GENETICA DELLE MALATTIE COMPLESSE. Dr. Giovanni Malerba Biologia e Genetica, UniVR giovanni.malerba@univr.it

Transcript

1 GENETICA DELLE MALATTIE COMPLESSE Dr. Giovanni Malerba Biologia e Genetica, UniVR giovanni.malerba@univr.it

2 CARATTERE COMPLESSO Predisposizione Genetica interazione Diagnosi Prevenzione Terapia efficiente e sicura AMBIENTE NELLE MALATTIE COMPLESSE IL RISCHIO DI MALATTIA INFLUENZATO DA FATTORI GENETICI E DA FATTORI AMBIENTALI Si sono identificati centinaia di loci associati alla variabilità di molti caratteri (linkage, associazione - GWAS) È

3 Come studiare il fattore genetico nelle malattie complesse? Modalità? ANALISI DI LINKAGE (studio attraverso la segregazione di marcatori del DNA) ANALISI DI ASSOCIAZIONE (guilty by association) Nostro interesse per oggi

4 Studio di associazione in breve Individuo con genotipo nero Individuo con genotipo rosso Controlli Casi è maggiormente frequente nei casi rispetto a ASSOCIAZIONE NOTA: Con lo studio di associazione si possono studiare caratteri sia qualitativi (affetto/non affetto : frequenza del genotipo tra i 2 gruppi?) che quantitativi (medie del valore dei livelli di un dato parametro per i diversi genotipi)

5 GWAS - caratteristiche Vantaggi Nessuna ipotesi/conoscenza a priori del problema biologico Richieste Dimensione del campione molto grande (>>1000) Alta risoluzione (milioni di mkrs) Replica dei risultati in un campione indipendente Problematiche Grande quantità di dati (individui, fenotipi, marcatori DNA) Controllo di qualità (campioni, popolazioni, marcatori) Possibile stratificazione del campione (controlli adatti) Statistica da utilizzare (modello genetico, singolo locus) Test multipli (>> test eseguiti)

6 ESEMPIO DI GWAS: Bone-mineral-density loci Nature Genetics 41, (2009)

7 GWA & Variabilità tra popolazioni CEU CHB JPT YRI EJHG 2008, 16:

8

9

10

11 SI SINTETIZZA IL GRANDE NUMERO DI CARATTERI STUDIATI RIASSUMENDOLI IN CATEGORIE

12 SI SINTETIZZA IL GRANDE NUMERO DI CARATTERI STUDIATI RIASSUMENDOLI IN CATEGORIE

13 LD & GWAS & PREDIZIONE

14 SNPs associati a più Caratteri (Complessità)

15 GWAS BMD misurata in 2 aree Nature Genetics 41, (2009)

16 GWAS LOCI nuovi e già noti Nature Genetics 41, (2009)

17 GWAS LOCI nuovi e già noti Nature Genetics 41, (2009)

18 Meta-Analisi per i loci identificati Nature Genetics 41, (2009)

19 BMD e numero di alleli di rischio La distribuzione del numero di alleli di rischio portati da un individuo si avvicina alla curva a campana Il valore di BMD (espresso in Z-score), in media, si riduce all'aumentare del numero di alleli di rischio!! (ricorda il modello a soglia)

20

21

22 PATHWAYS Potenziali target Representation of the connections between SNPs and corresponding genes for the 42 SNPs with GRAIL (p < 0.01). Thicker and redder lines imply stronger literature-based connectivity. doi: /nature09410

23 L'eredità mancante dei GWAS

24 L'EREDITABILITÀ MANCANTE I loci individuati dai GWAS spiegano in genere una ridotta quantità della variabilità legata alla componente genetica (ereditabilità; < ~20%) La parte mancante viene scherzosamente definita la MATERIA OSCURA dei GWAS perchè si è sicuri che esista, si vede il suo effetto, ma NON si riesce a vederla. Nota: L'ereditabilità dei caratteri quantitativi (h^2: prop di varianza attribuibile ai fattori genetici addittivi) è tipicamente stimata dagli studi familiari e quindi il suo valore potrebbe variare nei diversi ambienti

25 LIPIDI: geni con varianti comuni e con varianti rare Il rischio determinato tramite gli SNP potrebbe sottostimare il rischio associato alle vere varianti causali Es: 11 dei 30 geni attualmente associati a variazioni dei livelli di lipidi possono anche presentare degli alleli rari che sono associati a forme Mendeliane di dislipidemia (ABCA1, PCSKA9, LDLR): geni con varianti comuni associate ad effetti lievi possono anche portare varianti rare associate a forti effetti

26 Geni & Alzheimer disease 178 mutazioni diverse in 393 famiglie [associato a demenza frontotemporale]

27 Diverse malattie diversi modelli L'architettura allelica (numero, tipo, effetto, frequenza) potrebbe essere diversa nei diversi fenotipi: Age-related macular degeneration: numero ridotto di varianti comuni con un forte effetto (OR > 2) Crohn's disease: numero abbondante di varianti comuni con un lieve effetto (OR << 2; e molto rimane ancora da identificare) Il numero delle varianti comuni identificate aumenta con l'aumentare delle dimensioni del campione analizzato.

28 Fondatori di Fondatori di Google: 23andMe: Larry Page Linda Avey Sergey Brin Anne Wojcicki

29 Privacy: trovata una scappatoia nei database genetici L'identità di alcuni donatori di DNA potrebbe essere svelata tramite le informazioni presenti nei database pubblici Un gruppo di ricerca è stato in grado di scoprire l'identità di alcuni donatori del genoma incrociando i dati dei loro marcatori genetici (DNA) con informazioni demografiche in banche dati pubbliche: 1. Un programma chiamato lobstr estrae informazioni sugli aplotipi ricostruiti tramite marcatori genetici del cromosoma Y (il sistema funziona quindi con i soli maschi) 2. Gli aplotipi sono inseriti in banche di dati genealogici per trovare i possibili cognomi del donatore. 3. Questi cognomi, insieme alle informazioni circa l'età e la posizione di un donatore del DNA, possono essere inseriti in banche dati demografici per individuare identità dell'individuo.

30 OMICHE GENOMICA TRASCRITTOMICA EPIGENETICA WHOLE GENOME De novo sequencing RNA-Seq WHOLE GENOME Bisulfite sequencing WHOLE GENOME Re- sequencing small RNA MeDIP - Sequencing ESOMA (~50MB) Genotyping ChIP - Sequencing

31 HUMAN GENOME

32 HUMAN GENOME 3.1 GBp Geni codificanti Geni non codificanti Pseudogeni Trascritti 50M di varianti corte 10M di varianti strutturali

33 Exome sequencing makes medical genomics a reality Nature Genetics 42, (2010) doi: /ng

34

35 Sequenziamento (Next Generation Seq)

36 ALLA RICERCA DELLA VARIANTE DAMAGING Seleziono i migliori candidati Se sono già descritti come polimorfismi comuni allora NON mi interessano ANALISI BIOINFORMATICA Conservazioni in specie omologhe, alterazioni della struttura 3D, interazioni con il sito di legame, etc...

37

38

39 FILTRARE LE VARIANTI PER INDIVIDUARE LE MIGLIORI CANDIDATE

40 VARIANTI RARE CANDIDATE

41 GENOMA UMANO: regioni conservate 3-8% del genoma umano è dato da sequenze conservate che si trovano nei vertebrati e/o altri mammiferi euteri D. melanogaster : 37-53% C. elegans : 18-37% S. cerevisiae : 47-68% gr

42

43

44

45 MetaHIT project A human gut microbial gene catalogue established by metagenomic sequencing TotalDNA from faecal samples of 124 European adults Gb of sequence Predicte 3.3 million unique open reading frames (ORFs) 46 Mar 2010

46

47

48 CARATTERISCHE DEI LGC E DEI HGC 2 gruppi di individui che differisco per il numero di geni microbici (ricchezza di batteri intestinali) Gli indivui con una bassa ricchezza batterica (23% degli individui studiati) sono caratterizzati da una più marcata adiposità generale, insulina resistenza e dislipidemia, da un più pronunciato fenotipo infiammatorio. Gli individui obesi guadagnano più peso nel tempo si presentano una bassa ricchezza batterica I 2 gruppi possono essere distinti utilizzando un piccolo sottogruppo di batteri (anche per magri ed obesi)

49 1999, BGI-Beijing 2001, BGI-Hangzhou 2007, BGI-Shenzhen 2009, BGI-HongKong 2010, BGI-Wuhan 2010, BGI-San Francisco 2010, BGI-Copenhagen 2

50 BGI wet lab Facilities: 137 Illumina Hi-Seq Life Tech SOLiD 4 16 AB/3730xl 2 Illumina iscan (2010) Data production: ~5 Tb / day (end of 2010) About 50 human genome (30X) per day 51

51 BGI dry lab (~2010) # CPUS Flops RAM Storage ,500 18T 4TB 2PB ,000 50T 10TB 5PB , T 20TB 10PB ,000 1,000T 200TB 1,000PB 52

52 LA NOSTRA STANZA CON IL NOSTRO SERVER (2013)

53 LA RIVOLUZIONE GENOMICA secondo Craig Venter: Il primo genoma rappresenta la linea di partenza Almeno genomi + fenotipi per poter parlare di medicina preventiva Dr. Craig Venter