682727 . PMID  23650636. 
  3. ^ Fairfax, Benjamin P.; Makino, Seiko; Radhakrishnan, Jayachandran; Plant, Katharine; Leslie, Stephen; Dilthey, Alexander; Ellis, Peter; Langford, Cordelia; Vannberg, Fredrik O.; Knight, Julian C. (2012). "La genética de la expresión génica en células inmunes primarias identifica reguladores maestros específicos del tipo celular y funciones de los alelos HLA". Nat. Genet . 44 (5): 502–510. doi :10.1038/ng.2205. PMC 3437404. PMID  22446964 . 
  4. ^ Liu S, Won H, Clarke D, Matoba N, Khullar S, Mu Y, Wang D, Gerstein M (2022). "Vínculos esclarecedores entre los reguladores cis y las variantes que actúan en trans en la corteza prefrontal humana". Genome Medicine . 14 (1): 133. doi : 10.1186/s13073-022-01133-8 . PMC 9685876 . PMID  36424644. 
  5. ^ Brem RB, Yvert G, Clinton R, Kruglyak L (abril de 2002). "Disección genética de la regulación transcripcional en levaduras en ciernes". Science . 296 (5568): 752–5. Bibcode :2002Sci...296..752B. doi :10.1126/science.1069516. PMID  11923494. S2CID  9569352.
  6. ^ Lonsdale, John; Thomas, Jeffrey; Salvatore, Mike; Phillips, Rebecca; Lo, Edmund; Shad, Saboor; Hasz, Richard; Walters, Gary; Garcia, Fernando; Young, Nancy; Foster, Barbara; Moser, Mike; Karasik, Ellen; Gillard, Bryan; Ramsey, Kimberley; Sullivan, Susan; Bridge, Jason; Magazine, Harold; Syron, John; Fleming, Johnelle; Siminoff, Laura; Traino, Heather; Mosavel, Maghboeba; Barker, Laura; Jewell, Scott; Rohrer, Dan; Maxim, Dan; Filkins, Dana; Harbach, Philip; et al. (junio de 2013). "El proyecto Genotype-Tissue Expression (GTEx)". Nature Genetics . 45 (6): 580–5. doi :10.1038/ng.2653. PMC 4692118 . Número de modelo:  PMID23715323. 
  7. ^ Tung J, Zhou X, Alberts SC, Stephens M, Gilad Y (febrero de 2015). "La arquitectura genética de los niveles de expresión génica en babuinos salvajes". eLife . 4 . doi : 10.7554/eLife.04729 . PMC 4383332 . PMID  25714927. 
  8. ^ Jasinska AJ, Zelaya I, Service SK, Peterson CB, Cantor RM, Choi OW, et al. (diciembre de 2017). "Variación genética y expresión génica en múltiples tejidos y etapas de desarrollo en un primate no humano". Nature Genetics . 49 (12): 1714–1721. doi :10.1038/ng.3959. PMC 5714271 . PMID  29083405. 
  9. ^ Doss S, Schadt EE, Drake TA, Lusis AJ (mayo de 2005). "Loci de rasgos cuantitativos de expresión que actúan en cis en ratones". Genome Research . 15 (5): 681–91. doi :10.1101/gr.3216905. PMC 1088296 . PMID  15837804. 
  10. ^ Gerrits A, Li Y, Tesson BM, Bystrykh LV, Weersing E, Ausema A, Dontje B, Wang X, Breitling R, Jansen RC, de Haan G (octubre de 2009). Gibson G (ed.). "Los loci de expresión de rasgos cuantitativos son altamente sensibles al estado de diferenciación celular". PLOS Genetics . 5 (10): e1000692. doi : 10.1371/journal.pgen.1000692 . PMC 2757904 . PMID  19834560. 
  11. ^ Michaelson JJ, Loguercio S, Beyer A (julio de 2009). "Detección e interpretación de loci de expresión de rasgos cuantitativos (eQTL)". Métodos . 48 (3): 265–76. doi :10.1016/j.ymeth.2009.03.004. PMID  19303049.
  12. ^ Cookson W, Liang L, Abecasis G, Moffatt M, Lathrop M (marzo de 2009). "Mapeo de rasgos de enfermedades complejas con expresión génica global". Nature Reviews. Genética . 10 (3): 184–94. doi :10.1038/nrg2537. PMC 4550035 . PMID  19223927. 
  13. ^ Cookson y col. Nat Rev Genet. Marzo de 2009; 10(3): 184-94
  14. ^ Nicolae DL, Gamazon E , Zhang W, Duan S, Dolan ME, Cox NJ (abril de 2010). Gibson G (ed.). "Los SNP asociados a rasgos tienen más probabilidades de ser eQTL: anotación para mejorar el descubrimiento a partir de GWAS". PLOS Genetics . 6 (4): e1000888. doi : 10.1371/journal.pgen.1000888 . PMC 2848547 . PMID  20369019. 
  15. ^ Gamazon ER , Huang RS, Cox NJ, Dolan ME (mayo de 2010). "Los SNP asociados a la susceptibilidad a fármacos quimioterapéuticos se enriquecen en loci de rasgos cuantitativos de expresión". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 107 (20): 9287–92. Bibcode :2010PNAS..107.9287G. doi : 10.1073/pnas.1001827107 . PMC 2889115. PMID  20442332 . 
  16. ^ Gamazon ER , Wheeler HE, Shah KP, et al. (septiembre de 2015). "Un método de asociación basado en genes para mapear rasgos utilizando datos de transcriptoma de referencia". Nature Genetics . 47 (9): 1091–1098. doi :10.1038/ng.3367. PMC 4552594 . PMID  26258848. 
  17. ^ Gusev A , Ko A, Shi H, et al. (marzo de 2016). "Enfoques integrativos para estudios de asociación a gran escala de todo el transcriptoma". Nature Genetics . 48 (3): 245–252. doi :10.1038/ng.3506. PMC 4767558 . PMID  26854917. 
  18. ^ Kulp DC, Jagalur M (2006). "Inferencia causal de pares regulador-objetivo mediante mapeo genético de fenotipos de expresión". BMC Genomics . 7 : 125. doi : 10.1186/1471-2164-7-125 . PMC 1481560 . PMID  16719927. 
  19. ^ Lee SI, Dudley AM, Drubin D, Silver PA, Krogan NJ, Pe'er D, Koller D (2009). "Aprendizaje de un antecedente sobre el potencial regulador a partir de datos eQTL". PLOS Genetics . 5 (1): e1000358. doi : 10.1371/journal.pgen.1000358 . PMC 2627940 . PMID  19180192. 
  20. ^ van der Wijst, M; de Vries, DH; Groot, ÉL; Trynka, G; Señor, CC; Bonder, MJ; Stegle, O; Nawijn, MC; Idaghdour, Y; van der Harst, P; Sí, CJ; Powell, J; Theis, FJ; Mahfouz, A; Heinig, M; Franke, L (9 de marzo de 2020). "El consorcio unicelular eQTLGen". eVida . 9 . doi : 10.7554/eLife.52155 . PMC 7077978 . PMID  32149610. 
  21. ^ Nathan, A; Asgari, S; Ishigaki, K; Valencia, C; Amariuta, T; Luo, Y; Beynor, JI; Baglaenko, Y; Suliman, S; Price, AL; Lecca, L; Murray, MB; Moody, DB; Raychaudhuri, S (junio de 2022). "Los modelos de eQTL de una sola célula revelan la dependencia dinámica del estado de las células T de los loci de la enfermedad". Nature . 606 (7912): 120–128. Bibcode :2022Natur.606..120N. doi :10.1038/s41586-022-04713-1. PMC 9842455 . PMID  35545678. S2CID  248730439.