一种新的数据分析方法识别与疾病相关的剪接变异

一种新的数据分析方法识别与疾病相关的剪接变异
受克罗恩病风险变异(sQTL变异)调控的CARD9的替代剪接改变了蛋白质结构。图片来源:TMDU基因组功能和多样性系

在大数据时代,获取海量信息是容易的部分;知道如何处理它完全是另一回事了。但现在,来自日本的研究人员报告称,一种分析全基因组关联研究数据的新方法可能有助于发现许多疾病的遗传基础。

在8月发表的一项研究中自然通讯东京医科和牙科大学(TMDU)的研究人员发现,分析与疾病相关的基因拼接变异的编码序列,可以帮助揭示某些复杂人类疾病的遗传原因。

我们的基因变异会导致复杂的疾病,但很难判断单一的基因变异是如何导致疾病的。而有些变异则通过变异引起疾病在美国,越来越明显的是,影响基因转录方式(即基因的DNA序列如何复制到rna)的剪接变体也发挥了重要作用。

该研究的主要作者Kensuke Yamaguchi解释说:“有许多现有的方法可以识别和分析导致疾病相关基因拼接变化的遗传变异。”“然而,这些方法受限于剪接异构体的不完全注释,以及多个异构体使用相同的剪接结,这可能使它们难以相互区分。”

为了克服这些缺点,研究人员开发了一套两种分析,更充分地捕捉到剪接变化的复杂性和它们之间的关系:第一个分析集成了具有相同编码序列的异构体,以检测在,第二次分析考察了注释不完整但编码序列唯一的异构体的效果。然后,研究小组确定了这些异构体的完整序列,并验证了它们在细胞中的表达。

“结果表明,我们的方法既稳健又有效,”论文的资深作者Yuta Kochi说。“我们成功地识别了29个全长亚型,其编码序列与基因变异相关,这些基因变异与帕金森病、强直性脊柱炎、肠易激病和神经退行性疾病等疾病有关。”

此外,他们还表明,通过评估它们对基因组中其他基因表达的影响,可以识别与疾病相关的剪接变异基因。例如,一个导致SNRPC基因两种亚型比例的改变被认为与

综上所述,这些发现强调了蛋白质改变剪接变异在引起疾病方面未被重视的作用。确定相关的变异,并在未来使用动物模型进行研究时评估其功能,有助于阐明复杂疾病是如何产生的。


进一步探索

新的研究发现了数千种新的大脑表达基因亚型

更多信息:Kensuke Yamaguchi等,聚焦编码序列的剪接QTL分析揭示疾病易感位点的机制,自然通讯(2022)。DOI: 10.1038 / s41467 - 022 - 32358 - 1
期刊信息: 自然通讯

东京医科和牙科大学提供
引用:一种新的数据分析方法确定了2022年9月24日从//www.pyrotek-europe.com/news/2022-09-analysis-approach-disease-associated-splicing-variants.html检索到的与疾病相关的剪接变异(2022,9月8日)
本文件受版权保护。除用于个人学习或研究的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。
44股票

反馈给编辑