Регуляторный потенциал SNP-маркеров в генах, кодирующих белки систем репарации ДНК

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Выявление широчайшего спектра локализованных в некодирующих участках генома однонуклеотидных полиморфизмов (SNP), ассоциированных с заболеваниями человека и патогенетически значимыми признаками, остро поставило вопрос по идентификации механизмов, объясняющих эти связи. Ранее нами выявлен ряд ассоциаций полиморфных вариантов генов, кодирующих белки репарации ДНК, с многофакторными заболеваниями. Для выяснения возможных механизмов, лежащих в их основе, нами проведена подробная аннотация регуляторного потенциала изучаемых маркеров с использованием ряда on-line ресурсов (GTXPortal, VannoPortal, Ensemble, RegulomeDB, Polympact, UCSC, GnomAD, ENCODE, GeneHancer, EpiМap Epigenomics 2021, HaploReg, GWAS4D, JASPAR, ORegAnno, DisGeNet, OMIM). В статье охарактеризован регуляторный потенциал следующих полиморфных вариантов: rs560191 (в гене TP53BP1), rs1805800 и rs709816 (NBN), rs473297 (MRE11), rs189037 и rs1801516 (ATM), rs1799977 (MLH1), rs1805321 (PMS2), rs20579 (LIG1). Приведена как общая характеристика изученных маркеров, так и информация по их влиянию на экспрессию “своего” и корегулируемых генов, на аффинность связывания факторов транскрипции. Рассмотрены опубликованные данные по адаптогенному и патологическому потенциалу этих SNP и о колокализованных с ними модификациях гистонов. Потенциальная вовлеченность на различных уровнях в регуляцию функционирования не только генов, в состав которых входят исследованные маркеры, но и близлежащих генов может объяснять ассоциированность изученных SNP с заболеваниями и их клиническими фенотипами.

Об авторах

Н. П. Бабушкина

Научно-исследовательский институт медицинской генетики,
Томский национальный исследовательский медицинский центр Российской академии наук

Автор, ответственный за переписку.
Email: nad.babushkina@medgenetics.ru
Россия, 634050, Томск

А. Н. Кучер

Научно-исследовательский институт медицинской генетики,
Томский национальный исследовательский медицинский центр Российской академии наук

Email: nad.babushkina@medgenetics.ru
Россия, 634050, Томск

Список литературы

  1. Zhang F., Lupski J.R. (2015) Non-coding genetic variants in human disease. Hum. Mol. Genet. 24(R1), R102‒R110. https://doi.org/10.1093/hmg/ddv259
  2. Бабушкина Н.П., Постригань А.Е., Кучер А.Н. (2021) Вовлеченность генов белков BRСA1-ассоциированного комплекса наблюдения за геномом (BASC) в развитие многофакторной патологии. Молекуляр. биология. 55(2), 318–337. https://doi.org/10.31857/S0026898421020038
  3. Бабушкина Н.П., Постригань А.Е., Кучер А.Н. (2018) Вовлеченность генов систем репарации ДНК в развитие сердечно-сосудистой патологии. Сб.: Молекулярно-биологические технологии в медицинской практике. Ред. А.Б. Масленников. Новосибирск: Академиздат, с. 48‒62.
  4. Бабушкина Н.П., Постригань А.Е., Хитринская Е.Ю., Кучер А.Н. (2019) Средовые эффекты на ассоциации генов белков систем репарации ДНК с бронхиальной астмой. VII Съезд Вавиловского общества генетиков и селекционеров (ВОГиС) (2019), Санкт-Петербург, Россия. Сборник тезисов, с. 788.
  5. Бабушкина Н.П., Постригань А.Е., Хитринская Е.Ю., Кучер А.Н. (2019) Вовлеченность полиморфных вариантов генов систем репарации ДНК в развитие многофакторных заболеваний. Сб.: Генетика человека и патология: актуальные проблемы клинической и молекулярной цитогенетики. Ред. В.А. Степанов. Томск: Литературное бюро, с. 5–6.
  6. Бабушкина Н.П., Постригань А.Е., Кучер А.Н. (2020) Гены белков репарации ДНК и продолжительности жизни. Медицинская генетика. 19(5), 99–100. https://doi.org/10.25557/2073-7998.2020.05.99-100
  7. Бабушкина Н.П., Постригань А.Е., Кучер А.Н., Кужелева Е.А., Гарганеева А.А. (2020) Ассоциации полиморфизма генов систем репарации ДНК с показателями липидного обмена. Кардиология 2020 – новые вызовы и новые решения, Казань. Сборник тезисов, с. 811.
  8. Постригань А.Е., Бабушкина Н.П., Кучер А.Н. (2020) Вовлеченность полиморфизма гена NBN в формирование предрасположенности к дистропным заболеваниям. Медицинская генетика. 19(8), 98–99. https://doi.org/10.25557/2073-7998.2020.08.98-99
  9. Peakall R., Smouse P.E. (2012) GenAlEx 6: genetic analysis in Excel. Population genetic software for teaching and research ‒ an update. Bioinformatics. 28(19), 2537‒2539. https://doi.org/10.1093/bioinformatics/bts460
  10. Taverna S.D., Li H., Ruthenburg A.J., Allis C.D., Patel D.J. (2007) How chromatin-binding modules interpret histone modifications: lessons from professional pocket pickers. Nat. Struct. Mol. Biol. 14(11), 1025‒1040. https://doi.org/10.1038/nsmb1338
  11. Hoon D.S.B., Rahimzadeh N., Bustos M.A. (2021) EpiMap: fine-tuning integrative epigenomics maps to understand complex human regulatory genomic circuitry. Signal. Transduct. Target Ther. 6(1), 179. https://doi.org/10.1038/s41392-021-00620-5
  12. Fu Y., Sinha M., Peterson C.L., Weng Z. (2008) The insulator binding protein CTCF positions 20 nucleosomes around its binding sites across the human genome. PLoS Genet. 4(7), e1000138. https://doi.org/10.1371/journal.pgen.1000138
  13. Rubio E.D., Reiss D.J., Welcsh P.L., Disteche C.M., Filippova G.N., Baliga N.S., Aebersold R., Ranish J.A., Krumm A. (2008) CTCF physically links cohesin to chromatin. Proc. Natl. Acad. Sci. USA. 105(24), 8309‒8314. https://doi.org/10.1073/pnas.0801273105
  14. Mishiro T., Ishihara K., Hino S., Tsutsumi S., Aburatani H., Shirahige K., Kinoshita Y., Nakao M. (2009) Architectural roles of multiple chromatin insulators at the human apolipoprotein gene cluster. EMBO J. 28(9), 1234‒1245. https://doi.org/10.1038/emboj.2009.81
  15. Shoaib M., Chen Q., Shi X., Nair N., Prasanna C., Yang R., Walter D., Frederiksen K.S., Einarsson H., Svensson J.P., Liu C.F., Ekwall K., Lerdrup M., Nordenskiöld L., Sørensen C.S. (2021) Histone H4 lysine 20 mono-methylation directly facilitates chromatin openness and promotes transcription of housekeeping genes. Nat. Commun. 12(1), 4800. https://doi.org/10.1038/s41467-021-25051-2
  16. Hansen K.H., Bracken A.P., Pasini D., Dietrich N., Gehani S.S., Monrad A., Rappsilber J., Lerdrup M., Helin K. (2008) A model for transmission of the H3K27me3 epigenetic mark. Nat. Cell Biol. 10(11), 1291‒1300. https://doi.org/10.1038/ncb1787
  17. Vandamme J., Sidoli S., Mariani L., Friis C., Christensen J., Helin K., Jensen O.N., Salcini A.E. (2015) H3K23me2 is a new heterochromatic mark in Caenorhabditis elegans. Nucleic Acids Res. 43(20), 9694‒9710. https://doi.org/10.1093/nar/gkv1063
  18. Yang W., Bai Y., Xiong Y., Zhang J., Chen S., Zheng X., Meng X., Li L., Wang J., Xu C., Yan C., Wang L., Chang C.C., Chang T.Y., Zhang T., Zhou P., Song B.L., Liu W., Sun S.C., Liu X., Li B.L., Xu C. (2016) Potentiating the antitumour response of CD8+ T cells by modulating cholesterol metabolism. Nature. 531(7596), 651‒655. https://doi.org/10.1038/nature17412
  19. Fornes O., Castro-Mondragon J.A., Khan A., van der Lee R., Zhang X., Richmond P.A., Modi B.P., Correard S., Gheorghe M., Baranasic D., Santana-Garcia W., Tan G., Cheneby J., Ballester B., Parcy F., Sandelin A., Lenhard B., Wasserman W.W., Mathelier A. (2020) JASPAR 2020: update of the open-access database of transcription factor binding profiles. Nucleic A-cids Res. 48(D1), D87‒D92. https://doi.org/10.1093/nar/gkz1001
  20. Lesurf R., Cotto K.C., Wang G., Griffith M., Kasaian K., Jones S.J., Montgomery S.B., Griffith O.L.; Open Regulatory Annotation Consortium. (2016) ORegAnno 3.0: a community-driven resource for curated regulatory annotation. Nucleic Acids Res. 44(D1), D126‒D132. https://doi.org/10.1093/nar/gkv1203
  21. Kazachenka A., Bertozzi T.M., Sjoberg-Herrera M.K., Walker N., Gardner J., Gunning R., Pahita E., Adams S., Adams D., Ferguson-Smith A.C. (2018) Identification, characterization, and heritability of murine metastable epialleles: implications for non-genetic inheritance. Cell. 175(5), 1259‒1271.e13. https://doi.org/10.1016/j.cell.2018.09.043
  22. Li M.J., Wang L.Y., Xia Z., Sham P.C., Wang J. (2013) GWAS3D: detecting human regulatory variants by integrative analysis of genome-wide associations, chromosome interactions and histone modifications. Nucleic Acids Res. 41(Web Server issue), W150‒W158. https://doi.org/10.1093/nar/gkt456
  23. Huang D., Yi X., Zhang S., Zheng Z., Wang P., Xuan C., Sham P.C., Wang J., Li M.J. (2018) GWAS4D: multidimensional analysis of context-specific regulatory variant for human complex diseases and traits. Nucleic Acids Res. 46(W1), W114‒W120. https://doi.org/10.1093/nar/gky407
  24. Huang D., Zhou Y., Yi X., Fan X., Wang J., Yao H., Sham P.C., Hao J., Chen K., Li M.J. (2022) VannoPortal: multiscale functional annotation of human genetic variants for interrogating molecular mechanism of traits and diseases. Nucleic Acids Res. 50(D1), D1408‒D1416. https://doi.org/10.1093/nar/gkab853
  25. Lee R., Kang M.K., Kim Y.J., Yang B., Shim H., Kim S., Kim K., Yang C.M., Min B.G., Jung W.J., Lee E.C., Joo J.S., Park G., Cho W.K., Kim H.P. (2022) CTCF-mediated chromatin looping provides a topological framework for the formation of phase-separated transcriptional condensates. Nucleic Acids Res. 50(1), 207‒226. https://doi.org/10.1093/nar/gkab1242
  26. Putt W., Palmen J., Nicaud V., Tregouet D.A., Tahri-Daizadeh N., Flavell D.M., Humphries S.E., Talmud P.J.; EARSII group. (2004) Variation in USF1 shows haplotype effects, gene : gene and gene : environment associations with glucose and lipid parameters in the European Atherosclerosis Research Study II. Hum. Mol. Genet. 13(15), 1587‒1597. https://doi.org/10.1093/hmg/ddh168
  27. Laurila P.P., Naukkarinen J., Kristiansson K., Ripatti S., Kauttu T., Silander K., Salomaa V., Perola M., Karhunen P.J., Barter P.J., Ehnholm C., Peltonen L. (2010) Genetic association and interaction analysis of USF1 and APOA5 on lipid levels and atherosclerosis. Arterioscler. Thromb. Vasc. Biol. 30(2), 346‒352. https://doi.org/10.1161/ATVBAHA.109.188912
  28. Taghizadeh E., Mirzaei F., Jalilian N., Ghayour Mobarhan M., Ferns G.A., Pasdar A. (2020) A novel mutation in USF1 gene is associated with familial combined hyperlipidemia. IUBMB Life. 72(4), 616‒623. https://doi.org/10.1002/iub.2186
  29. Pollard K.S., Hubisz M.J., Rosenbloom K.R., Siepel A. (2010) Detection of nonneutral substitution rates on mammalian phylogenies. Genome Res. 20(1), 110–121. https://doi.org/10.1101/gr.097857.109
  30. Caron B., Luo Y., Rausell A. (2019) NCBoost classifies pathogenic non-coding variants in Mendelian diseases through supervised learning on purifying selection signals in humans. Genome Biol. 20(1), 32. https://doi.org/10.1186/s13059-019-1634-2
  31. Siepel A. (2005) Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes. Genome Res. 15(8), 1034‒1035. https://doi.org/10.1101/gr.3715005
  32. Hubisz M.J., Pollard K.S., Siepel A. (2011) PHAST and RPHAST: phylogenetic analysis with space/time models. Brief. Bioinform. 12(1), 41–51. https://doi.org/10.1093/bib/bbq072
  33. Zerbino D.R., Achuthan P., Akanni W., Amode M.R., Barrell D., Bhai J., Billis K., Cummins C., Gall A., Giron C.G., Gil L., Gordon L., Haggerty L., Haskell E., Hourlier T., Izuogu O.G., Janacek S.H., Juettemann T., To J.K., Laird M.R., Lavidas I., Liu Z., Loveland J.E., Maurel T., McLaren W., Moore B., Mudge J., Murphy D.N., Newman V., Nuhn M., Ogeh D., Ong C.K., Parker A., Patricio M., Riat H.S., Schuilenburg H., Sheppard D., Sparrow H., Taylor K., Thormann A., Vullo A., Walts B., Zadissa A., Frankish A., Hunt S.E., Kostadima M., Langridge N., Martin F.J., Muffato M., Perry E., Ruffier M., Staines D.M., Trevanion S.J., Aken B.L., Cunningham F., Yates A., Flicek P. (2018) Ensembl 2018. Nucleic Acids Res. 46(D1), D754‒D761. https://doi.org/10.1093/nar/gkx1098
  34. Gulko B., Hubisz M.J., Gronau I., Siepel A. (2015) A method for calculating probabilities of fitness consequences for point mutations across the human genome. Nat. Genet. 47(3), 276‒283. https://doi.org/10.1038/ng.3196
  35. Freund M.K., Burch K.S., Shi H., Mancuso N., Kichaev G., Garske K.M., Pan D.Z., Miao Z., Mohlke K.L., Laakso M., Pajukanta P., Pasaniuc B., Arboleda V.A. (2018) Phenotype-specific enrichment of Mendelian disorder genes near GWAS regions across 62 complex traits. Am. J. Hum. Genet. 103, 535‒552. https://doi.org/10.1016/j.ajhg.2018.08.017
  36. Spataro N., Rodrıguez J. A., Navarro A., Bosch E. (2017) Properties of human disease genes and the role of genes linked to Mendelian disorders in complex disease aetiology. Hum. Mol. Genet. 26, 489–500. https://doi.org/10.1093/hmg/ddw405
  37. Zhang S., He Y., Liu H., Zhai H., Huang D., Yi X., Dong X., Wang Z., Zhao K., Zhou Y., Wang J., Yao H., Xu H., Yang Z., Sham P.C., Chen K., Li M.J. (2019) regBase: whole genome base-wise aggregation and functional prediction for human non-coding regulatory variants. Nucleic Acids Res. 47(21), e134. https://doi.org/10.1093/nar/gkz774
  38. Plotz G., Raedle J., Spina A., Welsch C., Stallmach A., Zeuzem S., Schmidt C. (2008) Evaluation of the MLH1 I219V alteration in DNA mismatch repair activity and ulcerative colitis. Inflamm. Bowel Dis. 14(5), 605‒611. https://doi.org/10.1002/ibd.20358
  39. Vietri M.T., Riegler G., De Paola M., Simeone S., Boggia M., Improta A., Parisi M., Molinari A.M., Cioffi M. (2009) I219V polymorphism in hMLH1 gene in patients affected with ulcerative colitis. Genet. Test. Mol. Biomarkers. 13(2), 193‒197. https://doi.org/10.1089/gtmb.2008.0088
  40. Li S., Zhang L., Chen T., Tian B., Deng X., Zhao Z., Yuan P., Dong B., Zhang Y., Mo X. (2011) Functional polymorphism rs189037 in the promoter region of ATM gene is associated with angiographically characterized coronary stenosis. Atherosclerosis. 219(2), 694‒697. https://doi.org/10.1016/j.atherosclerosis.2011.08.040
  41. Li Z., Yu J., Zhang T., Li H., Ni Y. (2013) rs189037, a functional variant in ATM gene promoter, is associated with idiopathic nonobstructive azoospermia. Fertil. Steril. 100(6), 1536‒1541.e1. https://doi.org/10.1016/j.fertnstert.2013.07.1995
  42. Ding X., Yue J.R., Yang M., Hao Q.K., Xiao H.Y., Chen T., Gao L.Y., Dong B.R. (2015) Association between the rs189037 single nucleotide polymorphism in the ATM gene promoter and cognitive impairment. Genet. Mol. Res. 14(2), 4584‒4592. https://doi.org/10.4238/2015.May.4.17
  43. Ding X., He Y., Hao Q., Chen S., Yang M., Leng S.X., Yue J., Dong B. (2018) The association of single nucleotide polymorphism rs189037C>T in ATM gene with coronary artery disease in Chinese Han populations: a case control study. Medicine (Baltimore). 97(4), e9747. https://doi.org/10.1097/MD.0000000000009747

© Н.П. Бабушкина, А.Н. Кучер, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».