Компьютерная реконструкция взаимодействия генов, ассоциированных с синдромом Ангельмана DOI: 10.29188/2712-9217-2024-10-4-7-19

Таблица 2 содержит Категории генных онтологий с указанием группы данных в базе DAVID (Биологические процессы – GOTERM_BP_DIRECT, Клеточные компоненты – GOTERM_CC_DIRECT, Молекулярные функции – GOTERM_MF_DIRECT, Пути KEGG – KEGG_PATHWAY); термины онтологий, которые обогащены в данном наборе генов; процент генов в выборке; уровень значимости для перепредставленности онтологий в данном набоек P-Value и корректированное P* (коррекция Бонферрони на множественность гипотез). Из таблицы 2 видно, что наиболее значимыми группами онтологий для генов синдрома Ангельмана являются регуляция транскрипции, хроматин, развитие синапсов, работа гормонов (оригинальные термины positive regulation of transcription from RNA polymerase II promoter, chromatin, postsynapse, GABA-A receptor complex, hormone activity, Endocrine resistance). Действительно, данное заболевание связано с развитием, функцией гормонов, и вовлеченность таких категорий онтологий обоснована.

Из таблицы видна обогащенность набора генов синдрома Ангельмана категориями онкологических заболеваний, например глиомы, что может быть связано с нарушениями работы клеток мозга.

Для дальнейшего уточнения категорий онтологий на независимой базе данных использовался ресурс PANTHER (Protein ANalysis THrough Evolutionary Relationships) (http://pantherdb.org/). Данные PANTHER ассоциированы с полной базой онтологий генов человека ресурса Gene Ontology (https://geneontology.org/ ). Из набора исходных генов часть идентификаторов были не распознаны системой. С помощью PANTHER построена таблица онтологий (табл. 3) для категорий биологических процессов. Для получения наиболее информативных результатов значения P были ограничены с учетом коррекции Бонферрони. Таблица содержит три стандартных раздела: онтологии для биологических процессов, молекулярных функций и клеточных компонент (компартментов), обогащения числа генов в наборе в разы (параметр Fold Change) по сравнению с ожидаемым, и корректированное значение P (вероятность получить такое число генов по случайным причинам).

Приведенные в таблице 3 оценки обогащенности онтологий показывают, что наиболее значимыми для генов синдрома Ангельмана по биологическим процессам являются категории регуляции процесса развития, регуляции на эндогенный стимул и развитие анатомических структур. По молекулярным функциям наиболее значимыми являются категории гормональной активности, активность анионных каналов, связывания рецепторов, белков, а также активность ГАМК-рецепторов. Для клеточных компартментов наиболее значимые категории в проявлении синдрома Ангельмана – синапсы, везикулы и другие категории, связанные с нервной тканью. Данные таблиц 2 и 3, построенных с помощью разных программных инструментов DAVID и PANTHER для исследуемых генов синдрома Ангельмана, подтверждают общие категории генных онтологий – это процессы развития организма, гормональная активность, компоненты нейрона. Таким образом, можно дать функциональное описание данного заболевания как болезни роста, нервной системы с нарушениями работы мозга.

Далее для реконструкции и визуализации генной сети ассоциированных с синдром Ангельмана генов использовались онлайн-инструменты GeneMANIA и STRING-DB (https://string-db.org/). Структура сети по GeneMANIA (http://genemania.org/search/homo-sapiens/UBE3A/CDKL5/MECP2/TP53/FBN1/SNH... C/NSD1/KIF7/POLGARF/SLC9A6//) представлена на рисунке 1.

Рис. 1. Генная сеть генов синдрома Ангельмана, реконструированная с помощью ресурса GeneMANIA (http://genemania.org/)
Fig. 1. Gene network of genes associated with Angelman syndrome reconstructed by GeneMANIA (http://genemania.org/)

На рисунке 1 показана генная сеть взаимодействий для 20 генов синдрома Ангельмана (табл. 1), реконструированная с помощью онлайнинструмента GeneMANIA (http://genemania.org/). Сеть включает взаимодействия, автоматически построенные по литературным данным и собранные на данном открытом ресурсе. Заданные по списку гены показаны на рисунке большими черными кругами со штриховкой, контактирующие с ними гены представлены кругами меньшего размера. Расположение по окружности является одним из параметров визуализации системы GeneMANIA.

В построенной сети (рис. 1) находятся гены (продукты генов – белки), имеющие большое число связей с другими элементами – UBE3A, MECP2, SNHG14. При этом видно, что не все узлы связаны друг с другом.

Рис. 2. Параметры взаимодействий для генов синдрома Ангельмана, представленные в инструменте GeneMANIA
Fig. 2. Interaction parameters for Angelman syndrome genes presented in the GeneMANIA tool

Основные типы взаимодействий (выделено цветом), использованные при построении сети на основе литературных источников – белок-белковые контакты (физические взаимодействия), совместная экспрессия, в меньшей степени – генетические взаимодействия.

Рисунок 2 показывает большее участие физических взаимодействий между макромолекулами в данной сети.

Далее мы использовали ресурс STRING-DB для реконструкции генной сети по заданному списку генов, расширив его до 240 имен генов (официальных символов – official gene symbol). Использовались параметры по умолчанию (белок-белковые контакты, экспериментальные данные, совместная локализация генов, аналогично используемым в инструменте GeneMANIA). Из-за большого числа связей разных типов сеть представляет собой сложный рисунок. Мы использовали ограничение визуализации в STRING-DB только на экспериментально доказанные взаимодействия.

Рисунок 3 представляет результат реконструкции генной сети синдрома Ангельмана с помощью STRING-DB с учетом только экспериментально доказанных взаимодействий.

Статистика структуры сети показала, что сеть имеет неслучайно большое число связей, хотя есть и не связанные гены. Связи соответствуют определенным взаимодействиям – физическим, генетическим, регуляторным, как и в системе GeneMANIA (рис. 1). Статистические оценки структуры сети генов синдрома Ангельмана в STRING-DB (https://string-db.org/) показывают высокую связность (значимость <1,0E-16). Средняя степень связности узла сети – 3.21, коэффициент кластеризации – 0.357. Общее число узлов сети (распознано имен генов) – 205, число связей между ними – 329 (при ожидаемом по случайным причинам – 166). На рисунке можно выделить несколько кластеров сети, самый большой из которых включает гены UBE3A, GABRB3, ATP10A, SNRPN. Кластеры сети показаны на рисунке 4 (кластеризация выполнена по методу k-средних (k-means clustering), инструмент в программе STRING-DB).

Большой кластер (показан красным цветом) занимает центральную позицию полученной сети и более детально представляет большую структуру сети, построенную по тем же генам на рисунке 3. Кластер связан с наибольшим числом других объектов.

Рис. 3. Реконструкция сети взаимодействий генов синдрома Ангельмана с помощью STRING-DB (https://string-db.org/)
Fig. 3. Reconstruction of the network of interactions of Angelman syndrome genes using STRING-DB (https://string-db.org/)

На рисунке 4 видно присутствие в сети кластеров генов меньшего размера, не связанных непосредственно с основным кластером, включающим UBE3A.

Ген UBE3A кодирует убиквитин-белковую лигазу Е3, входящую в систему деградации белка убиквитина [3, 4]. Этот импринтированный ген экспрессируется в мозге и биаллельно экспрессируется в других тканях. Унаследованная от матери делеция этого гена вызывает синдром Ангельмана, характеризующийся выраженной моторной и интеллектуальной задержкой, атаксией, гипотонией, эпилепсией, отсутствием речи и характерными чертами лица. Белок взаимодействует с белком Е6 вируса папилломы человека типов 16 и 18, что приводит к убиквитинированию и протеолизу опухолевого белка р53.

Мутации в гене CDKL5 были связаны с синдромом Х-сцепленного инфантильного спазма (синдром Веста) и синдромом Ретта [19]. Также отмечается, что мутации CDKL5 шире, чем сообщалось ранее. Они являются важной причиной инфантильных спазмов и ранних эпилептических припадков у пациенток женского пола, а также более поздних трудноизлечимых судорожных расстройств [19].

Взаимосвязь между заболеваниями рассматривалась с помощью ресурса MalaCards [20], интегрирующего данные по генетическим заболеваниям и расстройствам. Реконструкция сети заболеваний возможна по общим признакам, связывающим каждую пару заболеваний, таким как гены, метаболиты, симптомы, общие лекарственные средства, упоминание в литературе. Рассмотрим аннотацию самого заболевания на ресурсе MalaCards (https://www.malacards.org/card/ angelman_syndrome), входящем в платформу GeneCards (рис. 5).

На рисунке 5 видна связь синдрома Ангельмана с хромосомными нарушениями, синдромом Ретта, с синдромом Прадера-Вилли, что подтверждается наличием общих генов и общих симптомов.

Рис. 4. Кластеры сети взаимодействий генов синдрома Ангельмана. Кластеризация выполнена в STRING-DB (https://string-db.org/)
Fig. 4. Clusters of the network of interactions of the genes of Angelman syndrome. Clustering is performed in STRING-DB (https://string-db.org/)

Рис. 5. Связанные заболевания для синдрома Ангельмана по MalaCards (https://www.malacards.org/card/angelman_syndrome)
Fig. 5. Related diseases for Angelman syndrome by MalaCards (https://www.malacards.org/card/angelman_syndrome)

Ресурс MalaCards представляет свой набор генов, так называемые «элитные» гены, описанные в литературе и ассоциированные с данным заболеванием (https://www.malacards.org/card/angelman_syndrome). Список представлен в таблице 4.

Список генов в Таблице 4 отличается от других списков, сохраняя, тем не менее, самые важные гены, такие как UBE3A, а также показывает число публикаций в PubMed, описывающих связь гена с заболеванием – синдромом Ангельмана. Интересно отметить, что наибольшее число связей в генной сети соответствует месту гена синдрома Ангельмана в приоретизированном списке как по Таблице 1 (построенной с помощью ресурса GeneCards), так и по таблице 4 (MalaCards).

Связь между заболеваемостью синдромом Ангельмана и локусом, содержащим гены, наиболее интересна для изучения, поскольку мутации в хромосомной области человека 15q11-q13 имеют гены, импринтированные по материнской линии (т. е. экспрессированные по отцовской линии), гены, импринтированные по отцовской линии (т. е. экспрессированные по материнской линии), и биаллельно экспрессированные гены [21].

Генетические исследования человека показали, что синдром Ангельмана вызван 4 молекулярными механизмами: de novo материнскими делециями хромосомы 15q11-q13 (70-80%); внутригенными мутациями в унаследованном от матери UBE3A в пределах хромосомы 15q11-q13 (10-20%); отцовской унипарентальной дизомией для хромосомы 15q11-q13 (3-5%); дефектами импринтинга в хромосоме 15q11-q13, изменяющими экспрессию унаследованного от матери UBE3A (3-5%). Существует вариабельность для каждого молекулярного класса синдрома Ангельмана: пациенты с делецией имеют более тяжелый фенотип, а те, у кого наблюдаются дефекты импринтинга, менее тяжелый фенотип [22, 23]. Известны случаи заболевания расстройствами аутического спектра и синдромом Ангельмана, вызванные общей хромосомной делецией [22].

ЗАКЛЮЧЕНИЕ

Реконструкция генных сетей, основанная на анализе данных генов, вызывающих синдром Ангельмана, приводит к выявлению сетевых структур, функционально связанных с генами риска заболевания. Обнаружение функциональных связей будет иметь жизненно важное значение для разработки эффективных подходов к лечению. Учитывая совпадение симптомов с другими нарушениями развития нервной системы, ожидается, что эти данные будут широко применяться.

Исследование связанных заболеваний (сети заболеваний), в частности, с помощью MalaCards позволяет определить лекарственные средства, уже применяемые для лечения других заболеваний. Представленное использование онлайн инструментов биоинформатики создает методический задел для анализа генов редких наследственных заболеваний, расширяя применение для других заболеваний [7, 8]. Дальнейшее исследование синдрома Ангельмана требует объединения клинических и биоинформационных исследований для построения более точных моделей.

ЛИТЕРАТУРА

1. Лебедев Г.С., Шадеркин И.А., Фомина И.В., Лисненко А.А., Рябков И.В., Качковский С.В., Мелаев Д.В. Эволюция интернеттехнологий в системе здравоохранения. Журнал телемедицины и электронного здравоохранения 2017;2(4):63-78. [Lebedev G.S., Shaderkin I.A., Fomina I.V., Lisnenko A.A., Ryabkov I.V., Kachkovsky S.V., Malaev D.V. Evolution of Internet technologies in the healthcare system. Rossiyskiy zhurnal telemeditsiny i elektronnogo zdravookhraneniya = Russian Journal of Telemedicine and E-Health 2017;2(4):63-78. (In Russian)]. https://doi.org/10.29188/2542-2413-2017-3-2-63-78.

2. Koshechkin KA, Lebedev GS, Fartushnyi EN, Orlov YL. Holistic Approach for Artificial Intelligence Implementation in Pharmaceutical Products Lifecycle: A Meta-Analysis. Applied Sciences 2022;12(16):8373. https://doi.org/10.3390/app12168373.

3. Buiting K, Williams C, Horsthemke B. Angelman syndrome – insights into a rare neurogenetic disorder. Nat Rev Neurol 2016;12(10):584-93. https://doi.org/10.1038/nrneurol.2016.133.

4. Archer HL, J Evans, S Edwards, J Colley, R Newbury-Ecob, F O'Callaghan, et al. CDKL5 mutations cause infantile spasms, early onset seizures, and severe mental retardation in female patients. J Med Genet 2006;43(9):729-34. https://doi.org/10.1136/jmg.2006.041467.

5. Yang L, Shu X, Mao S, Wang Y, Du X, Zou C. Genotype-Phenotype Correlations in Angelman Syndrome. Genes (Basel) 2021;12(7):987. https://doi.org/10.3390/genes12070987.

6. Turkina VA, Orlova NG, Orlov YL. Biophysics education section and computational training discussion at VII Congress of Russian Biophysicists. Biophysical Reviews 2023;15:807-9. https://doi.org/10.1007/s12551-02301147-5.

7. Дохоян А.Ю., Глущенко М.В., Орлов Ю.Л. Реконструкция генной сети шизофрении для поиска генов-мишеней. Ульяновский медикобиологический журнал 2022;3:6-22. [Dokhoyan A.Yu., Glushchenko M.V., Orlov Y.L. Reconstruction of schizophrenia gene network in search for target genes. Ul'yanovskiy mediko-biologicheskiy zhurnal = Ulyanovsk Medical and Biological Journal 2022;3:6-22. (In Russian)]. https://doi.org/10.34014/2227-1848-2022-3-6-22.

8. Орлов Ю.Л., Галиева А.Г., Орлова Н.Г., Иванова Е.Н., Мозылева Ю.А., Анашкина А.А. Реконструкция генной сети болезни Паркинсона для поиска генов-мишеней. Биомедицинская химия 2021;67(3):222-30. [Orlov Y.L., Galieva A.G., Orlova N.G., Ivanova E.N., Mozyleva Y.A., Anashkina A.A. Reconstruction of gene network associated with Parkinson disease for gene targets search. Biomeditsinskaya khimiya = Biomedical chemistry 2021;67(3):222-30. (In Russian)]. https://doi.org/10.18097/PBMC20216703222.

9. Gubanova NV, Orlova NG, Dergilev AI, Oparina NY, Orlov YL. Glioblastoma gene network reconstruction and ontology analysis by online bioinformatics tools. Journal of Integrative Bioinformatics 2021;18:20210031. https://doi.org/10.1515/jib-2021-0031.

10. Amberger JS, Bocchini CA, Schiettecatte F, Scott AF, Hamosh A. OMIM.org: Online Mendelian Inheritance in Man (OMIM®), an online catalog of human genes and genetic disorders. Nucleic Acids Res 2015;43:D789-D798. https://doi.org/10.1093/nar/gku1205.

11. Safran M., Dalah I., Alexander J., Rosen N., Iny Stein T., Shmoish M., et al. GeneCards Version 3: the human gene integrator. Database: the journal of biological databases and curation 2010;2010:baq020. https://doi.org/10.1093/database/baq020.

12. Smigielski EM, Sirotkin K, Ward M, Sherry ST. dbSNP: a database of single nucleotide polymorphisms. Nucleic Acids Res 2000;28(1):352-5. https://doi.org/10.1093/nar/28.1.352.

13. Sayers EW, O'Sullivan C, Karsch-Mizrachi I. Using GenBank and SRA. Methods Mol Biol 2022;2443:1-25. https://doi.org/10.1007/978-1-0716-2067-0_1.

14. Szklarczyk D, Kirsch R, Koutrouli M, Nastou K, Mehryary F, Hachilif R, et al. The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res 2023;51(D1):D638-D646. https://doi.org/10.1093/nar/gkac1000.

15. Mostafavi S, Ray D, Warde-Farley D, Grouios C, Morris Q. GeneMANIA: a real-time multiple association network integration algorithm for predicting gene function. Genome Biol 2008;9(Suppl 1):S4. https://doi.org/10.1186/gb-2008-9-s1-s4.

16. Sherman BT, Hao M, Qiu J, Jiao X, Baseler MW, Lane HC, et al. DAVID: a web server for functional enrichment analysis and functional annotation of gene lists (2021 update). Nucleic Acids Res 2022;50(W1):W216-W221. https://doi.org/10.1093/nar/gkac194.

17. Mi H, Muruganujan A, Ebert D, Huang X, Thomas PD. PANTHER version 14: more genomes, a new PANTHER GO-slim and improvements in enrichment analysis tools. Nucleic Acids Res 2019;47(D1):D419-D426. https://doi.org/10.1093/nar/gky1038.

18. Harel A, Inger A, Stelzer G, Strichman-Almashanu L, Dalah I, Safran M, Lancet D. GIFtS: annotation landscape analysis with GeneCards. BMC Bioinformatics 2009;10:348. https://doi.org/10.1186/1471-2105-10-348.

19. Jiang Y, Lev-Lehman E, Bressler J, Tsai TF, Beaudet AL. Genetics of Angelman syndrome. Am J Hum Genet 1999;65(1):1-6. https://doi.org/10.1086/302473.

20. Rappaport N, Twik M, Plaschkes I, Nudel R, Iny Stein T, Levitt J, et al. MalaCards: an amalgamated human disease compendium with diverse clinical and genetic annotation and structured search. Nucleic Acids Res 2017;45(D1):D877-D887. https://doi.org/10.1093/nar/gkw1012.

21. Magenis RE, Brown MG, Lacy DA, Budden S, LaFranchi S. Is Angelman syndrome an alternate result of del(15)(q11q13)? Am J Med Genet 1987;28(4):829-38. https://doi.org/10.1002/ajmg.1320280407.

22. Peters SU, Horowitz L, Barbieri-Welge R, Taylor JL, Hundley RJ. Longitudinal follow-up of autism spectrum features and sensory behaviors in Angelman syndrome by deletion class. J Child Psychol Psychiatry 2012;53(2):152-9. https://doi.org/10.1111/j.1469-7610.2011.02455.x.

23. Tan WH, Bacino CA, Skinner SA, et al. Tan WH, Bacino CA, Skinner SA, et al. Angelman syndrome: Mutations influence features in early childhood. Am J Med Genet A 2011;155A(1):81-90. https://doi.org/10.1002/ajmg.a.33775.