Neue Ursachen von Autismus gefunden im ‚junk‘ – DNA: Entwicklungsneurologische Zustand kann als Folge von Mutationen in nicht-kodierenden Regionen des menschlichen Genoms, die Forschung zeigt,

Nutzung von Techniken der künstlichen Intelligenz, Forscher haben gezeigt, dass Mutationen in den so genannten “ junk-DNA kann die Ursache für Autismus. Die Studie, veröffentlicht 27. Mai in Nature Genetics, ist der erste funktionale Links auf solchen Mutationen, die bezüglich der neurologischen Entwicklung der Bedingung.

Die Forschung wurde unter Leitung von Olga Troyanskaya in Zusammenarbeit mit der Robert Darnell. Troyanskaya ist stellvertretender Direktor für Genomik an das Flatiron-Institut Zentrum für Computational Biology (CCB) in New York City und professor für informatik an der Princeton University. Darnell ist in der Robert-und Harriet-Heilbrunn Professor der Krebs-Biologie an der Rockefeller University und ein Ermittler am Howard Hughes Medical Institute.

Ihr team verwendet maschinelles lernen, analysieren, die ganzen Genome von 1,790 Menschen mit Autismus und deren gesunden Eltern und Geschwister. Diese Personen hatten keine Familiengeschichte von Autismus, was bedeutet, die genetische Ursache für Ihren Zustand war wohl spontane Mutationen eher als vererbte Mutationen.

Die Analyse prognostiziert die Auswirkungen von genetischen Mutationen in den teilen des Genoms, die keine Proteine Kodieren, Regionen, oft falsch interpretiert als „junk“ DNA. Die Zahl der Autismus-Fälle, verbunden mit der nicht-kodierende Mutationen war vergleichbar mit der Anzahl von Fällen mit protein-kodierende Mutationen, gen-Funktion deaktivieren.

Die Auswirkungen, die die arbeiten erstrecken sich über Autismus, Troyanskaya, sagt. „Dies ist die erste klare demonstration der nicht-vererbten, nicht-kodierende Mutationen verursacht jede komplexe menschliche Krankheit oder Störung.“

Wissenschaftler können die gleichen Techniken, die in der neuen Studie, um zu erforschen die Rolle nicht-kodierende Mutationen spielen bei Krankheiten wie Krebs und Herzkrankheiten, sagt Studie co-Autor Jian Zhou von der CCB und Princeton. „Dies ermöglicht eine neue Perspektive auf die Ursache, nicht nur Autismus, sondern von vielen menschlichen Krankheiten.“

Nur 1 bis 2 Prozent des menschlichen Genoms besteht aus Genen, die Kodieren die Baupläne für Proteine. Diese Proteine erfüllen Aufgaben in unserem gesamten Körper, wie die Regulierung des Blutzuckerspiegels, bei der Abwehr von Infektionen und senden Kommunikation zwischen den Zellen. Die anderen 98 Prozent unseres Genoms, die nicht die genetische Eigengewicht, obwohl. Die nicht-kodierenden Regionen zu helfen, zu regulieren, Wann und wo die Gene Proteine machen.

Mutationen in protein-kodierenden Regionen Konto für höchstens 30 Prozent der Autismus-Fälle in den Einzelpersonen ohne eine Familiengeschichte von Autismus. Beweise vorgeschlagen, dass Autismus verursachenden Mutationen passieren muss, an anderer Stelle in das Genom als gut.

Die Aufdeckung, die nicht-kodierende Mutationen verursachen Autismus ist schwierig. Eine einzelne Person kann Dutzende von nicht-kodierende Mutationen, von denen die meisten einzigartig für das Individuum. Diese stellen das traditionelle Konzept der Identifizierung gemeinsamer Mutationen bei den betroffenen Populationen nicht lebensfähig.

Troyanskaya und Ihre Kollegen nahm einen neuen Ansatz. Sie trainierten ein machine-learning-Modell, um vorherzusagen, wie sich eine bestimmte Sequenz beeinflussen die Genexpression.

„Dies ist ein Wandel im denken über genetische Studien, dass wir die Einführung mit dieser Analyse,“, sagt Chandra Theesfeld, ein Forschungs-Wissenschaftler in Troyanskaya Labor an der Princeton. „Zusätzlich zu den Wissenschaftler, die studieren, gemeinsame genetische Mutationen über große Gruppen von Individuen, hier sind wir der Anwendung eine Reihe von intelligenten, anspruchsvollen Werkzeugen, die uns sagen, was irgendeine spezifische mutation zu tun, auch diejenigen, die selten oder nie beobachtet vor.“

Die Forscher untersuchten die genetische Grundlage des Autismus, die durch die Anwendung der machine-learning-Modell zu einem Schatz trove der genetischen Daten genannt, die Simons-Simplex-Sammlung. Die Simons Foundation, die Flatiron-Institut der übergeordneten Organisation, produziert und verwaltet das repository. Die Simons-Simplex-Sammlung enthält das gesamte Erbgut von fast 2000 ‚Quartette‘, der aus einem Kind mit Autismus, einem nicht betroffenen Geschwister und deren gesunden Eltern.

Diese Quartett hatte keine Vorherige Familiengeschichte von Autismus, was bedeutet, dass nicht vererbte Mutationen waren wahrscheinlich verantwortlich für das betroffene Kind Zustand. (Solche Mutationen spontan auftreten, in den Spermien und Eizellen sowie Embryonen.)

Die Forscher Ihr Modell zur Vorhersage der Auswirkungen der nicht-vererbten, nicht-kodierende Mutationen in jedem Kind mit Autismus. Sie verglichen dann die Vorhersagen mit den Auswirkungen derselben, unmutated Strang des Kindes unberührt Geschwister.

„Das design der Simons-Simplex-Sammlung ist, was erlaubt uns, diese Studie durchzuführen“, sagt Zhou. „Die unberührt Geschwister sind ein built-in control.“

Nicht-kodierende Mutationen in viele der Kinder mit Autismus veränderte gen-regulation, der Analyse vorgeschlagen. Darüber hinaus werden die Ergebnisse vorgeschlagen, dass die Mutationen betroffenen gene expression in Gehirn und Genen bereits verknüpft mit Autismus, wie diejenigen, die verantwortlich für die Neuronen-migration und Entwicklung. „Dies ist in übereinstimmung mit Autismus am ehesten manifestiert sich im Gehirn“, sagt Studie co-Autor Christopher Park, ein Wissenschaftler an der CCB. „Es ist nicht nur die Anzahl der Mutationen Auftritt, sondern welche Art von Mutationen auftreten.“

Die Forscher untersuchten die Auswirkungen der einige der nicht-kodierende Mutationen in Labor-Experimenten. Sie fügten vorhergesagt high-impact-Mutationen bei Kindern mit Autismus, die in Zellen beobachtet und die daraus resultierenden Veränderungen in der Genexpression. Diese änderungen bestätigt das Modell Vorhersagen.

Troyanskaya, sagt Sie und Ihre Kolleginnen und Kollegen weiter zu verbessern und zu erweitern Ihre Methode. Letztlich hofft Sie, dass die Arbeit verbessern wird, wie genetische Daten werden verwendet für die Diagnose und Behandlung von Krankheiten und Störungen. „Jetzt zu 98 Prozent des Genoms ist in der Regel weggeworfen“, sagt Sie. „Unsere Arbeit können Sie über das nachdenken, was wir tun können, mit der 98 Prozent.“