Wissenschaftler bringen mithilfe modernster genetischer Methoden Proteine ​​mit Alzheimer in Verbindung

Mithilfe von MR-SPI und AlphaFold3 entschlüsseln Wissenschaftler die molekularen Grundlagen der Alzheimer-Krankheit und identifizieren wichtige Proteinveränderungen, die zukünftige Behandlungen verändern könnten.

In einer kürzlich in der Zeitschrift veröffentlichten Studie Zellgenomikentwickelte eine Gruppe von Forschern die Mendelian Randomization with Selection and Post-selection Inference (MR-SPI), eine in AlphaFold3 integrierte Methode, um kausale Proteinbiomarker und strukturelle Veränderungen bei der Alzheimer-Krankheit zu identifizieren.

Hintergrund

Die Alzheimer-Krankheit (AD), die weltweit häufigste Ursache für Demenz, stellt eine erhebliche Herausforderung für die Gesundheitsversorgung dar, da ihre Ätiologie und Pathogenese noch unklar ist. Aktuelle Therapien, die auf die Produktion oder Aggregation von Amyloid-beta (Aβ) abzielen, bieten nur eine symptomatische Linderung und können das Fortschreiten der Krankheit nicht aufhalten.

MR bietet einen Ansatz zur Identifizierung ursächlicher Proteinbiomarker durch Nutzung genetischer Varianten als instrumentelle Variablen. Herkömmliche MR-Methoden stehen jedoch vor Herausforderungen aufgrund ungültiger Instrumente und horizontaler Pleiotropie, was möglicherweise zu verzerrten Ergebnissen führen kann.

Fortgeschrittene MR-Techniken, die diese Einschränkungen beseitigen, sind entscheidend für die Aufdeckung ursächlicher Proteine ​​und das Verständnis ihrer strukturellen Auswirkungen. Die MR-SPI-Methode wendet in einzigartiger Weise das „Anna-Karenina-Prinzip“ an und geht davon aus, dass sich gültige Instrumentenvariablen (IVs) ähnlich verhalten, während ungültige IVs auf unterschiedliche Weise abweichen. Weitere Forschung ist dringend erforderlich, um eine wirksame therapeutische Entwicklung zu ermöglichen.

Über die Studie

Sieben Proteine ​​mit strukturellen Erkenntnissen: Die Studie identifizierte sieben Proteine, darunter CD33 und TREM2, die einen ursächlichen Zusammenhang mit der Alzheimer-Krankheit haben, wobei von AlphaFold3 vorhergesagte strukturelle Veränderungen mögliche Mechanismen aufdecken.

In Mendelschen Randomisierungsstudien (MR) mit zwei Stichproben werden genetische Assoziationen zwischen quantitativen Protein-Trait-Loci (pQTLs) und phänotypischen Ergebnissen mithilfe von zusammenfassenden Statistiken der genomweiten Assoziationsstudie (GWAS) analysiert.

Dieser Prozess beinhaltet die Identifizierung unabhängiger pQTLs durch Linkage Disequilibrium (LD)-Verklumpung, wobei nur ein repräsentativer pQTL pro LD-Region erhalten bleibt. Diese pQTLs werden modelliert, um kausale Zusammenhänge zwischen Proteinen und Gesundheitsergebnissen abzuschätzen und gleichzeitig potenzielle Verstöße gegen Annahmen über instrumentelle Variablen (IV) zu berücksichtigen.

MR-SPI ist eine neuartige Methode zur Bewältigung von Herausforderungen bei der Auswahl gültiger pQTL IVs. Es nutzt die „Pluralitätsregel“, die davon ausgeht, dass gültige IVs ähnliche Verhältnisschätzungen der kausalen Wirkungen erzeugen, und unterscheidet sie von ungültigen Instrumenten.

Durch ein Abstimmungsverfahren identifiziert MR-SPI die größte Teilmenge von pQTLs mit konsistenten Verhältnisschätzungen als gültige IVs und gewährleistet so eine kausale Schlussfolgerung trotz begrenzter pQTL-Verfügbarkeit oder Verstößen gegen die IV-Annahme. Dieser Ansatz ist im Gegensatz zu Methoden, die die „Mehrheitsregel“ oder strenge Annahmen wie InSIDE (Instrument Strength Independent of Direct Effect) erfordern, besonders robust für Proteomikdaten mit kleinen pQTL-Sätzen.

MR-SPI schätzt kausale Effekte mithilfe der Regression der gewöhnlichen kleinsten Quadrate mit null Achsenabschnitten und erstellt Konfidenzintervalle, die robust gegenüber Fehlern bei endlichen Stichproben sind. Durch die Beseitigung der Einschränkungen herkömmlicher MR-Methoden bietet MR-SPI einen Rahmen für die Identifizierung kausaler Proteinbiomarker und fördert die Integration groß angelegter Proteomik- und phänotypischer Ergebnisdaten in kausalen Inferenzstudien.

Studienergebnisse

Die vorgeschlagene Pipeline zur Identifizierung ursächlicher Proteinbiomarker und zur Vorhersage ihrer 3D-Strukturveränderungen besteht aus drei Hauptschritten.

Zunächst wird für jedes Protein die MR-SPI-Methode verwendet, um gültige pQTLs als IVs auszuwählen. Dies wird durch die Integration von GWAS-Zusammenfassungsdaten für Proteomik und Krankheitsergebnisse erreicht, wodurch die kausale Wirkung jedes Proteins auf die Krankheit abgeschätzt werden kann.

Zweitens wird eine Bonferroni-Korrektur auf die geschätzten kausalen Effekte angewendet, um statistisch signifikante Proteinbiomarker zu identifizieren. Drittens wird AlphaFold3 verwendet, um die 3D-Strukturen der Wildtyp- und mutierten Versionen dieser Proteine, die aus Missense-pQTLs resultieren, vorherzusagen und zu vergleichen.

Möglichkeiten für die Wiederverwendung von Medikamenten: Von der FDA zugelassene Medikamente wie Gemtuzumab Ozogamicin, das auf CD33 abzielt, und RET-Hemmer wie Pralsetinib werden aufgrund der Ergebnisse als Kandidaten für die Alzheimer-Therapie identifiziert.

MR-SPI arbeitet in einem mehrstufigen Prozess. Zunächst werden relevante pQTLs mit starken Proteinassoziationen identifiziert. Jeder relevante pQTL liefert eine Verhältnisschätzung des kausalen Effekts, und andere pQTLs „stimmen“ für seine Gültigkeit, wenn ihr Grad an Annahmeverletzungen (Unabhängigkeits- und Ausschlussbeschränkungen) unter einen Schwellenwert fällt. Eine Abstimmungsmatrix wird erstellt, um die gegenseitige Validierung zwischen pQTLs zusammenzufassen, wobei gültige IVs durch Mehrheits-/Mehrheitsabstimmung oder die Maximum-Clique-Methode identifiziert werden.

Der kausale Effekt wird dann mithilfe der gewöhnlichen Kleinste-Quadrate-Regression mit Nullschnittpunkt geschätzt, und es werden Konfidenzintervalle erstellt, um potenzielle IV-Auswahlfehler bei endlichen Stichproben zu berücksichtigen.

Dieser Ansatz wurde mit mehreren etablierten MR-Methoden verglichen, darunter Inverse-Varianz-Gewichtung (IVW), MR-Robust Adjusted Profile Score (MR-RAPS), MR-Pleiotropy Residual Sum and Outlier (MR-PRESSO), gewichtete Medianschätzung und Modus -basierte Schätzung. MR-SPI übertraf diese Methoden in Simulationsstudien unter Bedingungen mit lokal ungültigen IVs und zeigte eine überlegene Genauigkeit und Robustheit.

Durch die Anwendung von MR-SPI auf Proteomics-Daten der Biobank des Vereinigten Königreichs (UK) und AD-GWAS-Daten wurden sieben signifikante Proteinbiomarker identifiziert (Cluster of Differentiation (CD)33, CD55, Erythropoietin-produzierender hepatozellulärer Karzinomrezeptor A1 (EPHA1), gepaarter Immunglobulin-ähnlicher Typ 2). Rezeptor Beta (PILRA), PILRB, Neuanordnung während der Transfektion (RET) und Triggerung Rezeptor exprimiert auf myeloiden Zellen 2 (TREM2)).

Strukturelle Veränderungen in diesen Proteinen, die von AlphaFold3 vorhergesagt wurden, zeigten Veränderungen aufgrund von Missense-Mutationen in assoziierten pQTLs. Beispielsweise wurde festgestellt, dass CD33 strukturelle Veränderungen durchläuft, die die Mikrogliafunktion und die Ansammlung von Amyloidplaques beeinflussen können, was seine mögliche Rolle in der AD-Pathologie unterstreicht. Dieser Befund unterstreicht das Potenzial der Methode, genetische Variationen mit Krankheitsmechanismen zu verknüpfen.

Die Analyse der Genontologie (GO) brachte diese Proteine ​​mit kritischen biologischen Prozessen in Verbindung, darunter dem Phosphorstoffwechsel und der Immunregulation. Bemerkenswert ist, dass für einige der identifizierten Proteine, wie etwa CD33 und TREM2, bereits von der FDA zugelassene Medikamente gegen sie gerichtet sind, was auf ein Potenzial für eine Umwidmung von Medikamenten in der AD-Behandlung schließen lässt.

Schlussfolgerungen

Diese Studie stellt eine neuartige Pipeline vor, die MR-SPI und AlphaFold3 integriert, um kausale Proteinbiomarker zu identifizieren und durch Missense-pQTLs induzierte 3D-Strukturveränderungen vorherzusagen.

MR-SPI verwendet einen abstimmungsbasierten Ansatz unter der Pluralitätsregelbedingung, um gültige pQTLs auszuwählen und Konfidenzintervalle zu erstellen, die gegen Fehler bei endlichen Stichproben immun sind. Angewandt auf 912 Plasmaproteine ​​identifizierte MR-SPI sieben Proteine, die mit AD in Verbindung stehen, wobei AlphaFold3 strukturelle Erkenntnisse lieferte.

Die Ergebnisse eröffnen auch Möglichkeiten für die Arzneimittelentwicklung, einschließlich der Umnutzung von von der FDA zugelassenen Arzneimitteln, die auf identifizierte Proteine ​​abzielen, wie Gemtuzumab Ozogamicin für CD33 und RET-Inhibitoren wie Pralsetinib für eine potenzielle AD-Behandlung.

Quellen: