最近发表的三份研究强调联系遗传和蛋白表达数据对疾病倍型的重要性,以便识别可操作蛋白目标开发药
多药开发基于基因组检测结果, 但这些药在临床阶段因无法提供预期成功治疗结果而失效是很常见的这是因为大多数药都指向蛋白质,而不是基因
虽然基因笔录编码信息制作特定蛋白质, 基因笔录量并不总是与蛋白质量相关单靠蛋白质水平无法表示 生物变化是研究疾病的原因或结果
研究者发现综合基因组学和蛋白质组学可克服这些挑战
狩猎致病蛋白
内最近研究发布自然代谢由Anders Mälstig率领的国际研究人员团队Pifizer人类遗传学和计算生物医学主任和瑞典SolnaKarolinska研究所研究员联合基因组学和蛋白学绘制控制90人类心血管蛋白质水平的遗传变异分析从15项不同研究收集的全基因组测序数据共30 931名参与者并比较该数据与蛋白表达度量化读出研究者通过质询两个数据集发现控制蛋白质丰度的遗传变异物,即蛋白质量化特地
高通量量化蛋白质很难科学家常使用西方粒子或质谱法估计蛋白质水平,两者都不利于同时测量多蛋白和大样本群orinkproteomic解析可以克服这些缺陷
Mälarstig团队使用Olink近距离分析板同时量化心血管多分量蛋白分量PEA板内含蛋白质专用抗体配对可达92种不同的蛋白每种抗体都连接到脱氧核糖核酸报告分子受样本启发后,配对抗体绑定目标蛋白和脱氧核糖核酸报告分子混合成一个新的PCR目标序列并实时PCR或NGS读出
Mälarstig和同事绘制共451pQTLs图,与85心血管蛋白质调控相关大样本大小使他们能识别大数cis-pQTLs(遗传变异定位离基因编码兴趣蛋白差远)和反转pQTLs(遗传变异定位离基因编码兴趣蛋白差远)。团队共识别Cis-pQTLs为75个蛋白质和反pQTLs为73个蛋白质
单靠pQTL无法预测蛋白质在疾病中作用的潜力,除非基因组学和蛋白组分解都可强连通
研究者使用Mendelian随机化-静态框架遗传、蛋白质和书写数据预测蛋白质是否在疾病中起因果作用基本等效多临床试验而无人类参与者或混淆因素
Mälarstig和同事应用Mendelian随机化识别pQTLs并使用生物库遗传数据38常见疾病评估pQTL因果性诊断出25种蛋白质,包括11种先前不明蛋白质,是各种人类疾病的因果,包括风波关节炎、骨质疏松症和糖尿病
将先质联系到疾病范围中的Pheno类型
研究是研究人员最近数项努力之一,即使用pQTLs和Mendelian随机分解系统生物方法识别各种人类疾病背后的因果蛋白
内论文发布日期为2020年7月PLOS遗传学由爱丁堡大学遗传学和分子医学教授Chris Haley率领的一组研究人员识别出154种基因变异控制249流质血液两组原基因型类采集等离子样本,并使用类似于Märrestig和同事使用的方法检测蛋白质水平
除心血管蛋白板外,Haley及其合作者使用Olink目标96点火板评估关键炎蛋白素水平与Mälarstig形成对比的是Haley团队专注于识别局部动作cis-pQTLs推理这些变异直接提供可药性蛋白目标信息64cis-pQTL共享
使用Mendelian随机化评估这些pQTLS直接涉及846种疾病和特征的潜力共检测到38pQTLs509个人类疾病特征,包括精神分裂症和心血管病
整合蛋白学和Epigenomics
寻找变量控制致病蛋白并不限于基因组学研究研究者日益意识到遗传因素在改变遗传变异表达式方面起着重要作用。下游影响蛋白质丰度和疾病推因果变异学是系统生物学方法的一部分,该方法调查基因组、原型和环境之间的交互作用,并调查它们对pheno类型的影响,即疾病发源
2020年7月发布的研究报告基因组医学深入探讨这一思想爱丁堡大学遗传学和分子医学教授Riccardo Marioni率领的一组研究者对全基因组和上位联系进行了研究,研究层次为1 017名健康老年人传播的70级炎性蛋白研究Lothian生Chort样本 面向1936年出生于苏格兰的个人纵向老化研究
团队辨识出13种遗传变异物与13种蛋白质相关联,并辨识出三大反射变异址并覆盖三大蛋白有趣的是,遗传变异和后代甲基化模式解释蛋白质水平所观察到的差分几乎相等:分别为45%和46%组合遗传变异和子遗传变异占蛋白表达式差异的66%,暗示评估两种参数在疾病中的累积重要性通过插入Mendelian随机化框架,作者将两个蛋白质与炎性肠病相关联,一个蛋白质与Crohn疾病相关联
系统级研究需要高山数据来确定重要关联环球研究者分享数据 创建累积资源 评估疾病发源一种努力就是SCALLOP财团持续国际研究 以识别新分子关联 和致病蛋白生物标志
成长联合体由24个不同研究机构的29名首席调查员组成,他们正在编译迄今为止最大资源之一,供病人数据和控制样本使用。研究人员,如SCALLOP财团、地图pQTLs数以百计遗传变异和蛋白质发现新提高有效药目标