基于數(shù)據(jù)整合策略探究肌萎縮側(cè)索硬化癥易感基因

楊翊研， 宋佳玥， 曾琳琳， 付學(xué)奇

(1. 吉林大學(xué) 校醫(yī)院， 長春130012; 2. 吉林大學(xué) 生命科學(xué)學(xué)院， Edmond Fischer細(xì)胞信號傳導(dǎo)實(shí)驗(yàn)室， 長春130012)

肌萎縮性側(cè)索硬化癥(amyotrophic lateral sclerosis， ALS), 又稱運(yùn)動(dòng)神經(jīng)元病， 以上下運(yùn)動(dòng)神經(jīng)元變性為特征， 導(dǎo)致肌肉無力， 最終癱瘓甚至死亡. 近年來， ALS被歸為神經(jīng)肌肉領(lǐng)域， 新的影像學(xué)和神經(jīng)病理學(xué)數(shù)據(jù)表明， 疾病病理中有非運(yùn)動(dòng)神經(jīng)軸參與， 一部分患者有家族性疾病， 并且在神經(jīng)元功能中有不同程度的基因突變[1]， 但ALS的發(fā)病機(jī)制尚不清楚. 其發(fā)病機(jī)理的分子機(jī)制復(fù)雜， 如遺傳因素、 氧化應(yīng)激損傷、 神經(jīng)遞質(zhì)運(yùn)輸障礙、 蛋白質(zhì)折疊異常、 線粒體功能障礙、 膠質(zhì)細(xì)胞炎性反應(yīng)等病理生理過程在ALS過程中均有涉及[2]. 隨著基因組測序技術(shù)等先進(jìn)技術(shù)平臺(tái)廣泛開發(fā)應(yīng)用， 在越來越多的ALS患者中發(fā)現(xiàn)新的致病基因及其突變， 為ALS的早期診斷和臨床治療提供了重要思路和靶點(diǎn)[3].

隨著信息化的快速發(fā)展， 利用多種數(shù)據(jù)挖掘工具對醫(yī)療和臨床大數(shù)據(jù)進(jìn)行分析可使傳統(tǒng)醫(yī)學(xué)向精準(zhǔn)醫(yī)學(xué)轉(zhuǎn)變. 近年來， 生物學(xué)相關(guān)大數(shù)據(jù)， 如基因序列分析、 蛋白質(zhì)相互作用數(shù)據(jù)、 基因轉(zhuǎn)錄組學(xué)和蛋白表達(dá)數(shù)據(jù)等增加了疾病基因預(yù)測軟件的功能， 目前已有多種致病基因預(yù)測軟件， 如Endeavour[4]、 GLAD4U[5]和ProphNet[6]等， 通過大數(shù)據(jù)整合， 運(yùn)用這些軟件進(jìn)行生物學(xué)系統(tǒng)分析可預(yù)測致病基因. 本文通過一系列數(shù)據(jù)庫和致病基因預(yù)測軟件對ALS的早期診斷進(jìn)行預(yù)測， 為提高臨床決策能力、 精準(zhǔn)預(yù)防能力和快速治療提供新的思路和方向.

1 資料與方法

1.1 數(shù)據(jù)來源

首先， 從在線人類孟德爾遺傳(online Mendelian inheritance in man， OMIM)網(wǎng)站獲取肌萎縮側(cè)索硬化癥的基因數(shù)據(jù)， 在OMIM.org上的OMIM是關(guān)于基因和遺傳表型以及二者相互聯(lián)系的綜合信息存儲(chǔ)庫, 包含了現(xiàn)在已知的所有遺傳病和超過15 000個(gè)基因信息， 側(cè)重于疾病的表型及與其密切相關(guān)的致病基因信息. 同時(shí)， OMIM也連接了很多相關(guān)和互補(bǔ)的數(shù)據(jù)庫， 為查詢疾病和基因提供了便利. OMIM采用自由文本格式， 結(jié)構(gòu)靈活， 以有效的方式搜尋并描述基因和基因表型之間復(fù)雜而微妙的關(guān)系. OMIM也有衍生的基因表型和遺傳表型， 即病態(tài)圖譜. 表現(xiàn)型系列的建立是為便于觀察表現(xiàn)型的遺傳異質(zhì)性. 臨床概要特征通過UMLS(unified medical language system)、 人類表型本體、 形態(tài)學(xué)術(shù)語元素和圖像鏈接得到增強(qiáng). 所有OMIM數(shù)據(jù)都可下載. OMIM基于專家對生物醫(yī)學(xué)文獻(xiàn)的評論綜合和總結(jié)新的重要信息. 通過文獻(xiàn)數(shù)據(jù)的整合發(fā)現(xiàn)， OMIM也在遺傳表型的命名和分類中發(fā)揮著主導(dǎo)作用. 隨著新測序技術(shù)的出現(xiàn)， 推測基因表現(xiàn)型關(guān)系的報(bào)告迅速增加. OMIM工作人員審查與基因相關(guān)的新聞源， 并在信息編入OMIM的過程中識別文章[7]. 通過GeneMap即可查詢OMIM， 先利用GeneMap獲取疾病基因定位的詳細(xì)資料， 再查詢OMIM明確導(dǎo)致特定疾病的特定基因. OMIM系統(tǒng)根據(jù)搜索關(guān)鍵詞的疾病特征及表型， 整合數(shù)據(jù)庫的相關(guān)信息， 從相關(guān)基因在染色體中的位置、 基因結(jié)構(gòu)、 表達(dá)、 功能以及相關(guān)臨床病例等信息中綜合篩選出50個(gè)基因列表文件， 列于表1. 表1返回的所有數(shù)據(jù)均被證實(shí)與肌萎縮側(cè)索硬化癥有關(guān)， 排名不分先后.

表1 OMIM對肌萎縮側(cè)索硬化癥基因排序結(jié)果

續(xù)表1

1.2 方 法

文獻(xiàn)及臨床病例證明， 基因突變是很多疾病發(fā)生發(fā)展的重要因素， 因此致病基因預(yù)測方法及其準(zhǔn)確性具有重要的科學(xué)意義. 目前， 通過已研發(fā)的多種致病基因預(yù)測軟件， 整合多種數(shù)據(jù)庫和文獻(xiàn)信息， 可進(jìn)行致病基因的預(yù)測. 近年來大量生物數(shù)據(jù)的積累已顯著提高了疾病基因預(yù)測軟件的準(zhǔn)確性， 已普及多種致病基因預(yù)測軟件， 如Endeavour、 GLAD4U和ProphNet等， 綜合這些軟件對數(shù)據(jù)進(jìn)行生物學(xué)分析并準(zhǔn)確預(yù)測致病基因已成為生物信息學(xué)的通用方法. 為進(jìn)一步明確肌萎縮側(cè)索硬化癥的靶點(diǎn)， 以表1中的50個(gè)基因?yàn)榛A(chǔ)， 用運(yùn)算軟件整合數(shù)據(jù)庫信息， 進(jìn)一步篩選密切相關(guān)的基因.

1) Endeavour軟件. Endeavour軟件通過跨多個(gè)基因組數(shù)據(jù)源對候選基因進(jìn)行排序， 并將這種異質(zhì)性信息整合到全球排名中. 首先通過查閱相關(guān)疾病文獻(xiàn)或數(shù)據(jù)庫后得到一組訓(xùn)練基因， 其次用一組測試基因根據(jù)已獲得訓(xùn)練基因特征的相似度進(jìn)行比對并排行， 最后整合來自各數(shù)據(jù)庫的基因并進(jìn)行預(yù)測和排名， 基于不同標(biāo)準(zhǔn)進(jìn)行加權(quán)統(tǒng)計(jì)評分， 得到基因的整體優(yōu)先級[8]. 將表1的結(jié)果作為訓(xùn)練基因， 通過Endeavour軟件進(jìn)行運(yùn)算， 結(jié)果列于表2. 表2中對肌萎縮側(cè)索硬化癥基因融合排序前10的結(jié)果， 均被證實(shí)與該癥狀相關(guān).

表2 Endeavour對肌萎縮側(cè)索硬化癥基因排序結(jié)果

2) GLAD4U軟件. 基因序列自動(dòng)生成工具(gene list automatically derived for you， GLAD4U)是一個(gè)新的基于網(wǎng)絡(luò)免費(fèi)基因檢索和排序工具. GLAD4U利用NCBI的現(xiàn)有資源確保計(jì)算效率, 可為三個(gè)基因本體論(GO)術(shù)語和三個(gè)疾病術(shù)語創(chuàng)建基因列表的質(zhì)量使用公共數(shù)據(jù)庫中相應(yīng)的“黃金標(biāo)準(zhǔn)”列表進(jìn)行評估[5]. 表3為使用GLAD4U工具查詢肌萎縮側(cè)索硬化癥基因的結(jié)果. 表3中所有基因均被證實(shí)與肌萎縮側(cè)索硬化癥相關(guān)， 根據(jù)黃金標(biāo)準(zhǔn)排名， 排名從高到低.

表3 GLAD4U對肌萎縮側(cè)索硬化癥基因排序結(jié)果

3) ProphNet軟件. ProphNet軟件建立在異構(gòu)網(wǎng)絡(luò)上， 先收集不同類型生物實(shí)體的數(shù)據(jù)， 將這些信息全面整合， 再整理篩選出特定類型的實(shí)體， 將它們與需要查詢集的實(shí)體關(guān)系程度進(jìn)行積分排序. 該方法的工作原理是通過網(wǎng)絡(luò)整合和篩選信息， 查看已傳播的查詢值和實(shí)體目標(biāo)集之間的相互聯(lián)系[6]. ProphNet的方法較靈活， 可將相應(yīng)的數(shù)據(jù)進(jìn)行整理和排序， 為科研提供數(shù)據(jù)支持. 表4為使用ProphNet致病基因預(yù)測軟件查詢肌萎縮側(cè)索硬化癥相關(guān)基因的結(jié)果. 表4中所有基因均被證實(shí)與肌萎縮側(cè)索硬化癥相關(guān)， 排名從高到低.

表4 ProphNet對肌萎縮側(cè)索硬化癥基因排序結(jié)果

1.3 評定排名標(biāo)準(zhǔn)

分別利用Endeavour、 GLAD4U和ProphNet三種致病基因預(yù)測軟件， 經(jīng)數(shù)據(jù)分析， 整理篩查， 確定3組與ALS相關(guān)的基因數(shù)據(jù)， 將3組數(shù)據(jù)進(jìn)行處理、 整合、 排列， 得到基因出現(xiàn)次數(shù)≥3的數(shù)據(jù)即為最終結(jié)果.

2 結(jié)果與討論

將OMIM數(shù)據(jù)庫與Endeavour、 GLAD4U、 ProphNet工具軟件中查找到的與肌萎縮側(cè)索硬化癥高度相關(guān)的基因進(jìn)行整合， 得到一個(gè)含有39個(gè)與ALS致病相關(guān)的基因列表(表5)， 其出現(xiàn)次數(shù)均≥3次， 通過查找基因相關(guān)研究文獻(xiàn)后進(jìn)行驗(yàn)證分析, 結(jié)果表明這39個(gè)基因均與肌萎縮側(cè)索硬化癥密切相關(guān). 將生物學(xué)信息與計(jì)算機(jī)軟件相結(jié)合， 篩選出更精確的致病基因， 為ALS分子機(jī)制的研究提供了新方法， 并且節(jié)約了大量查閱文獻(xiàn)的時(shí)間， 更快速鎖定靶點(diǎn).

表5 OMIM、 Endeavour、 GLAD4U和ProphNet綜合分析肌萎縮側(cè)索硬化癥基因結(jié)果

綜上， 本文通過查找OMIM數(shù)據(jù)庫， 利用Endeavour、 GLAD4U、 ProphNet致病基因預(yù)測軟件對數(shù)據(jù)進(jìn)行整合分析和處理， 推測出與肌萎縮側(cè)索硬化癥相關(guān)的致病基因并進(jìn)行了驗(yàn)證， 證實(shí)以上基因與肌萎縮側(cè)索硬化癥的發(fā)病及治療均有重大聯(lián)系. 其中，TARDBP、SOD1、C9orf72等基因均在ALS中起重要作用， 有望成為基因治療靶點(diǎn).

TARDBP是97%的ALS患者在患病組織中表現(xiàn)出共同的表型， 即TAR-DNA結(jié)合蛋白TDP-43沉積. TDP-43沉積也是tau陰性額顳葉癡呆(FTD) 的主要特征， 其顯示出與ALS臨床重疊[9]. 細(xì)胞內(nèi)聚集超氧化物歧化酶1 (SOD1) 是人類家族性肌萎縮側(cè)索硬化的神經(jīng)病理學(xué)特征[80]. 9號染色體開放閱讀框72(C9orf72)非編碼區(qū)的六核苷酸重復(fù)擴(kuò)增是家族性ALS的主要原因[30]. 以上基因均為肌萎縮側(cè)索硬化癥的重要發(fā)病基因， 肌萎縮側(cè)索硬化癥目前尚無有效的治愈方法， 但本文為將來運(yùn)用基因治療肌萎縮側(cè)索硬化癥提供了一定的理論支持， 通過適當(dāng)?shù)幕蛑委煟?可緩解甚至治愈肌萎縮側(cè)索硬化癥， 并為預(yù)防肌萎縮側(cè)索硬化癥提供了基因預(yù)測方法.