Co-expression-based models improve eQTL predictions and highlightnovel transcriptome-wide genes associated with schizophrenia

Door gebruik te maken van co-expressiemodellen (INGENE en MODULE) verbeteren de onderzoekers de voorspelling van genexpressie en identificeren zij 641 nieuwe genen die geassocieerd zijn met schizofrenie, wat de belangrijke rol van trans-regulerende mechanismen in deze aandoening onderstreept.

De kern

De Dirigent van de Hersenen: Hoe we de muziek van onze genen beter begrijpen

Stel je voor dat je hersenen een gigantisch, wereldberoemd orkest zijn. De instrumenten (je genen) moeten allemaal op precies het juiste moment spelen om een prachtige symfonie te maken: een gezonde geest.

Maar bij een aandoening zoals schizofrenie loopt er iets mis in de muziek. Het is niet altijd zo dat één instrument (één gen) kapot is. Vaak is het subtieler: de viool speelt net iets te hard, waardoor de fluit niet meer gehoord wordt, of de pauken komen een fractie te laat. De muziek raakt uit balans.

Het probleem: De focus op de solisten

Wetenschappers proberen al jaren te begrijpen waarom die muziek ontspoort. Tot nu toe keken ze vooral naar de 'solisten' (dit noemen ze cis-eQTLs). Ze keken naar kleine foutjes in de genen die direct invloed hebben op dat specifieke instrument. Dat is nuttig, maar het geeft niet het hele plaatje. Het is alsof je probeert te begrijpen waarom een concert mislukt door alleen naar de individuele muzikanten te kijken, terwijl het probleem eigenlijk in de samenwerking zit.

De oplossing: Het ontdekken van de 'dirigenten' (INGENE en MODULE)

In dit nieuwe onderzoek hebben wetenschappers twee slimme nieuwe modellen ontwikkeld: INGENE en MODULE.

In plaats van alleen naar de solisten te kijken, kijken deze modellen naar de dirigenten en de groepsdynamiek (dit noemen ze trans-eQTLs). Ze kijken naar hoe groepen genen met elkaar samenwerken in een netwerk. Ze kijken niet alleen naar het instrument zelf, maar naar de samenhang tussen de instrumenten.

Door deze "netwerk-bril" op te zetten, kunnen de onderzoekers veel beter voorspellen hoe de muziek (de genexpressie) in de hersenen klinkt. Ze testten dit in zes verschillende delen van de hersenen, van de amygdala tot de hippocampus.

De ontdekking: Een nieuwe partituur voor schizofrenie

Wat bleek? Door zowel naar de solisten als naar de dirigenten te kijken, vonden ze veel meer aanwijzingen voor schizofrenie dan ooit tevoren.

• Nieuwe ontdekkingen: Ze vonden maar liefst 766 genen die een rol spelen bij schizofrenie.
• De grote verrassing: Van die genen waren er 641 compleet nieuw. Dit zijn genen waarvan we voorheen dachten dat ze niets met de ziekte te maken hadden, maar die door hun samenwerking met andere genen tóch een cruciale rol spelen.
• Bevestiging: Ze vonden ook 125 genen die we al eerder kenden, wat bewijst dat hun nieuwe methode werkt.

Waarom is dit belangrijk?

Dit onderzoek laat zien dat schizofrenie niet simpelweg het gevolg is van een paar "foute" genen, maar van een complex samenspel van genen die niet goed met elkaar communiceren.

Het is alsof we eindelijk de partituur van het orkest hebben gevonden. We begrijpen nu niet alleen welke muzikant een valse noot speelt, maar we zien ook hoe de hele groep uit balans raakt. Dit is een enorme stap voorwaarts om in de toekomst misschien wel medicijnen te ontwikkelen die niet alleen één instrument repareren, maar het hele orkest weer in de juiste maat laten spelen.

Technische samenvatting

Technische Samenvatting: Co-expressie-gebaseerde modellen verbeteren eQTL-voorspellingen en identificeren nieuwe genen geassocieerd met schizofrenie

1. Het Probleem (Problem)

De genetische architectuur van complexe neuropsychiatrische aandoeningen, zoals schizofrenie, wordt grotendeels gedreven door niet-coderende varianten die de regulatie van het transcriptoom beïnvloeden. Traditionele methoden voor het voorspellen van genexpressie (imputatie) in weefsels zoals de menselijke hersenen vertrouwen voornamelijk op cis-eQTLs (varianten die nabij het doelgen liggen).

Het fundamentele probleem is dat deze methoden de impact van trans-eQTLs (varianten die op afstand van het doelgen liggen) grotendeels negeren. Omdat trans-effecten vaak klein zijn per individuele variant, maar collectief een groot effect hebben via co-expressienetwerken, leiden huidige modellen tot een onderschatting van de genetische variantie en het missen van belangrijke genen die betrokken zijn bij ziekteprocessen.

2. Methodologie (Methodology)

De auteurs introduceren twee nieuwe modellen, INGENE en MODULE, die specifiek zijn ontworpen om trans-eQTL-effecten te modelleren door gebruik te maken van co-expressienetwerken.

• Modellering van co-expressie: In plaats van alleen naar de afstand tussen een variant en een gen te kijken, maken deze modellen gebruik van de collectieve impact van kandidaat-trans-eQTLs die functioneren binnen netwerken van co-expressieve genen.
• Data-integratie: Er werd gebruikgemaakt van RNA-seq data uit zes verschillende post-mortem hersengebieden: de amygdala, nucleus caudatus, dorsale/subgregale anterior cingulate cortex, dorsolaterale prefrontale cortex en de hippocampus.
• Validatie: De modellen werden gevalideerd tegenover twee benchmarks: een standaard cis-gebaseerd model en EpiXcan (de huidige standaard voor cis-model prestaties).
• Toepassing op ziekte-associatie: De voorspelde expressiewaarden werden toegepast op genotypen uit de Psychiatric Genomics Consortium (PGC) wave 3 om genen te identificeren die geassocieerd zijn met schizofrenie (SCZ).

3. Belangrijkste Bijdragen (Key Contributions)

• Ontwikkeling van INGENE en MODULE: Nieuwe computationele frameworks die de overstap maken van enkelvoudige cis-voorspellingen naar netwerk-gebaseerde trans-voorspellingen.
• Integratie van cis- en trans-informatie: Een methode om beide types regulatoire signalen te combineren voor een completer beeld van de genexpressie.
• Nieuwe ontdekkingen in de psychiatrische genetica: Het identificeren van een aanzienlijk aantal genen die voorheen niet geassocieerd waren met schizofrenie via traditionele methoden.

4. Resultaten (Results)

• Verbeterde voorspelbaarheid: De integratie van cis- en trans-voorspellingen leidde tot een significante verbetering in de imputatie van genexpressie voor 18.744 genen over de zes hersengebieden (met een log-likelihood ratio van MLE = 0,05). De prestaties waren superieur aan zowel de cis-modellen als EpiXcan.
• Identificatie van SCZ-genen: Door de modellen toe te passen op PGC-data werden 766 genen geïdentificeerd die geassocieerd zijn met schizofrenie (pFDR < 0,01).
• Nieuwe associaties: Van deze 766 genen waren er 641 volledig nieuwe transcriptome-wide associaties met schizofrenie. De overige 125 genen bevestigden reeds bekende kandidaten.

5. Betekenis (Significance)

Dit onderzoek heeft grote implicaties voor zowel de methodologie als de biologische kennis van schizofrenie:

• Methodologisch: Het bewijst dat het modelleren van co-expressie essentieel is om de volledige genetische variatie in genexpressie te begrijpen. Het overbrugt de kloof tussen cis- en trans-regulatie.
• Biologisch: De ontdekking van 641 nieuwe genen onderstreept dat de genetische risicofactoren voor schizofrenie niet alleen beperkt zijn tot lokale genregulatie, maar ook diep geworteld zijn in complexe, netwerkbrede interacties (trans-heritabiliteit). Dit opent nieuwe wegen voor het begrijpen van de pathofysiologie van de ziekte en het identificeren van nieuwe therapeutische doelwitten.