Des chercheurs de l'Hôpital pour enfants de Philadelphie (CHOP) et de la Perelman School of Medicine de l'Université de Pennsylvanie (Penn Medicine) ont utilisé avec succès un algorithme pour identifier les mutations potentielles qui augmentent le risque de maladie dans les régions non codantes de notre ADN, qui constituent la grande majorité du génome humain. Les résultats pourraient servir de base pour détecter les variantes associées à la maladie dans une gamme de maladies courantes. Les résultats ont été publiés en ligne aujourd'hui par le American Journal of Human Genetics.
Alors que certaines sections du génome humain code pour les protéines pour remplir une variété de fonctions biologiques essentielles, plus de 98% du génome ne code pas pour les protéines. Cependant, des variantes associées à la maladie peuvent également être trouvées dans ces régions non codantes du génome, qui contrôlent souvent lorsque les protéines sont fabriquées ou «exprimées». Étant donné que ce «code réglementaire» n'est pas bien compris, ces variantes non codantes ont été plus difficiles à étudier, mais des études antérieures d'association à l'échelle du génome (GWAS) ont fait de grands progrès dans la compréhension de leur pertinence clinique.
L'un des défis est que si les régions générales peuvent être identifiées par GWAS comme étant associées à la maladie, il est de même que la variante parmi plusieurs est celle responsable de la maladie reste un défi. Beaucoup de ces variantes dans les régions non codantes sont concentrées autour des motifs de liaison des facteurs de transcription, qui sont des zones du génome spécifiques, appelées facteurs de transcription, reconnaissent et se lient afin de réguler l'expression des gènes. Bien que ces protéines se lient aux régions du génome qui sont « ouvertes », elles « ferment temporairement » la région immédiate de l'ADN auxquelles elles se lient, laissant une « empreinte » dans les résultats expérimentaux qui peuvent être utilisés pour localiser exactement où ils se lient.
« Cette situation est comparable à une programmation policière», a déclaré l'auteur de l'étude senior Struan FA Grant, PhD, directeur du Center for Spatial and Functional Genomics et la présidente de Daniel B. Burke pour la recherche sur le diabète à Chop. »Vous regardez ensemble des suspects similaires, il peut donc être difficile de savoir qui est le coupable réel. Avec l'approche que nous avons utilisée dans cette étude, nous sommes en mesure d'identifier la variante de la maladie à l'identification de cette soi-disant empreinte. «
Dans cette étude, les chercheurs ont utilisé ATAC-Seq, une méthode expérimentale de séquençage génomique qui identifie les régions « ouvertes » du génome et de l'impression, une méthode basée sur l'apprentissage en profondeur pour détecter ces types d'empreintes d'interactions ADN-protéine. En utilisant les données de 170 échantillons de foie humain, les chercheurs ont observé 809 «locus quantitatifs d'empreinte de pas», ou des parties spécifiques du génomique humain associée à ces empreintes qui indiquent où les interactions ADN-protéine ADN devraient avoir lieu. En utilisant cette méthode, les chercheurs pouvaient déterminer si les facteurs de transcription se liaient avec une force variable à ces sites en fonction de la variante.
Avec ces informations fondamentales utiles, les auteurs de l'étude espèrent appliquer ces techniques à d'autres échantillons d'organes et de tissus et commencer à identifier lesquelles de ces variantes conduisent potentiellement une variété de maladies communes.
« Cette approche aide à résoudre certains problèmes fondamentaux que nous avons rencontrés dans le passé lorsque vous essayez de déterminer quelles variantes non codantes peuvent conduisent une maladie», a déclaré l'auteur de la première étude Max Dudek, doctorant dans Grant et Almasy Labs au Département de génétique de Penn Medicine et du Département de pédiatrie de l'hôpital pour enfants de Philadelphie. »Avec des tailles d'échantillon plus grandes, nous pensons que la lecture de ces variantes occasionnelles pourrait finalement informer la conception de nouveaux traitements pour les maladies communes. «
Cette étude a été soutenue par le programme de bourses de recherche diplômée de la National Science Foundation, les National Institutes of Health Grants R01 HL133218, U10 AA008401, UM1 DK126194, U24 DK138512, UM1 DK126194, et R01 HD056465 et Daniel B. Burke a entendu le président de Diabteres.
