CC BY
30
ПРИОРИТЕЗАЦИЯ ГЕНОВ НЕЙРОНАЛЬНОГО АПОПТОЗА ПО ИХ СТРУКТУРНОЙ РОЛИ В АССОЦИАТИВНОЙ ГЕННОЙ СЕТИ НАРУШЕНИЙ АУТИЧЕСКОГО СПЕКТРА С ПОМОЩЬЮ ПОДХОДОВ ANDSYSTEM
1 3
И.Н. Лаврик ' , канд. биол. наук, профессор В.А. Иванисенко1, канд. биол. наук, доцент П.С. Деменков1, канд. техн. наук, науч. сотр. О.В. Сайк1, мл. науч. сотр. М.А. Янкина , мл. науч. сотр..
Федеральный исследовательский центр Институт цитологии и генетики Сибирского отделения Российской академии наук
2Институт биохимии и генетики Уфимского научного центра РАН Магдебургский университет имени Отто фон Гуерике
1(Россия, г. Новосибирск)
2
2(Россия, г. Уфа)
3
(Германия, г. Магдебург)
Аннотация. Нарушения аутистического спектра (НАС) по оценкам эпидемиологических исследований могут поражать до 1% населения в мире. НАС сопровождается проблемами в социальной коммуникации, наличием ограниченных интересов, стереотипного и повторяющегося поведения. К числу важных факторов патогенеза НАС относится нейрональный апоптоз. В данной работе проведена приоритезация генов, вовлеченных в биологический процесс Gene Ontology нейрональный апоптоз, по их потенциальной важности для патогенеза НАС. Были использованы стандартные методы приоритезации ToppGene и Endeavor, а также подходы, реализованные в системе ANDSystem, учитывающие структуру генной сети НАС. Анализ показал, что наиболее перспективными для дальнейшего исследования в экспериментах по генотипированию могут быть гены GRIN1, NTRK2, GRIK5, PTK2B, CTNNB1 и ADORA2A.
Ключевые слова: нейрональный апоптоз, нарушения аутистического спектра (НАС), ANDSystem, ассоциативные генные сети, приоритезация генов, гены-кандидаты.
Работа выполнена при поддержке гранта РНФ «Программируемая клеточная гибель, индуцируемая через рецепторы смерти: идентификация молекулярных механизмов инициации апоптоза с помощью молекулярного моделирования» №14-44-00011.
Введение. Нарушения аутистического спектра (НАС) представляют собой группу нейропсихиатрических расстройств, характеризующихся проблемами в социальной коммуникации, наличием ограниченных интересов, стереотипного и повторяющегося поведения [1]. Эпидемиологические исследования показывают, что около 1% населения в мире может страдать НАС [2]. В настоящее время молекулярно-генетические основы развития НАС остаются в значительной степени неизвестными, однако исследования на близнецах говорят в пользу того, что генетический вклад имеет большое значение для этой патологии [1]. Было выявлено около ста генов, мутации которых ассоциированы с
НАС [3]. Исследования показывают, что одним из важных факторов патогенеза НАС выступает нейрональный апоптоз [46].
Нейрональный апоптоз является одной из форм клеточной гибели и характеризуется блеббингом и потерей асимметрии плазматической мембраны, конденсацией хроматина и расщеплением ДНК. Во время эмбрионального развития этот процесс является критическим для обеспечения элиминации избыточного числа нейронов [7]. При ряде заболеваний, таких как болезнь Альцгеймера, эпилепсия, судорожные расстройства, нейротравмы и др. наблюдаются нарушения нейронального апоптоза [810].
Целью данной работы была приорите-зация генов нейронального апоптоза по их потенциальной важности для НАС с помощью стандартных методов ToppGene [11] и Endeavor [12], а также критериев специфичности и центральности, реализованных в разработанной нами ранее системе ANDSystem [13, 14]. Критерии специфичности и центральности ANDSystem позволяют учитывать структуру генной сети НАС. На основе проведенного анализа были выявлены новые гены-кандидаты, перспективные для дальнейшего исследования в экспериментах по генотипирова-нию.
Материалы и методы
Список генов, ассоциированных с НАС, был экстрагирован из базы данных MalaCards [15] по запросу «Autism Spectrum Disorder». Список генов нейрональ-ного апоптоза был экстрагирован из базы данных AmiGO 2 [16] по запросу «neuron apoptotic process» (GO:0051402).
Ассоциативные генные сети были реконструированы с помощью системы ANDSystem [13, 14]. Система ANDSystem позволяет строить сети молекулярно-генетических взаимодействий между генами, белками, микроРНК, метаболитами и другими биологическими объектами в норме и при различных заболеваниях [1725].
Для приоритезации использовались программы ToppGene [11] и Endeavour version: 3.71 [12]. На вход программам подавался тренировочный и тестовый наборы генов. Тренировочный набор включал гены, ассоциированные с НАС, за исключением генов, одновременно ассоциированных с НАС и входящих в нейрональ-ный апоптоз. Тестовый набор включал все гены нейронального апоптоза. Настройки программ использовались по умолчанию. Для ранжирования генов использовались ранги, рассчитываемые программами ToppGene и Endeavour.
Приоритезация с помощью системы ANDSystem проводилась по двум показателям: центральности CTC (cross-talk centrality) и специфичности CTS (cross-talk specificity), которые были рассчитаны с помощью функции "Intelligent Filtration",
реализованной в программе "ANDVisio" системы ANDSystem. Для расчета центральности CTC использовалась формула: CTCi=Ni/M, где Ni - число связей i-го гена с участниками ассоциативной генной сети НАС, в глобальной сети (базе знаний) системы ANDSystem; M - число участников (вершин) ассоциативной генной сети НАС. Специфичность CTS рассчитывалась как CTSi=Ni/Ki, где Ki - общее число связей i-го гена в глобальной сети (базе знаний) ANDSystem. Гены ранжировались согласно убыванию показателей центральности CTC и специфичности CTS. Наименьшее значение ранга (наибольший приоритет гена) соответствовало наибольшему показателю центральности CTC (специфичности CTS).
Средний ранг рассчитывался как среднее арифметическое значение четырех рангов критериев ToppGene, Endeavor, центральность CTC и специфичность CTS.
Обогащенность списка наиболее приоритетных генов генами, ассоциированными с НАС, оценивалась согласно гипергеометрическому распределению с помощью веб-ресурса GeneProf (https://www.geneprof.org/GeneProf/tools/hy pergeometric.jsp).
Анализ перепредставленности участниками биологических процессов для наборов генов проводился с помощью системы DAVID 6.8 [26], p-value с поправкой Бенджамини—Хохберга на множественность сравнений менее 0.05.
Результаты и обсуждение
В настоящей работе рассматривался список из 98 генов, ассоциированных с НАС согласно информации из базы данных Malacards [15]. С помощью системы ANDSystem [13, 14] между этими генами и их продуктами была реконструирована ассоциативная генная сеть НАС. Из 98 генов 40 оказались не связанными в ассоциативной генной сети НАС. Между остальными 58 генами/белками было найдено 377 взаимодействий, включая 248 ассоциативных связей, 58 связей типа «экспрессия гена», 53 белок-белок взаимодействия и 18 регуляторных связей (см. рисунок).
Рисунок 1. Ассоциативная генная сеть НАС, реконструированная с помощью системы
АК08у81еш
На основании информации из базы данных AmiGO 2 [16] был сформирован список из 218 генов, вовлеченных в нейро-нальный апоптоз. Оказалось, что из них 11 генов (ADNP, BDNF, DLX1, EN2, GABRA5, GABRB3, GRIK2, HDAC4, MECP2, SCN2A и SYNGAP1) входят в ассоциативную генную сеть НАС. Эти гены принимают участие в различных биологических процессах. Например, гены ADNP, BDNF и MECP2 участвуют в биологических процессах Gene Ontology, отвечающих за процессы, связанные с формирова-
нием памяти; BDNF, DLX1, EN2, GABRA5, GABRB3, HDAC4, MECP2 и SYNGAP1 - в развитии нервной системы и структур мозга; GRIK2 - в механизмах ответа на страх; SCN2A - в миелинизации и
др.
Приоритезация генов нейронального апоптоза проводилась с помощью стандартных методов ToppGene [11] и Endeavor [12], а также показателей центральности CTC и специфичности CTS системы ANDSystem. Список 10 наиболее приоритетных генов приведен в таблице.
Таблица 1. Наиболее приоритетные гены нейронального апоптоза, выявленные согласно четырем критериям (ToppGene, Endeavor, центральность CTC и специфичность CTS)
Ген GeneId Ранг ToppGene Ранг Endevaour Ранг CTC Ранг CTS Средний ранг
GRIN1 2902 2 1 4,5 8 3,875
GABRB3* 2562 1 4 22,5 2 7,375
NTRK2 4915 6 2 22,5 17 11,875
BDNF* 627 8 26 2 19 13,75
GRIK2* 2898 3 3 56,5 7 17,375
MECP2* 4204 20 7 22,5 26 18,875
GRIK5 2901 11 6 56,5 9 20,625
PTK2B 2185 13 38 15 27 23,25
CTNNB1 1499 34 30 3 38 26,25
ADORA2A 135 18 11 56,5 20 26,375
Tp53# 7157 77 27 1 80 46,25
TFAP2B# 7021 65 141 56,5 1 65,875
ладающие наилучшим рангом по отдельно взятым критериям центральность CTC и специфичность CTS.
Оказалось, что в числе 10 наиболее приоритетных генов нейронального апоп-тоза статистически значимо перепредставлены гены (BDNF, GABRB3, GRIK2, MECP2), ассоциированные с НАС, (p-value< 0.001). Наиболее интересными для дальнейшего изучения являются шесть генов (GRIN1, NTRK2, GRIK5, PTK2B, CTNNB1, ADORA2A), которые оказались в числе 10 наиболее приоритетных и не были ассоциированы с НАС по данным MalaCards. Анализ сверхпредставленности биологических процессов DAVID показал, что эти гены преимущественно вовлечены в отрицательную регуляцию нейронально-го апоптоза (G0:0043524), глутаматерги-ческий синаптическую передачу сигнала (G0:0035235, G0:0035249) и появление возбуждающего постсинаптического потенциала (G0:0060079). Анализ литературы показал, что для генов GRIN1, NTRK2, PTK2B, CTNNB1 и ADORA2A уже есть сведения о возможной взаимосвязи мутаций в этих генах с НАС [27-31]. Для гена GRIK5 данных об ассоциации с НАС в системе PubMed найти не удалось. Этот ген кодирует рецептор глутамата и вовлечен в синаптическую передачу [32]. Мута-
ции в гене GRIK5 ассоциированы с шизофренией [33].
Гены TP53 и TFAP2B не попали в список из 10 наиболее приоритетных по среднему рангу, но имели первый ранг по отдельно взятым критериям центральность CTC и специфичность CTS, соответственно. Ген TP53 является супрессором опухолей и вовлечен в регуляцию клеточного цикла [34]. Ген TFAP2B кодирует сайт-специфичный ДНК-связывающий белок, который участвует в широком спектре важных биологических процессов, включая развитие глаз, лица, тела, конечностей, почечного эпителия и нервной трубки [35]. Дальнейшее изучение этих генов может быть интересным для выявления молеку-лярно-генетических механизмов патогенеза НАС.
Заключение
Анализ приоритезации генов нейро-нального апоптоза с учетом их структурной роли в генной сети НАС, проведенной с помощью методов ToppGene, Endeavor и ANDSystem, позволил выявить шесть генов (GRIN1, NTRK2, GRIK5, PTK2B, CTNNB1, ADORA2A), наиболее перспективных для их дальнейшего эксперимен-
тального изучения в патогенезе НАС.
Библиографический список
1. Grice D. E., Buxbaum J. D. The genetics of autism spectrum disorders // Neuromolecular medicine. - 2006. - Т. 8. - №4. - С. 451-460.
2. Developmental D. M. N. S. Y. et al. Prevalence of autism spectrum disorder among children aged 8 years-autism and developmental disabilities monitoring network, 11 sites, United States, 2010 // Morbidity and mortality weekly report. Surveillance summaries (Washington, DC: 2002). - 2014. - Т. 63. - №2. - С. 1.
3 . Bourgeron T. From the genetic architecture to synaptic plasticity in autism spectrum disorder // Nature Reviews. Neuroscience. - 2015. - Т. 16. - №9. - С. 551.
4. Ghanizadeh A. Targeting neurotensin as a potential novel approach for the treatment of autism // Journal of neuroinflammation. - 2010. - Т. 7. - №1. - С. 58.
5. Malik M., Sheikh A. M., Wen G., Spivack W., Brown W. T., Li X. Expression of inflammatory cytokines, Bcl2 and cathepsin D are altered in lymphoblasts of autistic subjects // Immunobiology. - 2011. - Т. 216. - №1. - С. 80-85.
6. El-Ansary A., Al-Ayadhi L. Neuroinflammation in autism spectrum disorders // Journal of neuroinflammation. - 2012. - Т. 9. - №1. - С. 265.
7. Schlisio S. Neuronal apoptosis by prolyl hydroxylation: implication in nervous system tumours and the Warburg conundrum // Journal of cellular and molecular medicine. - 2009. -Т. 13. - №10. - С. 4104-4112.
8. Friedman W. J. Proneurotrophins, seizures, and neuronal apoptosis // The Neuroscientist. -2010. - Т. 16. - №3. - С. 244-252.
9. Franklin J. L. Redox regulation of the intrinsic pathway in neuronal apoptosis // Antioxidants & redox signaling. - 2011. - Т. 14. - №8. - С. 1437-1448.
10. Liu J., Li J., Yang Y., Wang X., Zhang Z., Zhang L. Neuronal apoptosis in cerebral ische-mia/reperfusion area following electrical stimulation of fastigial nucleus // Neural regeneration research. - 2014. - T. 9. - №7. - C. 727.
11. Chen J., Xu H., Aronow B. J., Jegga A. G. Improved human disease candidate gene prioritization using mouse phenotype // BMC bioinformatics. - 2007. - T. 8. - №1. - C. 392.
12. Tranchevent L. C., Ardeshirdavani A., ElShal S., Alcaide D., Aerts J., Auboeuf D., Moreau Y. Candidate gene prioritization with Endeavour // Nucleic acids research. - 2016. - T. 44. -№ W1. - C. W117-W121.
13. Demenkov P. S., Ivanisenko T. V., Kolchanov N. A., Ivanisenko V. A. ANDVisio: a new tool for graphic visualization and analysis of literature mined associative gene networks in the ANDSystem // In silico biology. - 2012. - T. 11. - №3, 4. - C. 149-161.
14. Ivanisenko V. A., Saik O. V., Ivanisenko N. V., Tiys E. S., Ivanisenko T. V., Demenkov P. S., Kolchanov N. A. ANDSystem: an Associative Network Discovery System for automated literature mining in the field of biology // BMC systems biology. - 2015. - T. 9. - №2. - C. S2.
15. Rappaport N., Twik M., Plaschkes I., Nudel R., Iny Stein T., Levitt J., Lancet D. MalaCards: an amalgamated human disease compendium with diverse clinical and genetic annotation and structured search // Nucleic acids research. - 2017. - T. 45. - № D1. - C. D877-D887.
16. Ashburner M., Ball C. A., Blake J. A., Botstein D., Butler H., Cherry J. M., Harris M. A. Gene Ontology: tool for the unification of biology // Nature genetics. - 2000. - T. 25. - №1. -C. 25.
17. Momynaliev KT, Kashin SV, Chelysheva VV, Selezneva OV, Demina IA, Serebryakova MV, Alexeev D, Ivanisenko VA, Aman E, Govorun VM. Functional divergence of Helicobacter pylori related to early gastric cancer // Journal of proteome research. - 2009. - T. 9. - №1. -C. 254-267.
18. Pastushkova L Kh, Kononikhin AS, Tiys ES, Nosovsky AM, Dobrokhotov IV, Ivanisenko VA, Nikolaev EN, Novoselova NM, Custaud MA, Larina IM. SHIFTS IN URINE PROTEIN PROFILE DURING DRY IMMERSION // Aviakosmicheskaia i ekologicheskaia meditsina= Aerospace and environmental medicine. - 2014. - T. 49. - №4. - C. 15-19.
19. Bragina EY, Tiys ES, Freidin MB, Koneva LA, Demenkov PS, Ivanisenko VA, Kolchanov NA, Puzyrev VP. Insights into pathophysiology of dystropy through the analysis of gene networks: an example of bronchial asthma and tuberculosis // Immunogenetics. - 2014. - T. 66. -№7-8. - C. 457-465.
20. Larina IM, Pastushkova LKh, Tiys ES, Kireev KS, Kononikhin AS, Starodubtseva NL, Popov IA, Custaud MA, Dobrokhotov IV, Nikolaev EN, Kolchanov NA, Ivanisenko VA. Permanent proteins in the urine of healthy humans during the Mars-500 experiment // Journal of bioinformatics and computational biology. - 2015. - T. 13. - №01. - C. 1540001.
21. Petrovskiy ED, Saik OV, Tiys ES, Lavrik IN, Kolchanov NA, Ivanisenko VA. Prediction of tissue-specific effects of gene knockout on apoptosis in different anatomical structures of human brain // BMC genomics. - 2015. - T. 16. - №13. - C. S3.
22. Glotov AS, Tiys ES, Vashukova ES, Pakin VS, Demenkov PS, Saik OV, Ivanisenko TV, Arzhanova ON, Mozgovaya EV, Zainulina MS, Kolchanov NA, Baranov VS, Ivanisenko VA. Molecular association of pathogenetic contributors to pre-eclampsia (pre-eclampsia associome) // BMC systems biology. - 2015. - T. 9. - №2. - C. S4.
23. Popik OV, Petrovskiy ED, Mishchenko EL, Lavrik IN, Ivanisenko VA. Mosaic gene network modelling identified new regulatory mechanisms in HCV infection // Virus research. -2016. - T. 218. - C. 71-78.
24. Bragina EY, Tiys ES, Rudko AA, Ivanisenko VA, Freidin MB. Novel tuberculosis susceptibility candidate genes revealed by the reconstruction and analysis of associative networks // Infection, Genetics and Evolution. - 2016. - T. 46. - C. 118-123.
25. Saik OV, Konovalova NA, Demenkov PS, Ivanisenko NV, Ivanisenko TV, Ivanoshchuk DE, Konovalova OS, Podkolodnaya OA, Lavrik IN, Kolchanov NA, Ivanisenko VA. Molecular mechanisms of the interaction between the processes of the cell response to mechanical stress and
neuronal apoptosis in primary open-angle glaucoma // Russian Journal of Genetics: Applied Research. - 2017. - T. 7. - №5. - C. 558-564.
26. Huang D. W., Sherman B. T., Lempicki R. A. Systematic and integrative analysis of large gene lists using DAVID bioinformatics resources // Nature protocols. - 2009. - T. 4. - №1. -C. 44.
27. Rossi M., Chatron N., Labalme A., Ville D., Carneiro M., Edery P., Lesca G. Novel homozygous missense variant of GRIN1 in two sibs with intellectual disability and autistic features without epilepsy // European Journal of Human Genetics. - 2017. - T. 25. - №3. - C. 376-380.
28. Correia C. T., Coutinho A. M., Sequeira A. F., Sousa I. G., Lourenco Venda L., Almeida J. P., Cochrane L. Increased BDNF levels and NTRK2 gene association suggest a disruption of BDNF/TrkB signaling in autism // Genes, Brain and behavior. - 2010. - T. 9. - №7. - C. 841848.
29. Tao Y., Gao H., Ackerman B., Guo W., Saffen D., Shugart Y. Y. Evidence for contribution of common genetic variants within chromosome 8p21. 2-8p21. 1 to restricted and repetitive behaviors in autism spectrum disorders // BMC genomics. - 2016. - T. 17. - №1. - C. 163.
30. Dong F., Jiang J., McSweeney C., Zou D., Liu L., Mao Y. Deletion of CTNNB1 in inhibitory circuitry contributes to autism-associated behavioral defects // Human molecular genetics. -2016. - T. 25. - №13. - C. 2738-2751.
31. Freitag C. M., Agelopoulos K., Huy E., Rothermundt M., Krakowitzky P., Meyer J., Hohoff C. Adenosine A2A receptor gene (ADORA2A) variants may increase autistic symptoms and anxiety in autism spectrum disorder // European child & adolescent psychiatry. - 2010. -T. 19. - №1. - C. 67-74.
32. Gratacos M., Costas J., de Cid R., Bayes M., Gonzalez J. R., Baca-Garcia E., Martin-Santos R. Identification of new putative susceptibility genes for several psychiatric disorders by association analysis of regulatory and non-synonymous SNPs of 306 genes involved in neurotransmission and neurodevelopment // American Journal of Medical Genetics Part B: Neuropsychiatry Genetics. - 2009. - T. 150. - №6. - C. 808-816.
33. Shibata H., Aramaki T., Sakai M., Ninomiya H., Tashiro N., Iwata N., Fukumaki Y. Association study of polymorphisms in the GluR7, KA1 and KA2 kainate receptor genes (GRIK3, GRIK4, GRIK5) with schizophrenia // Psychiatry research. - 2006. - T. 141. - №1. - C. 39-51.
34. McCubrey J. A., Lertpiriyapong K., Fitzgerald T. L., Martelli A. M., Cocco L., Rakus D., Yang L. V. Roles of TP53 in determining therapeutic sensitivity, growth, cellular senescence, invasion and metastasis // Advances in biological regulation. - 2017. - T. 63. - C. 32-48.
35. Zhao F., Bosserhoff A. K., Buettner R., Moser M. A heart-hand syndrome gene: Tfap2b plays a critical role in the development and remodeling of mouse ductus arteriosus and limb patterning // PloS one. - 2011. - T. 6. - №7. - C. e22908.
PRIORITIZATION OF NEURONAL APOPTOSIS GENES BY THEIR STRUCTURAL ROLE IN THE ASSOCIATIVE GENE NETWORK OF AUTISM SPECTRUM DISORDER USING ANDSYSTEM APPROACHES
1 3
I.N. Lavrik ' , candidate of biological sciences, professor
V.A. Ivanisenko1, candidate of biological sciences, associate professor
P.S. Demenkov1, candidate of technical sciences, researcher
O.V. Saik1, junior researcher
M.A. Yankina , junior researcher
1Federal research center of the institute of cytology and genetics of the Siberian branch of the Russian Academy of sciences
2Institute of biochemistry and genetics, Ufa science center Russian Academy of sciences Otto von Guericke Magdeburg university 1(Russia, Novosibirsk) 2(Russia, Ufa)
3
(Germany, Magdeburg)
Abstract. Autism spectrum disorder (ASD) can affect up to 1% of the world's population according to epidemiological studies. ASD is accompanied by problems in social communication, the presence of limited interests, stereotyped and repetitive behavior. Among the important factors of ASD pathogenesis is neuronal apoptosis. In this work, genes involved in the Gene Ontology biological process neuronal apoptosis were prioritized according to their potential importance for ASD pathogenesis. For gene prioritization were used standard methods ToppGene and Endeavor, as well as approaches, taking into account the structure of the ASD gene network, implemented in the ANDSystem tool. The analysis showed that genes GRIN1, NTRK2, GRIK5, PTK2B, CTNNB1 and ADORA2A could be the most promising for further research in genotyping experiments.
Keywords: neuronal apoptosis, autism spectrum disorder (ASD), ANDSystem, associative gene networks, gene prioritization, candidate genes.
