Cross-trait and multi-polytranscriptomic score analysis of Parkinson's disease identifies novel associations and improves prediction
Deze studie presenteert de eerste grootschalige cross-trait en multi-polytranscriptomische score-analyse van de ziekte van Parkinson, waarbij wordt aangetoond dat het integreren van transcriptomische data met machine learning-modellen nieuwe kenmerkassociaties identificeert en de nauwkeurigheid van ziektevoorspelling significant verbetert ten opzichte van traditionele polygene scores.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Parkinson is een aandoening die het lichaam langzaam het vermogen ontneemt om soepel te bewegen, veroorzaakt door het verlies van specifieke zenuwcellen in de hersenen. Decennialang hebben wetenschappers geprobeerd te begrijpen waarom dit precies gebeurt door naar de genetische code van een persoon te kijken. Ze hebben veel kleine genetische aanwijzingen gevonden die iemand vatbaarder maken voor de ziekte, maar deze aanwijzingen alleen vertellen slechts een gedeeltelijk verhaal. Genetica is als een statisch blauwdruk; het laat zien wat iemand meegeboren heeft, maar het laat niet zien hoe het lichaam op elk gegeven moment daadwerkelijk functioneert. Om een duidelijker beeld van de ziekte te krijgen, kijken onderzoekers nu naar een andere laag van de biologie: genexpressie. Dit is het proces waarbij genen aan- of uitgezet worden om eiwitten te creëren, en dit verandert voortdurend op basis van gezondheid, omgeving en de ziekte zelf. Door deze actieve signalen in het bloed te meten, hopen wetenschappers de ziekte in actie te zien, in plaats van alleen het risico erop te zien.
Een team van onderzoekers heeft dit idee een stap verder gebracht door duizenden van deze actieve gensignalen te combineren tot één krachtig instrument om Parkinson te bestuderen. Ze analyseerden bloedmonsters van bijna 2.700 mensen, waaronder meer dan 1.600 die de diagnose Parkinson hebben gekregen en meer dan 1.000 die dat niet hebben. In plaats van naar één gen tegelijk te kijken, creëerden ze een "polytranscriptomische score", wat in essentie een gewogen som is van hoe actief honderden verschillende genen zijn in iemands bloed. Ze bouwden deze scores op basis van hoe genactiviteit zich verhoudt tot 100 verschillende gezondheidskenmerken, variërend van slaapkwaliteit en bloeddruk tot andere neurologische aandoeningen. Het doel was om te zien of de manier waarop iemands genen zich in het bloed gedragen, verbindingen met Parkinson kon onthullen die de genetica alleen had gemist.
De studie bracht 26 duidelijke verbanden tussen Parkinson en andere gezondheidskenmerken aan het licht die niet zichtbaar waren wanneer er alleen naar het genetische risico werd gekeken. Zo ontdekten de onderzoekers dat mensen met Parkinson specifieke patronen van genactiviteit vertoonden die gelinkt zijn aan een vitamine B12-tekort, slaapstoornissen en de ademhalingsfunctie. In een opvallende bevinding vertoonde een score gebaseerd op een vitamine B12-tekort een zeer sterke link met de ziekte, terwijl de genetische risicoscore voor dezelfde aandoening helemaal geen link vertoonde. Dit suggereert dat het ziekteproces gepaard gaat met actieve biologische veranderingen in het lichaam die niet simpelweg in het DNA geschreven staan. De onderzoekers ontdekten ook dat de ziekte biologische paden deelt met andere aandoeningen, zoals Lewybodydementie en essentiële tremor, maar de aard van deze links was vaak anders dan wat de genetica voorspelde. Bijvoorbeeld, terwijl de genetica een sterk gedeeld risico tussen Parkinson en Lewybodydementie suggereerde, wezen de genactiviteitsscores op een complexere relatie waarbij de ziekte zelf de ontwikkeling van de andere aandoening zou kunnen beïnvloeden.
Om te testen of deze nieuwe scores daadwerkelijk konden helpen voorspellen wie de ziekte krijgt, combineerde het team geavanceerde computermodellen samen. Ze begonnen met een basismodel dat alleen leeftijd, geslacht en het bekende genetische risico voor Parkinson gebruikte, wat momenteel de standaardmethode is om risico in te schatten. Wanneer ze de nieuwe genactiviteitsscores aan dit model toevoegden, verbeterde het vermogen om mensen met Parkinson en mensen zonder de ziekte correct te onderscheiden aanzienlijk. In één groep patiënten verhoogde het nieuwe model de nauwkeurigheidsscore van 0,65 naar 0,74. Deze verbetering werd bereikt, zelfs wanneer het model werd vereenvoudigd tot slechts zeven specifieke genactiviteitsscores naast de basisinformatie. De onderzoekers merkten op dat dit niveau van nauwkeurigheid vergelijkbaar is met andere geavanceerde voorspellingsmodellen die een mix gebruiken van klinische gegevens en verschillende soorten biologische metingen.
De studie verduidelijkte ook wat deze scores precies vertegenwoordigen. Omdat de bloedmonsters werden genomen van mensen die al een diagnose hadden, weerspiegelen de genactiviteitspatronen de huidige staat van de ziekte en hoe het lichaam erop reageert, in plaats van alleen het risico om de ziekte in de toekomst te krijgen. Dit is een cruciaal onderscheid. De onderzoekers vonden dat terwijl sommige genetische factoren bepalen wie vatbaar is voor Parkinson, de gemeten genactiviteitspatronen lijken te vatten wat de biologische realiteit is van het leven met de ziekte. Bijvoorbeeld, de patronen die gelinkt zijn aan de ademhalingsfunctie en slaapproblemen kwamen overeen met wat artsen al weten over de symptomen van Parkinson, wat bevestigt dat deze scores inspelen op echte, meetbare aspecten van de ziekte.
De onderzoekers waren echter voorzichtig om te benadrukken dat deze bevindingen nog geen geneesmiddel of een definitieve diagnostische test zijn. De verbanden die ze vonden zijn sterke associaties, maar ze bewijzen niet dat het veranderen van deze genactiviteiten de ziekte zal stoppen. De studie benadrukte ook dat de resultaten varieerden afhankelijk van de groep mensen die getest werd, wat suggereert dat de timing van de diagnose en de specifieke kenmerken van de ziekte de resultaten kunnen beïnvloeden. Ondanks deze beperkingen toont het werk aan dat het kijken naar de actieve staat van genen in het bloed een rijker, gedetailleerder beeld geeft van Parkinson dan de genetica alleen. Door deze dynamische biologische signalen te combineren met traditionele genetische gegevens, beginnen wetenschappers het complexe biologische landschap van de ziekte in kaart te brengen, wat nieuwe aanwijzingen biedt over hoe de ziekte vordert en hoe deze in de toekomst beter begrepen kan worden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.