![[img]](https://epub.uni-regensburg.de/style/images/fileicons/application_pdf.png) | License: Creative Commons Attribution 4.0 (2MB) |
- URN to cite this document:
- urn:nbn:de:bvb:355-epub-584607
- DOI to cite this document:
- 10.5283/epub.58460
| Item type: | Thesis of the University of Regensburg (PhD) |
|---|---|
| Open Access Type: | Primary Publication |
| Date: | 20 June 2024 |
| Referee: | Prof. Dr. Bernhard Weber |
| Date of exam: | 5 June 2024 |
| Institutions: | Medicine > Lehrstuhl für Humangenetik |
| Keywords: | expression quantitative trait loci; eQTL; colocalization; co-regulation; gene expression; gene regulation; haploinsufficient genes; crispra; gtex; regulatory relationships; regulatory gene clusters; co-regulated genes; genetic signals; |
| Dewey Decimal Classification: | 600 Technology > 610 Medical sciences Medicine |
| Status: | Published |
| Refereed: | Yes, this version has been refereed |
| Created at the University of Regensburg: | Yes |
| Item ID: | 58460 |
Abstract (German)
Seit der vollständigen Sequenzierung des menschlichen Genoms stehen nicht-kodierende DNA-Abschnitte und die Regulation von Genexpression zunehmend im Mittelpunkt der Forschung. Trotz der Erfassung und Analyse von mehr und mehr regulatorischen Elementen bleiben einige regulatorische Mechanismen und Beziehungen weiterhin verborgen. Gleichzeitig können besonders im Bereich genommodifizierender ...
Abstract (German)
Seit der vollständigen Sequenzierung des menschlichen Genoms stehen nicht-kodierende DNA-Abschnitte und die Regulation von Genexpression zunehmend im Mittelpunkt der Forschung. Trotz der Erfassung und Analyse von mehr und mehr regulatorischen Elementen bleiben einige regulatorische Mechanismen und Beziehungen weiterhin verborgen. Gleichzeitig können besonders im Bereich genommodifizierender Methoden basierend beispielsweise auf CRISPR (Clustered Regulatory Interspaced Short Palindromic Repeats)-Systemen große Fortschritte verzeichnet werden. Bei der Evaluation dieser letztgenannten Methode zur gezielten Veränderung der Genregulation müssen genaue Kenntnisse zu den entsprechenden genregulatorischen Beziehungen und koregulierten Genen vorliegen, um unerwünschte Effekte, sogenannte Off-Target-Effekte, vorab erkennen und bewerten zu können.
Bisher wurden in genomweiten Ansätzen vor allem Chromosome Conformation Capture Methoden angewandt, die es erlauben, die dreidimensionale Architektur des Genoms zu analysieren. Anhand der Messung physischer Chromatininteraktionen können Rückschlüsse auf regulatorische Elemente und deren Beziehung zueinander gezogen werden. Trotz verbesserter Methoden und zunehmender Auflösungsvermögen können in komplexen Regionen regulatorische Beziehungen einzelner Gene nicht sicher zugeordnet werden, sodass die Identifikation regulatorischer Beziehungen auch auf alternative Ansätze gestützt werden muss.
In dieser Arbeit wurden koregulierte Gene basierend auf expression Quantitative Trait Locus (eQTL) Studien durch Kolokalisationsanalyse der zugrundeliegenden genetischen Signale identifiziert. Die Untersuchung erfolgte in 49 verschiedenen Geweben anhand von Genotyp- und Genexpressionsdaten des Genotype Tissue-Expression (GTEx) Projekts. Die Resultate wurden unter verschiedenen Gesichtspunkten analysiert und in einer umfassenden Dantebank leicht zugänglich gemacht, um spezifische Fragestellungen, beispielsweise zu einzelnen Genen, gezielt beantworten zu können.
Über alle Gewebe hinweg zeigten sich insgesamt 14.636 (36,7 %) der 39.832 exprimierten Gene mit mindestens einem anderen Gen koreguliert, sodass eine Zahl von 49.637 koregulierten Genpaarungen identifiziert werden konnte. Dabei waren die koregulierten Gene z. T. in großen Abständen zueinander lokalisiert, was sich gut mit der Bildung von dreidimensionalen Chromatinstrukturen vereinbaren lässt. Die koregulierten Genpaarungen wurden zu 14.727 einzigartigen regulatorischen Clustern mit Größen von zwei bis zu neun koordiniert regulierten Genen zusammengeführt. Entsprechend den Ergebnissen bereits veröffentlichter Studien wurden Effekte, beispielsweise von bidirektionalen Promotern, die eine Koregulation von Genen bedingen können, in einigen regulatorischen Clustern unmittelbar abgebildet. In einer gewebezentrierten Analyse stellte sich heraus, dass die regulatorischen Effekte eines jeden Gewebes in mindestens 80 regulatorischen Clustern mit anderen Geweben übereinstimmten. Schließlich wurde am Beispiel haploinsuffizienter Gene gezeigt, wie sich im Rahmen von therapeutischen Ansätzen die entsprechende Hochregulation der Expression eines Gens auch auf koregulierte Gene auswirken kann. Von 713 bekannten haploinsuffizienten Genen wurden 231 (32,4 %) in verschiedenen regulatorischen Clustern gefunden und zeigten sich mit weiteren Genen koreguliert. Somit konnten aufgrund der Ergebnisse der hier präsentierten Studie allein im Kontext der Haploinsuffizienz bereits 414 Hinweise auf potenzielle Off-Target-Effekte gegeben werden, die sonst möglicherweise nicht berücksichtigt worden wären.
Translation of the abstract (English)
Since the completion of the sequencing of the human genome, non-coding DNA segments and the regulation of gene expression have increasingly become the focus of research. Despite the detection and analysis of more and more regulatory elements, some regulatory mechanisms and relationships remain hidden. At the same time, great progress has been made in the field of genome modification methods, for ...
Translation of the abstract (English)
Since the completion of the sequencing of the human genome, non-coding DNA segments and the regulation of gene expression have increasingly become the focus of research. Despite the detection and analysis of more and more regulatory elements, some regulatory mechanisms and relationships remain hidden. At the same time, great progress has been made in the field of genome modification methods, for example based on CRISPR (Clustered Regulatory Interspaced Short Palindromic Repeats) systems. When evaluating this latter method for the targeted modification of gene regulation, precise knowledge of the corresponding gene regulatory relationships and co-regulated genes must be available in order to be able to predict and evaluate undesired effects, so-called off-target effects.
Up to now, genome-wide approaches have mainly used chromosome conformation capture methods, which allow the three-dimensional architecture of the genome to be analyzed. By measuring physical chromatin interactions, conclusions can be drawn about regulatory elements and their relationship to each other. Despite improved methods and increasing resolution, regulatory relationships of individual genes cannot be reliably assigned in complex regions, so that the identification of regulatory relationships must also be based on alternative approaches.
In this work, co-regulated genes were identified based on expression quantitative trait locus (eQTL) studies by colocalization analysis of the underlying genetic signals. The analysis was performed in 49 different tissues using genotype and gene expression data from the Genotype Tissue Expression (GTEx) project. The results were analyzed under various aspects and made easily accessible in a comprehensive Dantebank in order to be able to answer specific questions, for example on individual genes.
Across all tissues, a total of 14,636 (36.7 %) of the 39,832 expressed genes were found to be co-regulated with at least one other gene, resulting in a total of 49,637 co-regulated gene pairings. Some of the co-regulated genes were located at large distances from each other, which is consistent with the formation of three-dimensional chromatin structures. The co-regulated gene pairings were merged into 14,727 unique regulatory clusters with sizes ranging from two to nine co-regulated genes. In line with the results of previously published studies, effects such as bidirectional promoters, which can cause gene co-regulation, were directly reflected in some regulatory clusters. A tissue-centered analysis revealed that the regulatory effects of each tissue in at least 80 regulatory clusters were similar to other tissues.
Finally, the example of haploinsufficient genes was used to show how the corresponding upregulation of the expression of a gene can also affect co-regulated genes in the context of therapeutic approaches. Of 713 known haploinsufficient genes, 231 (32.4 %) were found in different regulatory clusters and were found to be co-regulated with other genes. Thus, based on the results of the study presented here, 414 indications of potential off-target effects could already be given in the context of haploinsufficiency alone, which might otherwise not have been taken into account.
Metadata last modified: 21 Jun 2024 08:36
Owner only: item control page
Download Statistics