减肥过程中的pQTL分析鉴定了瘦素调控因子
发布时间:2018-02-06         浏览人次:         发布人:

中文名减肥过程中pQTL分析鉴定了瘦素调控因子

英文名Protein quantitative trait locus study in obesity during weight-loss identifies a leptin regulator

发表单位Nestlé Institute of Health Sciences, Switzerland.

杂志Nature Communications, 2017

影响因子11.8

 

摘要

通过GWAS研究可以找到与复杂性状相关的数以千记的遗传变异。然而功能变异及影响机制还是很难找到的。中间“性状”例如基因表达或蛋白的表达对于生物体的生理状态是比较好的代表,尤其是蛋白质的分析对于像肥胖症这样的复杂性状的分子机制研究提供新的思路及证据。本研究首次进行肥胖症的pQTL分析,利用了来自494例样本减肥前后对比分析,共涉及到1129个蛋白。并找到了一些顺式及反式的pQTL。本研究结果找到了显著调控BMI相关的蛋白的遗传机制,并且通过功能验证,鉴定了瘦素的调控基因FAM46A。

研究背景

GWAS分析可以定位到复杂性状相关的数千位点,然而绝大多数都不是功能基因,而是位于基因间区或未知功能的基因附近。最近,基于339224个个体的大规模的BMI(body mass index)的GWAS分析鉴定到了97个相关的变异,然而这些研究是基于群体的水平,而不是减肥前后的动态变化。对于复杂性状来讲,大规模地组学比较蛋白组及转录组与基因的遗传变异结合分析是一种好的思路,目前也有很多eQTL的报道并且在机制揭示方面取得了更好的进展。

蛋白作为代谢的主要工作模块,对于机体代谢状态的研究是很好的研究对象。同样,蛋白的变化可以有效地反应对于不同处理条件下的动态检测。而事实上,蛋白质组学对于复杂性状如肥胖症的机制研究已经提供了很好的结果。比如在减肥前后,有一些蛋白的呈现了差异表达的情况。不过相关领域还没有进行过pQTL分析,目前只有小鼠和果蝇进行了一些pQTL分析。

为了调查基因组水平的遗传变异是如何调控蛋白表达的,本研究利用了来自494例样本减肥前后对比分析,共涉及到1129个蛋白,同时加入了151个样本的转录组数据进行了eQTL分析。

研究结果

1.     PWAS分析

分别在对照组(baseline)及LCD组(8周低卡路里处理)这两种情况下进行了PWAS分析,LCD组是以BMI的变化与蛋白表达的变化进行的关联分析。其中对照组中找到192个显著的蛋白(117个呈负相关),不乏已知的瘦素(leptin),CRP等蛋白,和新发现的蛋白如UNC5F4(Fig1a).在LCD组中找到104个显著蛋白(Fig1b),正负相关蛋白各约一半,同样包括一些已知的如leptin等。在两组中均显著的蛋白有42个,Fig1c展示了两种情况下的相关性,可以看出其中leptin在两组中均是最显著,IGFBP1在对照组中呈现更强烈的相关。

data1.jpg

对于两种条件下均显著关联的42个蛋白进行相关性分析及通路分析,发现主要可以富集到三个生物学通路中,一是包括20个蛋白的与组织形态,炎症反应,心血管疾病相关的通路,包括一些已经报道与肥胖症相关的基因,二是包括了10个蛋白的与机体损伤,细胞发育相关的通路,三是包括了7个蛋白的与发育异常,内分泌系统异常相关的通路。

2.     Baseline组的pQTL分析

PWAS中显著的192个蛋白进行了pQTL分析,找到57个:如下表所示,34个蛋白找到102个顺式pQTL的SNP位点,22个蛋白找到45个反式pQTL的SNP位点。其中31%的SNP位于内含子区,50%的SNP位于基因间区,顺式pQTL显著地更多地富集在调控区和编码区。其中极显著的SNP位点位于已知基因内部如白介素等,也不乏同一个SNP位点调控多个蛋白表达的情况,也有同时调控蛋白和RNA的位点,并且在其他研究中也有类似的结果。

table1.jpg

3.     LCD组的pQTL分析

同样对104个显著的蛋白进行了pQTL分析,鉴定了有4个SNP显著地调控3个蛋白,并且所有的都是反式pQTL,结果如下表所示。

table4.jpg

4.pQTL对CA6,chemerin, leptin蛋白表达的作用

PWAS分析得到的42个均显著的蛋白中,有14个在对照组有显著的pQTL而在低卡处理后检测不到显著的pQTL,其中包括CA6及chemerin。只有leptin在两种条件下均有显著的pQTL。

5.pQTL与已知GWAS位点的比较

与之前提到的339224个体的BMI的GWAS研究的结果相比,本研究有16个pQTL点是与其对应的。不过LCD组中的pQTL与GWAS结果没有吻合的。相反地,把GWAS结果中显著的97个SNP位点提取出来,83个可用的SNP进行pQTL分析,找到31个显著的位点。

6.关于leptin的pQTL的讨论

leptin虽然作为肥胖症中研究最多的蛋白,其分泌机制尚未清楚。本研究找到强烈的pQTL位于BCKDHB与FAM46A基因之间,如下图所示。同时发现FAM46A也是eQTL,而BCKDHB基因5MB的区间内都不存在eQTL,因此推断FAM46A的功能基因可能性更大一些,不过其精确地生物学功能是未知的。

pic4.jpg

为了进一步验证FAM46A的功能,进行了在人脂肪细胞系SGBS中利用siRNA的基因knockdown实验。结果显示,进行FAM46A的沉默后,不论是baseline还是LCD均检测到leptin的高表达,结果如下图所示。并且过表达后leptin的表达呈现下降趋势,与预期结果一致。

pic5.jpg

亮点及启示

1.   首篇基于不同环境/条件处理的PWAS及pQTL分析

与传统地群体关联分析相比,本研究引入了不同环境/不同条件/不同生理状态下的关联分析,这是只能在蛋白水平进行的分析研究,同时也能补充单一条件下关联分析的结果,及交互验证。与我们前期设计的环境群体PWAS的想法类似,可以扩展到不同生理状态,不同发育时期,不同处理条件。

2 本研究是典型的PWAS-pQTL-多组学联合分析-功能验证思路

首行将蛋白与表型进行关联分析,找到侯选蛋白;其实将这些蛋白与SNP进行关联分析,寻找基因组上的SNP位点(pQTL);再次与转录组,GWAS结果相结合分析并讨论;最后锚定了功能蛋白进行实验验证。是我们设计方案的模板。

3. 启示及优化:

如果可以后面针对于leptin开发系统生物学,构建模型,可能会增加文章水平。

其他文章:

艾比玛特医药科技(上海)有限公司
上海市徐汇区桂平路333号聚科生物园区1号楼1-3层

邮箱:market@ab-mart.com

应聘职位:hr@ab-mart.com

总机:021-34695901

热线:4006-123-828

邮箱:market@ab-mart.com

总机:021-34695901

热线:4006-123-828


沪ICP备17056956号-2    艾比玛特医药科技(上海)有限公司