Schlagwort-Archive: eQTL

Abb. 235: eQTL-Analysen

Viele genetische Varianten sorgen nicht für einen anderen Aufbau und damit eine veränderte Wirkung eines Proteins. Stattdessen verändern sie nur die Menge, die zu einem bestimmten Zeitpunkt in einem Zelltyp hergestellt wird. Solche Genvarianten bezeichnet man als expression quantitative trait loci oder eQTL, also als Genorte (loci), deren Merkmal (trait) eine variable Expressionsmenge (expression quantitative) ist.

Früher hat man untersucht, wie sich kleine genetische Varianten, die statistisch mit Autoimmunerkrankungen korrelieren, auf die Ablesestärke von Immunsystem-Genen in einem Gemisch weißer Blutkörperchen (Monozyten, T-Zellen, B-Zellen usw.) auswirken. Das ist ungefähr so witzlos wie ein Elektroenzephalogramm von einer ganzen Gruppe von Leuten.

Dann hat man einzelne Immunzelltypen aus den Blutproben von gesunden Probanden isoliert und beispielsweise die Ablesung bestimmter Immunsystem-Gene in den Monozyten von Europäern mit der Ablesung derselben Gene in den Monozyten von Asiaten verglichen. Bei vielen Genen, die man im Verdacht hat, das Risiko für Autoimmunerkrankungen in bestimmten Bevölkerungsgruppen zu beeinflussen, sah man allerdings keine großen Unterschiede. Das ist kein Wunder, denn die Immunzellen wurden im nicht angeregten Grundzustand untersucht.

Immunreaktionen werden durch Alarmsignale ausgelöst, zum Beispiel durch Moleküle, die für
Bakterien typisch sind. Also hat man im nächsten Schritt bestimmte Zelltypen aus dem Blut
unterschiedlicher Probandengruppen durch Gefahrensignale aktiviert. Und siehe da: Bestimmte Immunsystem-Gene werden nach der Aktivierung eines Immunzelltyps (hier Monozyten) besonders stark abgelesen, wenn die DNA der Probanden an anderer Stelle eine Risiko-Genvariante enthält.

Sie dürfen diese Zeichnung gerne in Folien etc. übernehmen, sofern Sie die Quelle angeben: Dr. Andrea Kamphuis, https://autoimmunbuch.de

eQTLs: Wie Autoimmun-Risikoallele die Immunreaktion verändern

Schon länger ist bekannt, dass die meisten genetischen Varianten, die das Risiko für Autoimmunerkrankungen erhöhen, gar nicht im abgelesenen Bereich irgendeines Gens liegen, sondern in nicht codierenden, rein regulatorischen DNA-Sequenzen, die das Ausmaß beeinflussen, in dem andere Sequenzen abgelesen werden. Durch sogenannte genome-wide association studies (GWAS) kennen wir Aberhunderte solcher Einzelnukleotid-Polymorphismen (single nucleotide polymorphisms oder SNPs), also Stellen in unserem Genom, an denen bei einem Teil der Menschen eine Nukleobase (A, T, C oder G) durch eine andere ersetzt ist.

Diese winzigen Varianten verändern die Feinstruktur der DNA-Doppelhelix und der Nukleosomen, also der kabelrollenartigen Proteinkomplexe, um die die Doppelhelix gewickelt ist. Dadurch können zum Beispiel andere Proteinkomplexe, die für die Ablesung von Genen, also die Produktion von Messenger-RNA-Strängen verantwortlich sind, besser oder schlechter an die DNA andocken und sich von dort aus an ihren Einsatzort weiterhangeln. Oder die DNA bildet Schleifen, durch die eine aktivierende Sequenz mit einer aktivierbaren Sequenz in Kontakt kommt, usw. Die meisten dieser Regulierungsmechanismen sind noch nicht richtig aufgeklärt.

Bis vor kurzem konnte man auch nicht sagen, welches Gen nun durch einen SNP stärker oder schwächer abgelesen wird als sonst. Es kann das nächste oder übernächste Gen in die eine oder in die andere DNA-Strang-Richtung sein (cis-Regulierung) oder irgendein Gen in großer Entfernung, sogar auf einem anderen Chromosom (trans-Regulierung). Das lässt sich neuerdings durch aufwändige Analysen der sogenannten expression quantitative trait loci – kurz: eQTLs – aufklären. Das sind DNA-Sequenzen, die die Ablesung eines Gens nicht einfach ein- oder ausgeschalten, sondern hoch- oder herunterregulieren – und genau das ist bei vielen Genen des Immunsystems der Fall. (Das quantitative Merkmal ist hier also nicht, wie bei klassischen QTLs, ein kontinuierlich variierendes äußerliches Merkmal wie etwa die Körpergröße, sondern die mRNA-Menge, die bei der Transkription des Zielgens entsteht.)

Die eQTL-Analysen unserer Immunsystem-Gene sind in den letzten Monaten immer genauer geworden: Anfangs hat man untersucht, wie sich SNPs, die statistisch mit Autoimmunerkrankungen in Verbindung gebracht wurden, auf die Ablesestärke von Immunsystem-Genen in einem Gemisch aller möglicher weißer Blutkörperchen (Monozyten, T-Zellen, B-Zellen usw.) auswirken. Das ist ungefähr so, als würde man ein Elektroenzephalogramm von einer ganzen Gruppe von Leuten machen und dann aus dem Gewirr von Signalen darauf rückschließen wollen, welche Prozesse in ihren Gehirnen ablaufen (Yao et al. 2014):

eQTL_1_gemischte_Blutzellen_650Als Nächstes hat man einzelne Immunzelltypen aus den Blutproben von gesunden Probanden isoliert und dann beispielsweise die Ablesung bestimmter Immunsystem-Gene in den Monozyten von Europäern mit der Ablesung derselben Gene in den Monozyten von Asiaten verglichen (Raj et al. 2014):

eQTL_2_Monozyten_nicht_angeregt_650

Bei vielen Genen, die man im Verdacht hat, das Risiko für Autoimmunerkrankungen zu beeinflussen, konnte man so allerdings keine großen Unterschiede zwischen den Gruppen entdecken. Das ist kein Wunder, denn die Immunzellen wurden im nicht angeregten Grundzustand untersucht. Immunreaktionen werden aber durch Alarmsignale ausgelöst, zum Beispiel durch die Konfrontation mit Krankheitserregern oder mit Molekülen, die für diese Pathogene typisch sind – etwa Lipopolysaccharide aus Bakterien-Zellwänden.

Also hat man im nächsten Schritt im Rahmen des ImmVar-Projekts bestimmte Zelltypen aus dem Blut unterschiedlicher Probandengruppen isoliert und sie dann mit solchen Gefahrensignalen konfrontiert, um sie zu aktivieren und anschließend ihre Reaktionen zu erfassen (Fairfax et al. 2014, Lee et al. 2014Ye et al. 2014):

eQTL_3_Monozyten_angeregt_650

Und siehe da: Bestimmte Gene werden nach der Aktivierung des entsprechenden Immunzelltyps (hier Monozyten) besonders stark abgelesen, wenn die DNA der Probanden an anderer Stelle einen bestimmten Risiko-Genort enthält.

Dabei gab es bereits einige Überraschungen. Beispielsweise wird die Ablesung von Genen, die die Zellvermehrung von Gedächtnis-T-Zellen steuern, durch die bekannten Risiko-Genorte für wichtige Autoimmunerkrankungen wie Typ-1-Diabetes oder rheumatoide Arthritis kaum gesteigert (Hu et al. 2014). Dabei dachte man bisher, diesem Zelltyp käme bei Autoimmunerkrankungen durch seine übermäßige Vermehrung und Aktivierung eine Schlüsselrolle zu.

DNA-Schleifen: Introns mit risikoassoziierten SNPs als Enhancer für benachbarte Autoimmun-Risikogene

Wie im letzten Beitrag angedeutet, wird durch die Daten des gigantischen ENCODE-Projekts (Encyclopedia of DNA Elements) und neue Techniken wie 3C (chromosome conformation capture), mit denen sich Wechselwirkungen zwischen verschiedenen Teilen des Erbguts analysieren lassen, nun endlich klar, warum die bisherigen Versuche, Risikogene für Autoimmunerkrankungen dingfest zu machen, so bescheidene Ergebnisse erbracht haben. Jahrelang wurden mit Hilfe von genomweiten Assoziationsstudien (GWAS) alle möglichen sogenannten Einzelnukleotid-Polymorphismen oder SNPs (single nucleotide polymorphisms) identifiziert, die irgendwie mit einem erhöhten Risiko verbunden waren, bestimmte Autoimmunerkrankungen zu bekommen. Manchmal lagen diese Hochrisiko-SNPs tatsächlich in oder direkt neben Genen, von denen man weiß, dass ihre Proteine etwas mit dem Immunsystem zu tun haben. Oft blieb der Zusammenhang aber völlig rätselhaft.

Jetzt zeigt sich: Man sollte immer auch untersuchen, ob die Sequenzen, in denen die SNPs liegen, womöglich gar keine Immunsystem-Proteine codieren, sondern als Steuerungselemente die Intensität der Ablesung anderer Gene in der weiteren Umgebung beeinflussen. Im Folgenden stelle ich eine Arbeit vor, in der auf diese Weise ein völlig neues Risikogen für Typ-1-Diabetes identifiziert wurde, dessen Funktion noch nicht bekannt ist. Die Autoren haben auch ein Modell entwickelt, das die „Fernwirkung“ der Sequenz mit den SNPs auf das Risikogen erklären kann.

Meine Notizen sind – wie immer – noch nicht allgemein verständlich aufbereitet.

Lucy J. Davison et al.: Long-range DNA looping and gene expression analyses identify DEXI as an autoimmune disease candidate gene. Human Molecular Genetics 21/2, 2012,  322-333; doi:10.1093/hmg/ddr468 (Open Access)   Weiterlesen