CC BY
13УДК 575.113.[1-3,5]; 575.174.015.3
Е. В. Снытков1, В. Н. Кипень2, А. А. Александров3, С. Б. Мельнов1
РОЛЬ ГЕНЕТИЧЕСКОГО ПОЛИМОРФИЗМА И МЕЖГЕННЫХ ВЗАИМОДЕЙСТВИЙ В ФОРМИРОВАНИИ НАРКОТИЧЕСКОЙ
ЗАВИСИМОСТИ У ЧЕЛОВЕКА
Учреждение образования «Международный государственный экологический университет им. А.Д. Сахарова БГУ» Республика Беларусь, 220070, г. Минск, ул. Долгобродская, 23/1 e-mail: evsnytkov@gmail.com ^Государственное научное учреждение «Институт генетики и цитологии Национальной академии наук Беларуси»
Республика Беларусь, 220072, г. Минск, ул. Академическая, 27 3Учреждение здравоохранения «Минский областной клинический центр «Психиатрия - наркология» Республика Беларусь, 220013, г. Минск, ул. П. Бровки, д.7
В данном исследовании представлены результаты молекулярно-генетического анализа 13 полиморфных вариантов генов, по результатам GWAS ассоциированных с развитием аддиктивных состояний, в группе лиц с наркотической зависимостью (n = 121) и в группе сравнения (n = 211). Основной метод генотипирова-ния — ПЦР с последующим высокоразрешающим плавлением ампликона (High Resolution Melting) и кластеризацией профилей плавления, результаты плавления валидированы с использованием метода ПЦР-ПДРФ. В результате, однонуклеотидными полиморфизмами, ассоциированными с повышенной вероятностью развития наркотической зависимости, являются: генотип АА по полиморфизму rs7085104 (AS3MT); аллель A по полиморфизму rs1109501 (MUC7); генотипы CC/CT по полиморфизму rs3735025 (DGK1); генотип GG по полиморфизму rs237238 (HIP1); генотипы AA/AG по полиморфизму rs2007044 (CACNA1C). При одновременном наличии генотипов: AA/AG (rs2007044, CACNA1C) // AA (rs7085104, AS3MT) // CC/CT (rs3735025, DGK1) // AA/AG (rs237238, HIP1) или AA (rs7085104, AS3MT) // AG (rs2007044, CACNA1C), - вероятность развития заболевания возрастает более чем в 4 раза.
Ключевые слова: наркотическая зависимость, предрасположенность, однонуклеотидный полиморфизм, ПЦР, анализ кривых плавления, межгенное взаимодействие.
Введение
Наркотическая зависимость представляет собой хроническое заболевание, для которого характерны множественные рецидивы. В настоящее время немедицинское использование наркотических веществ представляет собой реальную угрозу для здоровья людей и создает множество проблем для органов правопорядка. По данным из всемирного Доклада United Nations Office on Drugs and Crime (UNODC, https://www.unodc.org/) о наркотических веществах за 2018 г., количество летальных исходов, вызванных приемом опиоидных веществ, составило 76% от всех смертей, связанных с приемом наркотических веществ [1]. В 2016 г. каннабис (Cannabis)
стал самым распространенным наркотиком. Так, в 2017 г. как минимум однажды каннабиноиды употребляли 192 млн человек. За период 2006-2016 гг. число людей, которые употребляли каннабис, выросло на 16%, что соответствует приросту мирового населения за тот же период. По данным Доклада, количество людей, употребляющих наркотики минимум один раз в год, составляет более 275 млн человек (5,6% мирового населения в возрасте 15-65 лет), а риск употребления наркотических веществ с сопутствующими последствиями наиболее высок среди подростков. В Восточной Европе 70-90% всех людей, заражающихся ВИЧ-инфекцией, составляют люди, употре-
бляющие инъекционные наркотики, а в Европейском регионе в целом употребление инъекционных наркотиков приводит к большинству новых случаев гепатита С [2].
Согласно Докладу UNODC, каждый год от болезней, связанных с алкоголем, табаком и наркотиками умирает соответственно 2,3 млн, 5,1 млн и 250 тыс. человек. Среди населения мира в возрасте 15 лет и старше годовая распространенность употребления алкоголя составляет 42%, употребления табака — 25%, а незаконного употребления наркотиков — 5%. В результате негативное воздействие связанных с наркотическими веществами проблем для здоровья населения и растущее экономическое и социальное бремя стали важной проблемой для глобального здравоохранения [3].
Показано, что психические проблемы, возникающие в детском и подростковом возрасте, могут существенно повысить риск употребления психоактивных веществ или злоупотребления ими во взрослом возрасте [4]. Также известно, что повышенная тревожность и антисоциальные расстройства личности связаны в большей степени с зависимостью от наркотических веществ, чем со злоупотреблением самих наркотических веществ [5]. Исследования, проводившиеся на усыновленных различными семьями одно- или разнояйцевых близнецах, продемонстрировали убедительные доказательства вклада генетического фактора в развитие предрасположенности к наркотической зависимости [6]. Результаты исследований свидетельствуют, что различия наблюдаемого признака между индивидами в различных семьях, обусловленные аддитивными генетическими эффектами, не столь значительны, как ожидалось. В зависимости от конкретного наркотического средства генетические факторы составляют 40-80% вероятности развития наркотической зависимости [7, 8].
Установлено, что более 10% населения генетически предрасположено к указанной патологии [9, 10]. В этой связи определение и оценка частоты распространенности риск-ассоциированных аллелей потенциальных генов-кандидатов, влияющих на формирование наркотической зависимости, представляется весьма актуальной задачей [11]. Таким образом, цель настоящего исследования - оценить частоту распространенности генотипов
и аллелей для ряда полиморфных вариантов генов, предположительно ассоциированных с повышенной вероятностью развития наркотической зависимости, по данным GWAS, среди индивидов из Республики Беларусь.
Материалы и методы
Данное исследование проведено по принципу случай-контроль и включает 332 добровольца, постоянно проживающих на территории Республики Беларусь, для 121 из которых клинически установлена наркотическая зависимость (основная группа), в то время как 211 человек не имели пристрастия к наркотическим веществам (группа сравнения). Группа сравнения по основным демографическим критериям: пол, возраст, социальный статус и пр., — соответствовала основной группе.
После разъяснительной беседы и добровольного согласия в письменной форме у всех индивидов осуществлен забор биологического материала — буккального эпителия — на ватный тампон-зонд. ДНК выделяли стандартным двухэтапным методом фенольно-хлороформ-ной экстракции [12]. Концентрация ДНК для всех образцов была стандартизирована до 30-50 нг/мкл. Идентификацию генотипа в исследуемых полиморфных сайтах проводили с использованием технологии плавления ам-пликона высокого разрешения (HRM — high resolution melting) на термоциклере в режиме реального времени CFX96 Touch (Bio-Rad). Генотипирование проводилось с использованием Precision Melt Supermix for High Resolution Melt (HRM) Analysis (Bio-Rad, США) в трехкратной повторности согласно рекомендации производителя. Результаты ал-лельной кластеризации были проанализированы с использованием Precision Melt Analysis™ Software v1.3 (Bio-Rad, США). Корректность определения генотипа контролировали с использованием метода полиморфизма длин ре-стрикционных фрагментов (ПЦР-ПДРФ). Характеристика исследованных полиморфизмов представлена в таблице 1.
Для нахождения различий между номинальными показателями использовали метод х2. Уровень статистической значимости p при множественных сравнениях вычислялся экспериментально для каждого конкретного случая (сравнения) в процессе моделирования
Таблица 1
Структура праймеров для амплификации фрагментов в полиморфных сайтах генов
Полиморфизм (ген) Последовательность олигонуклеотидов Рестриктаза
rs6902771 (ESR1) F: 5'-AGTGCCATGAAAAACAAGTATAGGG-3' R: 5'-CTCCCTCATCAAATCAAGTCCCC-3' RsaI
rs7085104 (AS3MT) F: 5'-TTGGTCTCCGTTTTGGTGATGTA-3' R: 5-TCCATCTTTCTTCAGTGTGCAGTT-3' MspI
rs7590720 {PECK) F: 5'-ATCCAAAATAGCCTAGAGATTTGGC-3' R: 5'-ATGCTACGTCAAAACTAGCGA-3' Ddel
rs11191580 (NT5C2) F: 5-TGTTTTCCTTATGGGCTTGC-3' R: 5'-TTTGCCCTCTCAAAAAGCAC-3' TspRI
rs17504622 F: 5'-AGTAACATCCAACGGCTCACAG-3' R: 5'-GGGCATGGCAGCTCTAAGGAG-3' Alul
rs56205728 (BUB1B-PAK6) F: 5'-CAACAGGAAACATCTTCCAAGACA-3' R: 5'-TTATATGCTAATTTTGGGGTTAGCG-3' Acil
rs73229090 (EPHX2) F: 5'-CTCCAGTCCCAGCCCTATTATG-3' R: 5-TGCTAATCCCCTCCCATCGC-3' Dpnl
rs237238 (HIP1) F: 5'-AGCCACTTACAAGTTGTTCACGTC-3' R: 5'-AGGCAACCTGCAGATGAGTGAC-3' MspI
rs1109501 (MUC7) F: 5'-TGGCTTTAACACCGTAAGAACA-3' R: 5'-AATGGTACCTTCTTGTTGTGTCC-3' Acil
rs2007044 (CACNA1C) F: 5'-CAGGTAGGAGCAGTCCGGTG-3' R: 5'-GCAAAGTGGAAGTGAAAAATGGAAC-3' Acil
rs2273500 (CHRNA4) F: 5'-GGGTCTGATGGCGAAAAGCAC-3' R: 5'-GTCTTTGCCCCCACCCTTGA-3' Alul
rs3735025 (DGKI) F: 5'-ACCTAAAATGGGGCTCCTCTCAC-3' R: 5'-TTGGAATGTTGCACAGAGGCTAAT-3' Alul
rs4356203 (PIK3C2A) F: 5'-TTTTCCTCAGCCTAGAGGTGACA-3' R: 5'-CAACCCTACTCTAAGGGGTCC-3' Hhal
Примечание. Рестриктазы производства New England Biolabs (NEB)
в пакете SPSS v.20.0. Использовали точный критерий Фишера, основанный на пермута-ции (англ. permutation), — уровень р вычисляется по формулам комбинаторной теории вероятностей. Анализ ассоциации генотипов с риском развития заболевания проводился путем вычисления показателя отношения шансов (ОШ) для генотипов и аллелей каждого анализируемого полиморфного сайта (с расчетом 95% ДИ). Статистическая обработка данных проводилась с использованием SPSS v.20.0 (IBM, США).
Анализ межгенных взаимодействий проводился биоинформатическим методом многофакторного сокращения размерности (Multifactor Dimensionality Reduction, MDR) с использованием размещенного в открытом доступе (англ. open-source software) ПО MDR v.3.0.2. (http://
www.multifactordimensionalityreduction.org/). В процессе моделирования были использованы высоко консервативные настройки поиска конфигурации модели, которые позволили однозначно дифференцировать наличие/отсутствие статистически значимых эффектов: количество атрибутов (attribute count range) — от 1 до n (где n — количество переменных в модели); воспроизводимость модели (cross-validation count) — 100; анализ топ-моделей (track top models) — 1000; поиск конфигурации модели (search method configuration) — всесторонний (exhaustive); метод сравнения (ambiguous cell analysis) — точный тест Фишера (Fisher's exact test); классификация ячеек (ambiguous cell assignment) — неклассифицированные (unclassified). Математической базой данной
программы является непараметрический кластерный анализ для обнаружения и описания нелинейного типа взаимодействия между дискретными генетическими атрибутами.
Результаты и обсуждение
Распределение генотипов и аллелей исследуемых полиморфных вариантов генов
Нами изучено распределение частот аллелей и генотипов полиморфных вариантов генов ESR1, AS3MT, PECR, NT5C2, BUB1B-PAK6, EPHX2, HIP1, MUC7, CACNA1C, CHRNA4, DGKI и PIK3C2A у лиц с наркотической зависимостью и среди индивидов из группы сравнения (табл. 2). Данные гены условно можно разделить на 3 группы в соответствии с выполняемыми ими функциями: группа генов, задействованных в метаболизме веществ (AS3MT, PECR, EPHX2, MUC7, DGKI и NT5C2), группа генов, выполняющая регуляторную функцию (BUB1-PAK6, ESR1, CHRNA4 и PIK3C2A) и
группа генов, связанная с клеточным транспортом (HIP1 и CACNA1C). Полиморфный локус rs17504622 не находится в пределах какого-либо гена, однако ближайшим геном к нему является ген ионотропного глутаматного рецептора GRIA1, в связи с этим нами было принято решение отнести этот полиморфный локус в группу генов, выполняющих регуляторную функцию.
Все полиморфные локусы были выбраны на основании данных, представленных по результатам GWAS (https://www.ebi.ac.uk/gwas/): в работу вошли локусы, которые в таких исследованиях показали уровень значимости р < 1*10_6. Также в непосредственной близости от этих локусов отсутствуют другие полиморфизмы, что является необходимым условием для проведения HRM-анализа, а расчетная разница в температурах плавления для различных аллелей является наибольшей (на основании расчетов в Oligonucleotide Properties Calculator, http:// biotools.nubic.northwestern.edu/OligoCalc.html).
Таблица 2
Результат генотипирования по исследуемым полиморфным вариантам: А — сравнение аллелей, Г — сравнение генотипов, Д — доминантная модель наследования, Р — рецессивная
модель наследования
Полиморфизм Модель Генотип / аллель Группа сравнения Основная группа р ОШ (95% ДИ)
Гены метаболизма
rs7085104 (AS3MT) А Аллель A 63% 76,4% 0,0004 1,9 (1,33-2,72)
Аллель G 37% 23,65 0,53 (0,37-0,75)
Г A/A 86 (40,8%) 72 (59,5%) 0,0020 2,14 (1,35-3,37)
A/G 94 (44,5%) 41 (33,9%) 0,64 (0,4-1,01)
G/G 31 (14,7%) 8 (6,6%) 0,41 (0,18-0,93)
Д AA 86 (40,8%) 72 (59,5%) 0,0010 2,14 (1,35-3,37)
AG/GG 125 (59,2%) 49 (40,5%) 0,47 (0,30-0,74)
р AA/AG 180 (85,3%) 113 (93,4%) 0,0330 2,43 (1,08-5,48)
GG 31 (14,7%) 8 (6,6%) 0,41 (0,18-0,93)
rs7590720 (PECR) А Аллель A 72,3% 64% 0,0300 0,68 (0,49-0,96)
Аллель G 27,7% 36% 1,46 (1,04-2,05)
Г A/A 109 (51,7%) 50 (413%) 0,0790 0,66 (0,42-1,04)
A/G 87 (41,2%) 55 (45,5%) 1,19 (0,76-1,86)
G/G 15 (7,1%) 16 (13,2%) 1,99 (0,95-4,19)
Д AA 109 (51,7%) 50 (41,3%) 0,0870 0,66 (0,42-1,04)
AG/GG 102 (48,3%) 71 (58,7%) 1,52 (0,97-2,38)
р AA/AG 196 (92,9%) 105 (86,8%) 0,0780 0,5 (0,24-1,06)
GG 15 (7,1%) 16 (13,2%) 1,99 (0,95-4,19)
Продолжение таблицы 2
Полиморфизм Модель Генотип / аллель Группа сравнения Основная группа р ОШ (95% ДИ)
rs73229090 (EPHX2) А Аллель А 9% 13,2% 0,0900 1,54 (0,93-2,54)
Аллель С 91% 86,8% 0,65 (0,39-1,07)
Г А/А 0 (0,0%) 3 (2,5%) 0,0490 12,49 (0,64-243,96)
А/С 38 (18,0%) 26 (21,5%) 1,25 (0,71-2,18)
С/С 173 (82,0%) 92 (76,0%) 0,7 (0,40-1,20)
Д АА 0 (0,0%) 3 (2,5%) 0,0480 12,49 (0,64-243,96)
АС/СС 211 (100,0%) 118 (97,5%) 0,08 (0,00-1,56)
р АА/АС 38 (18,0%) 29 (24,0%) 0,2030 1,44 (0,83-2,48)
СС 173 (82,0%) 92 (76,0%) 0,7 (0,40-1,20)
rs1109501 (MUC7) А Аллель A 25,4% 34,3% 0,0100 1,54 (1,03-2,17)
Аллель G 74,6% 65,7% 0,65 (0,46-0,92)
Г A/A 13 (6,2%) 15 (12,4%) 0,0460 2,16 (0,99-4,70)
A/G 81 (38,4%) 53 (43,8%) 1,25 (0,79-1,97)
G/G 117 (55,5%) 53 (43,8%) 0,63 (0,40-0,98)
Д AA/AG 94 (44,5%) 68 (56,2%) 0,0520 1,6 (1,02-2,51)
GG 117 (55,5%) 53 (43,8%) 0,63 (0,40-0,98)
р AA 13 (6,2%) 15 (12,4%) 0,0640 2,16 (0,99-4,70)
AG/GG 198 (93,8%) 106 (87,6%) 0,46 (0,21-1,01)
rs3735025 (DGKI) А Аллель С 37,7% 48,3% 0,0070 1,55 (1,12-2,13)
Аллель Т 62,3% 51,7% 0,65 (0,47-0,89)
Г С/С 37 (17,5%) 27 (22,3%) 0,0100 1,35 (0,77-2,36)
С/Т 85 (40,3%) 63 (52,1%) 1,61 (1,03-2,53)
Т/Т 89 (42,2%) 31 (25,6%) 0,47 (0,29-0,77)
Д СС 37 (17,5%) 27 (22,3%) 0,3130 1,35 (0,77-2,36)
СТ/ТТ 174 (82,5%) 94 (77,7%) 0,74 (0,42-1,29)
р СС/СТ 122 (57,8%) 90 (74,4%) 0,0030 2,12 (1,30-3,46)
ТТ 89 (42,2%) 31 (25,6%) 0,47 (0,29-0,77)
rs11191580 (NT5C2) А Аллель С 8,3% 8,3% 0,9900 1 (0,56-1,77)
Аллель Т 91,7% 91,7% 1 (0,57-1,78)
Г С/С 0 (0,0%) 1 (0,8%) 0,4530 5,27 (0,21-130,28)
С/Т 35 (16,6%) 18 (14,9%) 0,88 (0,47-1,63)
Т/Т 176 (83,4%) 102 (84,3%) 1,07 (0,58-1,96)
Д СС 0 (0,0%) 1 (0,8%) 0,3640 5,27 (0,21-130,28)
СТ/ТТ 211 (100,0%) 120 (99,2%) 0,19 (0,01-4,70)
р СС/СТ 35 (16,6%) 19 (15,7%) 0,8780 0,94 (0,51-1,72)
ТТ 176 (83,4%) 102 (84,3%) 1,07 (0,58-1,96)
Гены регуляции
rs56205728 (BUB1B-PAK6) А Аллель A 31,3% 38,8% 0,1858 1,4 (1,01-1,94)
Аллель G 68,7% 61,2% 0,72 (0,52-1,10)
Продолжение таблицы 2
Полиморфизм Модель Генотип / аллель Группа сравнения Основная группа р ОШ (95% ДИ)
Г A/A 30 (14,2%) 24 (19,8%) 0,1880 1,49 (0,83-2,69)
A/G 72 (34,1%) 46 (38,0%) 1,18 (0,74-1,88)
G/G 109 (51,7%) 51 (42,1%) 0,68 (0,43-1,07)
Д AA/AG 102 (48,3%) 70 (57,9%) 0,1100 1,47 (0,93-2,30)
GG 109 (51,7%) 51 (42,1%) 0,68 (0,43-1,07)
р AA 30 (14,2%) 24 (19,8%) 0,2160 1,49 (0,83-2,69)
AG/GG 181 (85,8%) 97 (80,2%) 0,67 (0,37-1,21)
rs6902771 (ESR1) А Аллель С 53,1% 47,5% 0,1700 0,8 (0,58-1,10)
Аллель Т 46,9% 52,5% 1,25 (0,91-1,71)
Г С/С 68 (32,2%) 34 (28,1%) 0,3920 0,82 (0,50-1,34)
С/Т 88 (41,7%) 47 (38,8%) 0,89 (0,56-1,40)
Т/Т 55 (26,1%) 40 (33,1%) 1,4 (0,86-2,28)
Д СС 68 (32,2%) 34 (28,1%) 0,4600 0,82 (0,50-1,34)
СТ/ТТ 143 (67,8%) 87 (71,9%) 1,22 (075-1,99)
р СС/СТ 156 (73,9%) 81 (66,9%) 0,2070 0,71 (0,44-1,16)
ТТ 55 (26,1%) 40 (33,1%) 1,4 (0,86-2,28)
rs2273500 (CHRNA4) А Аллель С 20,1% 19,8% 0,9200 0,98 (0,66-1,46)
Аллель Т 79,9% 80,2% 1,02 (0,69-1,51)
Г С/С 4 (1,9%) 6 (5,0%) 0,1620 2,7 (0,75-9,76)
С/Т 77 (36,5%) 36 (29,8%) 0,74 (0,46-1,19)
Т/Т 130 (61,%) 79 (65,3%) 1,17 (0,74-1,87)
Д СС 4 (1,9%) 6 (5,0%) 0,1790 2,7 (0,75-9,76)
СТ/ТТ 207 (98,1%) 115 (95,0%) 0,37 (0,10-1,34)
р СС/СТ 81 (38,4%) 42 (34,7%) 0,5560 0,85 (0,54-1,36)
ТТ 130 (61,6%) 79 (65,3%) 1,17 (0,74-1,87)
rs4356203 (PIK3C2A) А Аллель A 54,3% 50,4% 0,3400 0,86 (0,62-1,18)
Аллель G 45,7% 49,6% 1,17 (0,85-1,60)
Г A/A 65 (30,8%) 27 (22,3%) 0,1920 0,65 (0,38-1,08)
A/G 99 (46,9%) 68 (56,2%) 1,45 (0,93-2,28)
G/G 47 (22,3%) 26 (21,5%) 0,95 (0,56-1,64)
Д AA 65 (30,8%) 27 (22,3%) 0,1000 0,65 (0,38-1,08)
AG/GG 146 (69,2%) 94 (77,7%) 1,55 (0,92-2,60)
р AA/AG 164 (77,7%) 95 (78,5%) 0,8910 1,05 (0,61-1,80)
GG 47 (22,3%) 26 (21,5%) 0,95 (0,56-1,64)
rs17504622 А Аллель С 94,3% 92,1% 0,2800 0,71 (0,38-1,32)
Аллель Т 5,7% 7,9% 1,41 (0,76-2,64)
Г С/С 191 (90,5%) 107 (88,4%) 0,4950 0,8 (0,39-1,65)
С/Т 16 (7,6%) 9 (7,4%) 0,98 (0,42-2,29)
Т/Т 4 (1,9%) 5 (4,1%) 2,23 (0,59-8,47)
Окончание таблицы 2
Полиморфизм Модель Генотип / аллель Группа сравнения Основная группа р ОШ (95% ДИ)
Д СС 191 (90,5%) 107 (88,4%) 0,5750 0,8 (0,39-165)
СТ/ТТ 20 (9,5%) 14 (11,6%) 1,25 (0,61-2,57)
Р СС/СТ 207 (98,1%) 116 (95,9%) 0,2950 0,45 (0,12-1,70)
ТТ 4 (1,9%) 5 (4,1%) 2,23 (0,59-8,47)
Гены клеточного транспорта
rs237238 (HIP1) А Аллель A 88,6% 81% 0,0070 0,55 (0,35-0,85)
Аллель G 11,4% 19% 1,83 (1,18-2,84)
Г A/A 165 (78,2%) 85 (70,2%) 0,0030 0,66 (0,40-1,09)
A/G 44 (20,9%) 26 (21,5%) 1,04 (0,60-1,79)
G/G 2 (0,9%) 10 (8,3%) 9,41 (2,03-43,72)
Д AA 165 (78,2%) 85 (70,2%) 0,1140 0,66 (0,40-1,09)
AG/GG 46 (21,8%) 36 (29,8%) 1,52 (0,91-2,53)
р AA/AG 209 (99,1%) 111 (91,7%) 0,0010 0,11 (0,02-0,49)
GG 2 (0,9%) 10 (8,3%) 9,41 (2,03-43,72)
rs2007044 (CACNA1C) А Аллель A 57,8% 63,6% 0,1400 1,28 (0,92-1,77)
Аллель G 42,2% 36,4% 0,78 (0,57-1,08)
Г A/A 89 (42,2%) 52 (43,0%) 0,0430 1,03 (0,66-1,62)
A/G 66 (31,3%) 50 (41,3%) 1,55 (0,97-2,46)
G/G 56 (26,5%) 19 (15,7%) 0,52 (0,29-0,92)
Д AA 89 (42,2%) 52 (43,0%) 0,9090 1,03 (0,66-1,62)
AG/GG 122 (57,8%) 69 (57,0%) 0,97 (0,62-1,57)
р AA/AG 155 (73,5%) 102 (84,3%) 0,0290 1,94 (1,09-3,45)
GG 56 (26,5%) 19 (15,7%) 0,52 (0,29-0,92)
Анализ полиморфизма rs7085104 (AS3MT) показал наличие статистически значимых различий в распределении частот генотипов между группами: генотипом, ассоциированным с повышенной вероятностью развития наркотической зависимости, является АА — ОШ = 2,14 [95% ДИ = (1,35-3,37)], а генотип G/G ассоциирован с протективным эффектом — ОШ = 0,41 [95% ДИ = (0,18-0,93)]. Сравнение двух групп по распределению генотипов полиморфного варианта rs7590720 (PECR) не показало статистически значимых различий, однако были выявлены статистически значимые различия при сравнении этих групп по аллельному составу — аллель G является риск-ассоциированным аллелем — ОШ = 1,46 [95% ДИ = (1,04-2,05)]. Анализ полиморфизма rs73229090 (EPHX2) показал наличие статистически значимых
различий в распределении частот генотипов между группами, однако четко выделить риск-ассоциированный генотип не представляется возможным. Сравнение групп по распределению генотипов по полиморфизму ге1109501 (МиС7) показало наличие статистически значимых различий: аллелем, ассоциированным с повышенной вероятностью развития наркотической зависимости, является А — ОШ = 1,54 [95% ДИ = (1,03-2,17)]. Статистически значимые различия были выявлены и при сравнении двух групп по полиморфизму ге3735025 (DGKI): генотип СТ оказался риск-ассоциированным — ОШ = 1,61 [95% ДИ = (1,03-2,52)]. При сравнении аллельно-го состава обеих групп было выявлено, что риск-ассоциированным аллелем является С — ОШ = 1,55 [95% ДИ = (1,12-2,13)]. При срав-
нении двух групп по распределению генотипов по полиморфизму ге237238 (Н1Р1) также выявлены статистически значимые различия: риск-ассоциированным генотипом является Ш—ОШ = 9,41 [95% ДИ = (2,03-43,72)]; риск-ассоциированной аллелью является О — ОШ = 1,83 [95% ДИ = (1,18-2,84)]. Также при сравнении обеих групп по ге2007044 (САСШ1С) выявлены статистически значимые различия, риск-ассоциированные генотипы—ААМО, — ОШ = 1,94 [95% ДИ = (1,09-3,45)].
Анализ полиморфных вариантов ге6902771 (ESR1), «11191580 (Ш5С2), «17504622, ге2273500 (СНША4) и «4356203 (Р1К3С2А) не выявил статистически значимых различий в распределении генотипов и аллелей между основной группой и группой сравнения.
Взаимодействия исследуемых полиморфных вариантов генов у лиц с наркотической зависимостью
Моделирование взаимодействия исследуемых полиморфных вариантов генов было проведено с учетом всей полученной в процессе молекулярно-генетического анализа информации. Преимуществом использованного MDR-анализа является возможность оценить совокупные взаимодействия, ассоциированные с формированием мультифак-
ториального фенотипа. Дерево кластеризации, отражающее характер взаимодействия полиморфных вариантов при наркотической зависимости, представлено на рисунке 1. В результате моделирования сформированы два кластера, каждый из которых состоял из двух субкластеров: «Кластер 1» — «Субкластер 1.1» ВиВ1В-РАК6 («56205728) и DGKI («3735025), «Субкластер 1.2» Ш5С2 («11191580), Н1Р1 («237238), ЕРНХ2 («73229090), ESR1 («6902771) и CHRNA4 («2273 500); «Кластер 2» — «Субкластер 2.1» Р1К3С2А («4356203), AS3MT («7085104), «Субкластер 2.2» CACNA1C («2007044); 2.2. «17504622, PECR («7590720) и МиС7 («1109501).
Анализ дерева кластеризации позволяет сделать следующие заключения:
- для взаимодействия полиморфных локусов «6902771 (ESR1) и ге2273500 (CHRNA4), а также ге7085104 А3МТ) и ге2007044 (САСШ1С) характерен синергический эффект (линии темно-серого цвета);
- взаимодействия полиморфных локусов ^562057281 (ВиВ1В-РАК6) и ге3735025 (ФО.К), а также ге7590720 (PECR) и ге1109501 (МиС7) обладают эффектом, близким к синергическо-му (линия серого цвета);
Рис. 1. Взаимодействия полиморфных вариантов генов в увеличении вероятности развития наркотической
зависимости
- взаимодействие полиморфных локусов 1811191580 {ЛГ5С2) и ге237238 (Н1Р1) имеет аддитивный эффект (линия светло-серого цвета);
- все остальные взаимодействия являются нейтральными.
Результаты моделирования межгенных взаимодействий позволили определить две статистически значимых модели, ассоциированные с повышенной вероятностью развития наркотической зависимости. Модель № 1 включает четыре полиморфизма: ге2007044 (САСЛА1С), генотипы ЛЛМ^ и GG // «7085104 ^3МГ), генотипы ЛЛ и AG/GG // «3735025 (DGKl), генотипы СС/СТ и ТТ // «237238 (Н1Р1), генотипы ЛЛМФ и GG. Модель № 2 включает два полиморфизма: ге7085104 (AS3MT), генотипы ЛЛ, AG и GG // «2007044 (САСЛА1С), генотипы ЛЛ, AG и GG.
Сбалансированная точность предсказания для модели 1 составила 70,24%, чувствительность — 65,93%, специфичность — 80,62%,
152007044 (САСЫАЮ)
АА/АО «7085104 (А83МТ) АА АО/ОС
Ой
(«7085104 (АбЗМТ) АА АО/ОО
1-Я
У « и я ор!
О с
3* «б
54
■ 31
Л
6
о
2* 18 3 ■ 1*
^ о
53
33 9 ■
12 и М
воспроизводимость — 100/100 (рис. 2); для Модели № 2 сбалансированная точность предсказания — 67,87%, чувствительность — 90,24%, специфичность — 72,73%, воспроизводимость — 100/100 (рис. 3).
В рамках Модели № 1 ассоциированным с повышенной вероятностью развития наркотической зависимости генотипом является: ЛЛМ^ (ге2007044, САСЛА1С) // ЛЛ (ге7085104, AS3MT) // СС/СТ («3735025, DGK1) // ЛЛ/ AG («237238, Н1Р1), — ОШ = 4,68 (95% ДИ = [2,77-7,90]), р < 0,0001. В то же время протективный эффект показан при наличии генотипов: ЛЛМ^ (ге2007044, САСЛА1С) // AG/ GG («7085104, AS3MT) // СС/СТ (ге3735025, DGK1) // ЛЛ^ («237238, Н1Р1) — ОШ = 0,41 (95% ДИ = [0,23-0,72]), р = 0,0021; GG («2007044, САСЛА1С) // ЛЛ («7085104, AS3MT) // СС/СТ («3735025, DGK1) // ЛЛ/ AG («237238, Н1Р1) — ОШ = 0,27 (95% ДИ = [0,08-0,95]), р = 0,0405.
Рис. 2. Комбинации генотипов в рамках Модели № 1 для полиморфных вариантов ге2007044 (САСЛА1С), ге7085104 (AS3MT), ^3735025 фОК1) и ге237238
(ШР1) при наркотической зависимости 1* (белый цвет) — различия между частотой встречаемости генотипа в основной группе и группе сравнения статистически незначимы; 2* (светло-серый цвет) — сочетание генотипов, связанное с низкой вероятностью развития наркотической зависимости (протективный эффект); 3* (темно-серый цвет) — сочетание генотипов, связанное с высокой вероятностью развития наркотической зависимости (риск-ассоциированный эффект)
Рис. 3. Комбинации генотипов в рамках Модели 2 для полиморфных вариантов ге7085104 ^3ЫГ) и ге2007044
(САСЛА1С) при наркотической зависимости 1* (белый цвет) — различия между частотой встречаемости генотипа в основной группе и группе сравнения статистически незначимы; 2* (светлосерый цвет) — сочетание генотипов, связанное с низкой вероятностью развития наркотической зависимости (протективный эффект); 3* (темно-серый цвет) — сочетание генотипов, связанное с высокой вероятностью развития наркотической зависимости (риск-ассоциированный эффект)
В рамках Модели № 2 ассоциированным с повышенной вероятностью развития наркотической зависимости генотипом является: AA (rs7085104, AS3MT) // AG (rs2007044, CACNA1C) — ОШ = 4,72 (95% ДИ = [2,54-8,77]), p < 0,0001. Выраженный протек-тивный эффект показан при наличии генотипа: AA (rs7085104, AS3MT) // GG (rs2007044, CACNA1C) — ОШ = 0,19 (95% ДИ = [0,07-0,55]), p = 0,0023.
Роль полиморфизма анализируемых генов в контексте развития аддиктивных расстройств. Ген AS3MT (arsenite methyltransferase, NCBI GenelD: 57412) катализирует перенос ме-тильной группы от S-аденозил-Ь-метионина в трехвалентный мышьяк и играет важную роль в метаболизме мышьяка [13]. Известно, что токсичность мышьяка связана с дисфункцией центральной нервной системы (ЦНС) и развитием психопатических состояний [14, 15]. Изучение полиморфизма данного гена является перспективным для поиска причин развития нарушений высшей нервной деятельности и аддиктивного поведения (в том числе и наркомании), учитывая наличие доказательств его ассоциации с шизофренией и аффективными расстройствами [11, 16]. Поскольку мышьяк способен оказывать токсическое действие на ЦНС, можно предположить, что нарушение регуляции метаболизма мышьяка опосредует связь между полиморфным локусом rs7085104 гена AS3MT и наркотической зависимостью.
Ген PECR (peroxisomal trans-2-enoyl-CoA reductase, NCBl GenelD: 55825) кодирует белок, который участвует в удлинении цепи жирных кислот. В научной литературе имеются данные о том, что полиморфные варианты этого гена оказывают влияние на модификацию риска развития алкогольной зависимости [17]. В этих исследованиях полиморфный вариант rs7590720 был достоверно ассоциирован с увеличенным риском развития алкогольной зависимости, а аллель А был определен как риск-ассоциированный. PECR, возможно, является ключевым ферментом метаболизма жирных кислот, поскольку он катализирует восстановление ненасыщенных еноил-КоА до насыщенных ацил-КоА, которые затем могут подвергаться окислению в митохондриях для производства энергии. Этот путь особен-
но важен в условиях голодания, когда энергоснабжение переключается с использования глюкозы на жирные кислоты. Как известно, уровень триглицеридов обычно повышен в крови у алкоголиков [18]. При разложении до ацетил-КоА жирные кислоты с нечетной цепью превращаются в пропионил-КоА, что требует карбоксилирования до жирных кислот с четной цепью. Этот этап опосредуется метилмалонил-КоА, промежуточным звеном, образованным основными кофакторами ме-тил-тетрагидрофолатом в качестве донора метила и витамином B12. Таким образом, дефицит фолата, часто наблюдаемый у пациентов с алкогольной зависимостью [19], может мешать этому пути и препятствовать доступу достаточного количества ацетил-КоА. Экспрессия PECR наиболее высокая в печени, за ней следуют почки, мышечная ткань, легкие и сердце [20].
EPHX2 (epoxide hydrolase 2, NCBI GenelD: 2053) кодирует белок, являющийся членом семейства эпоксидгидролаз. Белок, содержащийся как в цитоплазме, так и в пероксисомах, связывается со специфическими эпоксидами и превращает их в соответствующие дигидроди-олы. Существуют многочисленные сообщения о связи полиморфизма rs73229090 с увеличенным риском развития шизофрении [21-24].
MUC7 (mucin 7, secreted, NCBI GenelD: 4589) кодирует слюнный муцин, который, как полагают, играет роль в облегчении клиренса бактерий в полости рта и помогает в жевании и глотании. Центральный домен этого гликопротеина содержит тандемные повторы, каждый из которых состоит из 23 аминокислот. Этот белок обладает антибактериальным и противогрибковым действием. В научной литературе имеются данные о тесной связи аллеля G полиморфизма rs1109501 с развитием алкогольной зависимости [25]. Кроме того, была выявлена связь гена MUC7 с диабетической нефропатией при диабете 1 типа [26]. Данные, представленные на UniProtKB [https://www.uniprot.org/], указывают также на то, что продукт гена MUC7 поэтапно добавляет углеводы или производные углеводных остатков к первоначально добавленному O-связанному остатку (обычно GalNAc) для образования основной структуры O-гликана, тем самым принимая участие
в формировании гликанов. Как известно, гли-каны зачастую формируют комплексные соединения с другими типами молекул, из-за чего формируются такие типы соединений, как гликолипиды, гликопротеины и протео-гликаны. Основная функция гликолипидов в организме — служить сайтами узнавания для межклеточных взаимодействий. Глико-липиды связываются с конкретным комплементарным углеводом или с лектином (угле-водсвязывающим белком) соседней клетки. Взаимодействие этих маркеров является основой распознавания клеток и инициирует клеточные ответы [27], в частности глико-фосфолипиды, которые в основном расположены в нервной ткани и отвечают за передачу сигналов клетками [28], а также церебрози-ды — группа гликосфинголипидов, входящих в состав мембран нервных клеток[29]. В контексте определения роли гена MUC7 в развитии наркотической зависимости стоит также упомянуть и о протеогликанах, так как они могут влиять на активность и стабильность белков и сигнальных молекул в цитоплазме клеток [30, 31]. Исходя из вышесказанного, можно сделать вывод о том, что полиморфные варианты генаMUC7, в частности rs1109501, способны оказывать влияние на формирование гликолипидов и протеогликанов, молекулы которых задействованы в том числе в передаче сигналов и формировании нервной ткани, увеличивая тем самым риск развития такой формы аддиктивного поведения, как наркотическая зависимость.
DGKI (diacylglycerol kinase iota, NCBI GeneID: 9162) является членом подсемейства диацилгли-церинкиназ IV типа. Диацилглицеринкиназы регулируют внутриклеточную концентрацию диацилглицерина посредством его фосфори-лирования с образованием фосфатидной кислоты. В литературе имеются многочисленные упоминания о том, что полиморфный вариант rs3735025 этого гена тесно связан с увеличенным риском развития шизофрении [32-36] и расстройств аутистического спектра [37]. Продукт экспрессии данного гена принимает непосредственное участие в глутаматергической синаптической передаче сигнала, глутамат является одним из важнейших нейромедиа-торов, что, в свою очередь, может объяснять влияние полиморфных вариантов данного гена
на риск развития нарушений высшей нервной деятельности, в том числе и наркотической зависимости [38].
BUB1-PAK6 (NCBI GenelD: 106821730) представляет собой продукт сквозной транскрипции между генами BUB1B (UB1 mitotic checkpoint serine/threonine kinase B) и PAK6 (p21 (RAC1) activated kinase 6). Белок, кодируемый сквозными транскриптами, такой же, как продукт нижележащего гена (PAK6), поэтому в дальнейшем обсуждении целесообразно рассматривать только ген PAK6. Серин/треониновая протеинкиназа играет роль в регуляции транскрипции генов. Киназная активность индуцируется различными эффекторами, например, андрогенами, фосфо-рилирует ДНК-связывающий домен рецептора андрогена и тем самым ингибирует андроген-опосредованную транскрипцию; также подавляет транскрипцию, опосредованную ESR1 (рецептор эстрогена 1). По данным UniProtKB, продукт данного гена вовлечен в моторное, ассоциативное и неассоциативное обучение у детей, разветвление нейритов (генерация и организация ветвей нейронов) [39-41], расширение нейритов (рост на большие расстояния отростков одного нейрона) [42], в передачу сигналов путем фосфорилирования белков, а также в сигнальный каскад стресс-активируемого фос-форилирования белков. Полиморфный локус rs56205728, как сообщается, задействован в формировании шизофрении [32, 43], при этом в обоих исследованиях аллелем повышенного риска являлся А. Исходя из описанного выше, можно предположить, что полиморфные локу-сы сквозной транскрипции BUB1-PAK6 вообще и PAK6 в частности способны оказывать значительное влияние на формирование нейронов, их отростков и связей между нейронами, что, несомненно, может отразиться на психическом здоровье человека.
HIP1 (huntingtin interacting protein 1, NCBI GenelD: 106821730) кодирует мембранос-вязанный белок, который участвует в кла-трин-опосредованном эндоцитозе и переносе белков внутри клетки [44-46]. Продукт экспрессии этого гена участвует в регуляции передачи сигнала рецепторами AMPA (амин-3-гидрокси-5-метил-4-изоксазолпропионовая кислота) в центральной нервной системе, регулирует деятельность пресинаптических нервных окончаний, усиливает транскрип-
цию, опосредованную рецепторами андро-генов [47]. По данным UniProtKB, продукт данного гена селективно и нековалентно взаимодействует с рецептором глутамата, а также участвует в транспорте нейромедиаторов, что может объяснять влияние полиморфного локуса rs237238 на риск развития наркотической зависимости. Также стоит отметить, что M.Taylor et al. показали связь между полиморфизмом rs237238 и алкогольной зависимостью у детей, у матерей которых имеется выраженный алкоголизм [48].
CACNA1C (calcium voltage-gated channel subunit alphal C, NCBI GenelD: 775) кодирует субъединицу альфа-1 потенциал-зависимого кальциевого канала. Кальциевые каналы опосредуют приток ионов кальция в клетку при поляризации мембраны. CACNA1C необходим для нормального сокращения глад-комышечных клеток кровеносных сосудов и кишечника, а также для нормального регулирования артериального давления благодаря своей роли в сокращении гладкомышечных клеток артерий [49]. Несмотря на то, что продукт экспрессии данного гена широко задействован в мышечных клетках, он также оказывает влияние и на мозговую ткань. Так, F. Zheng et al. [50] выявили значимую связь между генотипом по полиморфизму rs2007044 и площадью поверхности правой дорсолатеральной префронтальной коры и левой верхней теменной коры у человека. Обе области демонстрировали одинаковый характер эффектов взаимодействия: пациенты, которые были носителями аллеля G, демонстрировали уменьшенную площадь кортикальной поверхности по сравнению с гомозиготами AA. Обе эти области головного мозга вовлечены в патофизиологию шизофрении [51]. CACNA1C играет решающую роль в регулировании потенциал-зависимого притока кальция, который, в свою очередь, модулирует передачу сигналов, включая регуляцию некоторых зависимых от кальция генов, таких как нейротрофический фактор головного мозга [52]. Также известно, что варианты rs2007044 могут изменять эффективность связывания фактора транскрипции и изменять промоторную активность гена CACNA1C [53]. Данные факты подтверждают связь полиморфных локусов гена CACNA1C с
нарушениями высшей нервной деятельности, в том числе с различными формами аддик-тивного поведения, например, наркотической зависимостью.
Заключение
Каждая популяция характеризуется своим специфическим соотношением частот встречаемости различных аллелей генов. Проведенный анализ частоты распространения генотипов и аллелей по полиморфным вариантам генов ESR1, AS3MT, РЕСЯ, ЛГ5С2, ВиВ1В-РАК6, ЕРНХ2, НР1, MUC7, САСЛА1С, СНЯЛА4, DGKI и Р1К3С2А позволил определить их вклад в увеличение вероятности возникновения наркотической зависимости среди индивидов из Республики Беларусь. Генетическими маркерами, ассоциированными с повышенной вероятностью развития наркотической зависимости, являются: генотип АА по полиморфизму ге7085104 (AS3MT) — ОШ = 2,14 [95% ДИ = (1,35-3,37)]; аллель Л по полиморфизму ге1109501 (ЫиС7) — ОШ = 1,54 [95% ДИ = (1,03-2,17)]; генотипы СС/СТ по полиморфизму «3735025 (DGK1) — ОШ = 2,12 [95% ДИ = (1,30-3,46)]; генотип GG по полиморфизму ге237238 (Н1Р1) — ОШ = 9,41 [95% ДИ = (2,03-43,72)]; генотипы ЛЛМ^ по полиморфизму ге2007044 (САСЛА1С) — ОШ = 1,94 [95% ДИ = (1,09-3,45)].
Анализ, направленный на оценку модификации вероятности развития наркотической зависимости при одновременном носительстве полиморфных вариантов исследованных генов, показал, что при одновременном наличии генотипов AA/AG («2007044, САСЛА1С) // ЛЛ (ге7085104, AS3MT) // СС/СТ («3735025, DGK1) // AA/AG («237238, Н1Р1) или ЛЛ («7085104, AS3MT) // AG («2007044, САСЛА1С) вероятность развития заболевания возрастает более чем в 4 раза — ОШ = 4,68 (95% ДИ = [2,77-7,90]) и ОШ = 4,72 (95% ДИ = [2,54-8,77]) соответственно.
Полученные нами результаты демонстрируют важность исследований по оценке значимости совместного вклада ряда независимо действующих или взаимодействующих генов систем метаболизма, регуляции и клеточного транспорта для выявления возможной совокупности маркеров предрасположенности к наркотической зависимости.
Для ряда исследованных полиморфизмов имеется связь с шизофренией, алкоголизмом, расстройствами аутического спектра. В связи с этим полученные нами результаты будут способствовать дальнейшему поиску и анализу общих генетических компонент для аддиктивных заболеваний, включая наркотическую зависимость.
Таким образом, выявление лиц с повышенной вероятностью развития наркотической зависимости на основе молекулярно-генети-ческого анализа является современным подходом в борьбе с данной патологией, так как позволит своевременно провести комплекс профилактических мероприятий.
Исследование частично поддержано грантом БРФФИ№ 20151043 от 04.05.2015 г.
Список использованных источников:
1. Всемирный доклад о наркотиках 2018: опи-оидный кризис, растущий уровень употребления рецептурных препаратов, рекордные уровни производства кокаина и героина [Электронный ресурс]. - Режим доступа: https://www.unodc. org/doc/wdr2018/WDR_2018_PressRealeaseRUS. PDF. - Дата доступа: 24.08.2020.
2. World Drug Report 2020, booklet 2 [Электронный ресурс]. - Режим доступа: https://wdr.unodc.org/wdr2020/field/WDR20_ Booklet_2.pdf. - Дата доступа: 24.08.2020.
3. Degenhardt, L. The Global Burden of Disease projects: what have we learned about illicit drug use and dependence and their contribution to the global burden of disease? / L. Degenhardt, H. Whiteford, W. Hall. // Drug and Alcohol Review, 2014. - Vol. 33, № 1. - P. 4-12.
4. Personality disorders in early adolescence and the development of later substance use disorders in the general population. / P. Cohen [et al.] // Drug and Alcohol Dependence, 2007. -Vol. 88, № 1. - P. 71-84.
5. Prevalence, correlates, disability, and co-morbidity of DSM-IV drug abuse and dependence in the United States: results from the national epidemiologic survey on alcohol and related conditions / W. M. Compton [et al.] // Archives Of General Psychiatry, 2007. - Vol. 64, № 5. - P. 566-576.
6. Goldman, D. The genetics of addictions: uncovering the genes / D. Goldman, G. Oroszi,
F. Ducci // Nature Reviews Genetics, 2005. -Vol. 6, № 7. - P. 521-532.
7. The genetics of addiction-a translational perspective / A. Agrawal [et al.] // Translational Psychiatry, 2012. - Vol. 2, № 7. - P. e10-e14.
8. Illicit psychoactive substance use, heavy use, abuse, and dependence in a US population-based sample of male twins / K. Kendler [et al.] // Archives Of General Psychiatry, 2000. - Vol. 57, № 3. - P. 261-269.
9. McGinnis, J Actual causes of death in the United States / J. McGinnis, W. Foege // JAMA, 1993. - Vol. 270, №18. - P. 2207-2212.
10. Hupkens, C. Alcohol consumption in the European community: uniformity and diversity in drinking patterns / C. Hupkens, R. Knibbe, M. Drop // Addiction, 1993. - Vol. 88, № 10. -P. 1391-1404.
11. Genome-wide association analysis identifies 13 new risk loci for schizophrenia / S. Ripke [et al.] // Nature genetics, 2013. - Vol. 45, №
10. - P. 1150-1159.
12. Sambrook, J., Russel, D. Molecular Cloning: A Laboratory Manual /J. Sambrook, D. Rus-sel // Cold Spring Harbor: Cold Spring Harbor Lab. Press. / J. Sambrook, D. Russel. - 3rd ed. -New York, 2001. - Chapter 1. - P. 11-14.
13. Sumi, D. Role of arsenic (+3 oxidation state) methyltransferase in arsenic metabolism and toxicity / D. Sumi, S. Himeno // Biological and Pharmaceutical Bulletin, 2012. - Vol. 35, №
11. - P. 1870-1875.
14. Tyler, C. The Effects of Arsenic Exposure on Neurological and Cognitive Dysfunction in Human and Rodent Studies: A Review / C. Tyler, A. Allan // Current environmental health reports, 2014. - Vol. 1, № 2. - P. 132-147.
15. Ratnaike, R. Acute and chronic arsenic toxicity / R. Ratnaike // Postgraduate medical journal, 2003. - Vol. 79, № 933. - P. 391-396.
16. Evidence of AS3MT d2d3-Associated Variants within 10q24.32-33 in the Genetic Risk of Major Affective Disorders / L. Lingyi [et al.] // Molecular neuropsychiatry, 2017. - Vol. 2, № 4. - P. 213-218.
17. Genome-wide association study of alcohol dependence / J. Treutlein [et al.]. - Archives of general psychiatry, 2009. - Vol. 66, № 7. -P. 773-784.
18. Serum lipids and acyl group composition of alcoholic patients / G. Sun [et al.] // Alco-
hol (Fayetteville, N.Y.), 1988. - Vol. 5, № 2. -P. 153-157.
19. Hamid, A. Decreased expression of transporters reduces folate uptake across renal absorptive surfaces in experimental alcoholism / A. Hamid, J. Kaur // The Journal of membrane biology, 2007. - Vol. 220, № 3. - P. 69-77.
20. Das, A. Molecular cloning and expression of mammalian peroxisomal trans-2-enoyl-coen-zyme A reductase cDNAs / A. Das, M. Uhler, A. Hajra // The Journal of biological chemistry, 2000. - Vol.275, № 32. - P. 24333-24340.
21. Variability of 128 schizophrenia-associated gene variants across distinct ethnic populations / K. Ohi [et al.] // Translational psychiatry, 2017. - Vol. 7, № 1. - P. e1-e16.
22. CalPen (Calculator of Penetrance), a web-based tool to estimate penetrance in complex genetic disorders / A. Addepalli [et al.] // PloS one, 2020. - Vol. 15, № 1. - P. e1-e10.
23. A Bayesian framework that integrates multi-omics data and gene networks predicts risk genes from schizophrenia GWAS data / Q. Wang [et al.] // Nature neuroscience, 2019. - Vol. 22, № 5. - P. 691-699.
24. Genome-Wide Association Studies Suggest Limited Immune Gene Enrichment in Schizophrenia Compared to 5 Autoimmune Diseases / J. Pouget [et al.] // Schizophrenia bulletin, 2016. - Vol. 42, № 5. - P. 1176-1184.
25. A quantitative-trait genome-wide association study of alcoholism risk in the community: findings and implications / A. Heath [et al.] // Biological psychiatry, 2011. - Vol. 70, № 6. -P. 513-518.
26. Genome-Wide Association Study of Diabetic Kidney Disease Highlights Biology Involved in Glomerular Basement Membrane Collagen / R. Salem [et al.] // Journal of the American Society of Nephrology: JASN, 2019. - Vol. 30, № 10. - P. 2000-2016.
27. Schnaar, R. Glycolipid-mediated cell-cell recognition in inflammation and nerve regeneration / R. Schnaar // Archives of biochemistry and biophysics, 2004. - Vol. 426, № 2. - P. 163-172.
28. Hakomori, S. Functional role of glyco-sphingolipids in cell recognition and signaling / S. Hakomori, Y. Igarashi // Journal of biochemistry, 1995. - Vol. 118, № 6. - P. 1091-1103.
29. Cerebroside synthesis as a measure of the rate of remyelination following cuprizone-
induced demyelination in brain / H. Jurevics [et al.] // Journal of neurochemistry, 2001. - Vol. 77, № 4. - P. 1067-1076.
30. Syndecan-1 is a novel molecular marker for triple negative inflammatory breast cancer and modulates the cancer stem cell phenotype via the IL-6/STAT3, Notch and EGFR signaling pathways / S. Ibrahim [et al.] // Molecular cancer, 2017. - Vol. 16, № 1. - P. e1-e19.
31. Syndecan-1 (CD138) modulates triple-negative breast cancer stem cell properties via regulation of LRP-6 and IL-6-mediated STAT3 signaling / S. Ibrahim [et al.] // PloS one, 2013. -Vol. 8, № 12. - P. e1-e14.
32. Biological insights from 108 schizophrenia-associated genetic loci / Schizophrenia Working Group of the Psychiatric Genomics Consortium. - Nature, 2014. - Vol. 511, № 7510. - P. 421-427.
33. Association of Schizophrenia Risk With Disordered Niacin Metabolism in an Indian Genome-wide Association Study / S. Periyasa-my [et al.] // JAMA psychiatry, 2019. - Vol. 76, № 10. - P. 1026-1034.
34. Common schizophrenia alleles are enriched in mutation-intolerant genes and in regions under strong background selection / A. Pardinas [et al.] // Nature genetics, 2018. - Vol. 50, № 3. -P. 381-389.
35. Genome-wide association analysis identifies 30 new susceptibility loci for schizophrenia / Z. Li [et al.] // Nature genetics, 2017. - Vol. 49, № 11. - P. 1576-1583.
36. Genome-Wide Association Study Detected Novel Susceptibility Genes for Schizophrenia and Shared Trans-Populations/Diseases Genetic Effect / M. Ikeda [et al.] // Schizophrenia bulletin, 2019. - Vol. 45, № 4. - P. 824-834.
37. Meta-analysis of GWAS of over 16,000 individuals with autism spectrum disorder highlights a novel locus at 10q24.32 and a significant overlap with schizophrenia / Autism Spectrum Disorders Working Group of The Psychiatric Genomics Consortium // Molecular autism, 2017. - Vol. 8, № 21. - P. e1-e17.
38. DGKi regulates presynaptic release during mGluR-dependent LTD / J. Yang [et al.] // The EMBO journal, 2011. - Vol. 30, № 1. - P. 165-180.
39. The familial Parkinsonism gene LRRK2 regulates neurite process morphology / D. MacLeod [et al.] // Neuron, 2006. - Vol. 52, № 4. - P. 587-593.
40. Morley, B. Dendritic spine alterations in the hippocampus and parietal cortex of alpha7 nicotinic acetylcholine receptor knockout mice /
B. Morley, R. Mervis // Neuroscience, 2013. -Vol. 233. - P. e1-e20.
41. Dscam expression levels determine presynaptic arbor sizes in Drosophila sensory neurons / J. Kim [et al.] // Neuron, 2013. - Vol. 78, № 5. -P. 827-838.
42. NRP1 and NRP2 cooperate to regulate gangliogenesis, axon guidance and target innervation in the sympathetic nervous system /
C. Maden [et al.] // Developmental biology, 2012. - Vol. 369, № 2. - P. 277-285.
43. Genome-wide association study of schizophrenia in Ashkenazi Jews / F. Goes [et al.] // American journal of medical genetics. Part B, Neuropsychiatric genetics: the official publication of the International Society of Psychiatric Genetics, 2015. - Vol. 168, № 8. - P. 649-659.
44. The huntingtin interacting protein HIP1 is a clathrin and alpha-adaptin-binding protein involved in receptor-mediated endocytosis / S. Waelter [et al.] // Human molecular genetics, 2001. - Vol. 10, № 17. - P. 1807-1817.
45. Clathrin- and AP-2-binding sites in HIP1 uncover a general assembly role for endocytic accessory proteins / S. Mishra [et al.] // The Journal of biological chemistry, 2001. - Vol. 276, № 49. - P. 46230-46236.
46. HIP1 and HIP12 display differential binding to F-actin, AP2, and clathrin. Identification of a novel interaction with clathrin light chain / V. Legendre-Guillemin et al.] // The Journal of
biological chemistry, 2002. - Vol. 277, № 22. -P. 19897-19904.
47. Huntingtin interacting protein 1 modulates the transcriptional activity of nuclear hormone receptors / I. Mills [et al.] // The Journal of cell biology, 2005. - Vol. 170, № 2. - P. 191-200.
48. Exploration of a Polygenic Risk Score for Alcohol Consumption: A Longitudinal Analysis from the ALSPAC Cohort / M. Taylor [et al.] // PloS one, 2016. - Vol. 11, № 11.
49. Ser1928 phosphorylation by PKA stimulates the L-type Ca2+ channel CaV1.2 and vasoconstriction during acute hyperglycemia and diabetes / M. Nystoriak [et al.] // Science signaling, 2017. - Vol. 10, № 463.
50. The effects of a genome-wide supported variant in the CACNA1C gene on cortical morphology in schizophrenia patients and healthy subjects / F. Zheng [et al.] // Scientific Reports, 2016. - Vol. 6, № 34298.
51. Meta-analysis of 41 functional neuroimag-ing studies of executive function in schizophrenia / M. Minzenberg [et al.] // Archives of general psychiatry, 2009. - Vol. 66, № 8. - P. 811-822.
52. Reduced loading of intracellular Ca(2+) stores and downregulation of capacitative Ca(2+) influx in Bcl-2-overexpressing cells / P. Pinton [et al.] // The Journal of cell biology, 2000. - Vol. 148, № 5. - P. 857-862.
53. Further evidence for genetic association of CACNA1C and schizophrenia: new risk loci in a Han Chinese population and a meta-analy-sis / F. Zheng [et al.] // Schizophrenia research, 2014. - Vol. 152, № 1. - P. 105-110.
E. V. Snytkov1, V. N. Kipen2, A. A. Alexandrov3, S. B. Melnov1
ROLE OF GENETIC POLYMORPHISM AND INTERGENIC INTERACTIONS IN THE FORMATION OF DRUG ADDICTION IN
HUMAN
Educational Institution "International Sakharov Environmental Institute of the Belarusian State University" 23/1, Dolgobrodskaya St., 220070 Minsk, the Republic of Belarus e-mail: evsnytkov@gmail.com 2State Scientific Institution "Institute of Genetics and Cytology of the National Academy of Sciences of Belarus" 27, Akademicheskaya St., 220072 Minsk, the Republic of Belarus 3Health Care Institution "Minsk Regional Clinical Centre "Psychiatry - Narcology" 7, P. Brovki St., 220113 Minsk, the Republic of Belarus
This paper demonstrates the results of molecular genetic analysis of 13 polymorphic gene variants according to the GWAS results associated with the development of addictive states in the group of people with drug addiction (n = 121) and in the control (n = 211). The main genotyping method is PCR with the subsequent High Resolution Melt of an amplicon and clustering of melting profiles; the melting results are validated using the PCR-RFLP method. Consequently, single-nucleotide polymorphisms associated with an increased likelihood of drug addiction are as follows: AA genotype by the rs7085104 polymorphism (AS3MT); A allele by the rs1109501 polymorphism (MUC7); CC/CT genotypes by the rs3735025 polymorphism (DGK1); GG genotype by the rs237238 polymorphism (HIP1); AA/AG genotypes by the rs2007044 polymorphism (CACNA1C). In case of the simultaneous presence of genotypes: AA/AG (rs2007044, CACNA1C) // AA (rs7085104, AS3MT) // CC/CT (rs3735025, DGK1) // AA/AG (rs237238, HIP1) or AA (rs7085104, AS3MT) // AG (rs2007044, CACNA1C) — the likelihood of disease development increases more than four times.
Keywords: drug addiction, single nucleotide polymorphism, predisposition, PCR, high resolution melting, intergenic interaction.
Дата поступления статьи: 25 августа 2020 г.
