Dermatopontin

Giriş

Arka Plan

Dermatopontin (DPT), çeşitli bağ dokularının hücre dışı matrisinde bulunan, küçük, lösin açısından zengin bir glikoproteindir ve özellikle deride belirgin bir varlığı vardır. Bu dokuların yapısal organizasyonunda ve işlevinde rol oynar.

Biyolojik Temel

DPT geni, öncelikli olarak tip I ve V kollajenlerle etkileşime giren bir proteini kodlar. Bu etkileşim, dokulara gerilme mukavemeti ve yapısal bütünlük sağlayan temel bileşenler olan kollajen fibrillerinin uygun birleşimi ve stabilitesi için hayati öneme sahiptir. Yapısal rolünün ötesinde, dermatopontin aynı zamanda hücre-matriks etkileşimlerini modüle etmede ve farklılaşma ve yara iyileşmesi gibi hücresel süreçleri etkilemede de rol oynamaktadır.

Klinik Önemi

DPT genindeki veya düzenleyici mekanizmalarındaki varyasyonlar, bağ dokuların sağlığını ve işlevini etkileyebilir. Kollajen organizasyonundaki rolü göz önüne alındığında, değişiklikler potansiyel olarak fibrotik bozukluklar veya bozulmuş yara iyileşmesi gibi cildi etkileyen çeşitli durumlarla ilişkilendirilebilir. Genom Çapında İlişkilendirme Çalışmaları (GWAS) dahil olmak üzere genetik çalışmalar, geniş bir insan özelliği ve hastalığı yelpazesiyle ilişkili belirli genetik varyantları tanımlamada etkilidir.^{[1], [2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [12]} Bu kapsamlı genetik analizler, ekstraselüler matris bileşenlerinin önemli rol oynayabileceği kardiyovasküler sağlık, metabolik fonksiyon ve inflamatuar süreçlerle ilgili olanlar da dahil olmak üzere genellikle çok sayıda fenotipi araştırır.

Sosyal Önem

DPT'nin kesin işlevlerini anlamak ve genetik varyantlarını tanımlamak, dermatoloji, doku mühendisliği ve rejeneratif tıp gibi alanlardaki araştırmaları ilerletmek için kritik öneme sahiptir. DPT'nin doku bütünlüğünü ve onarımını nasıl etkilediğine dair bilgiler, bağ dokusu hastalıkları için daha etkili tanı araçlarının ve tedavi stratejilerinin geliştirilmesine yol açabilir. Nihayetinde, bu bilgi, insan sağlığı ve hastalıklarının daha derinlemesine anlaşılmasına katkıda bulunarak, kişiselleştirilmiş tıbbi müdahalelerin önünü açabilir.

Metodolojik ve İstatistiksel Kısıtlamalar

Genetik ilişkilendirme çalışmaları, genetik varyasyonun kapsamlı bir şekilde yakalanması ve ilgili tüm ilişkilendirmeleri saptamak için istatistiksel güç açısından sıklıkla kısıtlamalarla karşılaşır. SNP dizilerinin yoğunluğu, özellikle önceki versiyonlar, belirli gen bölgelerindeki tüm genetik varyantları tam olarak kapsamak için yetersiz kalabilir ve potansiyel olarak kaçırılmış ilişkilendirmelere yol açabilir.^[7] Bu eksik kapsama, sıklıkla genotip imputasyonunun kullanılmasını gerektirir; bu, referans panellerine (örn. HapMap CEU örnekleri) dayanarak eksik genotipleri çıkarsayan bir süreçtir. Değerli olmakla birlikte, imputasyon, allel başına yaklaşık %1,46 ila %2,14 arasında değişebilen hata oranları potansiyeli taşır ve aday genlerin yeterince temsil edilmemesi durumunda bunların kapsamlı bir şekilde incelenme yeteneğini sınırlar.^[4] Ayrıca, mevcut dizilerde veya referans panellerinde bulunmayan yeni varyantlar keşfedilmemiş kalabilir ve ek hedeflenmiş genotipleme çalışmaları gerektirebilir.^[6] Genom çapında ilişkilendirme çalışmalarının istatistiksel gücü, örneklem büyüklükleri tarafından kısıtlanabilir; bu büyüklükler, özellikle daha küçük etki büyüklükleriyle katkıda bulunan tüm yaygın veya daha nadir dizi varyantlarını tanımlamak için yetersiz kalabilir.^[13] Yalnızca cinsiyetler arası birleştirilmiş analizler gibi analitik kararlar da, cinsiyetler arasındaki fenotipik farklılıkların tam olarak anlaşılması için hayati olabilecek cinsiyete özgü genetik ilişkilendirmeleri potansiyel olarak gizleyerek bir kısıtlama oluşturabilir.^[11] Dahası, Bonferroni düzeltmeleri gibi sıkı çoklu test düzeltmelerinin gerekliliği, yanlış pozitifleri kontrol etmek için temel olsa da, aşırı muhafazakar olabilir. Bu muhafazakar yaklaşım, gerçek, ancak mütevazı, genetik etkileri saptayamayarak gerçek genetik manzaranın hafife alınmasına yol açabilir.^[6]

Genellenebilirlik ve Fenotip Karakterizasyonu

Birçok genetik çalışma için dikkat çekici bir sınırlama, bu çalışmaların ağırlıklı olarak Avrupa veya Kafkas kökenli popülasyonlara odaklanmasıdır; bu durum, bulguların daha çeşitli küresel popülasyonlara doğrudan genellenebilirliğini doğal olarak kısıtlar.^[6] Araştırmacılar, popülasyon tabakalaşmasını azaltmak için genomik kontrol ve temel bileşen analizi gibi gelişmiş yöntemler kullansalar da, bu ayarlamalar ince alt yapıyı tamamen ortadan kaldıramayabilir veya Avrupa dışı gruplarda mevcut olan genetik farklılıkları tam olarak açıklayamayabilir.^[4] Analitik homojenliği sağlamak için standart bir uygulama olmasına rağmen, ana çalışma popülasyonuyla genetik olarak kümelenmeyen bireylerin dışlanması, elde edilen genetik içgörülerin uygulanabilirliğini daha da daraltmaktadır.^[14] Karmaşık fenotiplerin doğru ve tutarlı karakterizasyonu da önemli zorluklar sunmaktadır. Birçok biyolojik özellik doğal olarak normal bir dağılım göstermez, bu da sağlam analizler için normalliği yaklaştırmak amacıyla çeşitli istatistiksel dönüşümleri (örneğin, logaritmik, Box-Cox, probit) gerektirir.^[6] İstatistiksel olarak uygun olsa da, bu dönüşümler etki büyüklüklerinin doğrudan yorumlanmasını zorlaştırabilir ve farklı çalışmaların çeşitli normalizasyon stratejileri kullandığında karşılaştırılabilirliği etkileyebilir.^[6] Dahası, farklı araştırmalardaki istatistiksel güç ve çalışma tasarımındaki farklılıklar, daha önce bildirilen ilişkilendirmelerin, aynı ilgili gen için bile olsa, tekrarlanamamasına yol açabilir. Bu durum, çeşitli deneysel koşullar ve ölçüm protokolleri arasında gerçek genetik sinyalleri tutarlı bir şekilde yakalamanın doğasında var olan karmaşıklığı vurgulamaktadır.^[9]

Çözülmemiş Genetik Karmaşıklık ve Çevresel Faktörler

Bir özellik ile daha önce ilişkilendirilen genler için bile, farklı çalışmalarda belirli SNP düzeyinde tekrarlanamama gözlemi, birçok karmaşık fenotipin altında yatan karmaşık genetik mimariyi vurgulamaktadır. Bu tür tutarsızlıklar, aynı gen içindeki farklı SNP'ler bilinmeyen bir nedensel varyantla güçlü bağlantı dengesizliği içindeyse ancak birbirleriyle değilse veya tek bir gen bölgesinde birden fazla farklı nedensel varyant mevcutsa ortaya çıkabilir.^[9] Bu durumlar, başlangıçtaki genetik ilişkilendirmelerin genellikle gerçek nedensel varyantlar için vekil görevi görebileceğini ve tanımlanan birçok genetik lokusun etkilerini gösterdiği kesin fonksiyonel mekanizmaların sıklıkla bilinmediğini, sadece istatistiksel ilişkinin ötesinde önemli bir bilgi boşluğunu vurguladığını göstermektedir.^[6] Çok sayıda genetik lokusun tanımlanmasına rağmen, karmaşık özelliklerin kalıtılabilirliğinin önemli bir kısmı sıklıkla açıklanamamış kalmaktadır; bu durum "kayıp kalıtılabilirlik" olarak adlandırılan bir fenomendir. Bu boşluk, mevcut genom çapında ilişkilendirme yaklaşımlarının daha nadir varyantların, kopya sayısı varyantları gibi yapısal varyasyonların veya karmaşık gen-gen ve gen-çevre etkileşimlerinin katkılarını tam olarak yakalayamayabileceğini düşündürmektedir.^[6] Çalışmalar tipik olarak yaş ve cinsiyet gibi başlıca karıştırıcı faktörleri ayarlasa da, ölçülmemiş çevresel faktörlerin etkisi ve genetik yatkınlıklarla dinamik etkileşimleri, açıklanamayan varyansa muhtemelen önemli ölçüde katkıda bulunmakta olup, gelecekteki araştırmalar ve daha kapsamlı çalışma tasarımları için kritik bir alanı temsil etmektedir.^[13]

Varyantlar

DPT geniyle ve fonksiyonel olarak ilişkili genlerle bağlantılı varyantlar, ekstraselüler matris organizasyonu, immün yanıt ve hücresel metabolizma dahil olmak üzere çeşitli biyolojik süreçlerde rol oynar ve bunlar topluca doku sağlığını ve enflamasyonu etkileyebilir. DPT (Dermatopontin) kendisi, ekstraselüler matrisin ayrılmaz bir parçası olan, özellikle kollajen fibril montajında ve hücre adezyonunda görevli bir proteini kodlar ve bu da onu doku onarımı ve yapısal bütünlük için hayati kılar. DPT içindeki *rs78032017*, *rs1018454*, *rs11403720*, *rs3216459*, *rs190325124*, *rs530022*, *rs151241919*, *rs10800400*, *rs140326681*, *rs78730817*, *rs12028512* ve *rs2982467* gibi genetik varyasyonlar, ekspresyonunu veya protein fonksiyonunu etkileyerek bağ dokularının stabilitesini ve organizasyonunu potansiyel olarak etkileyebilir. Uzun intergenik kodlama yapmayan RNA LINC00970, DPT ile sıklıkla birlikte konumlanır veya birlikte düzenlenir; bu da bu lncRNA'daki varyantların DPT ekspresyonu veya benzer yollarda yer alan diğer genler üzerinde düzenleyici etkiler gösterebileceğini düşündürmektedir. Bu genetik ilişkilendirmeler, doku homeostazını sürdürmede ve çevresel sinyallere yanıt vermede genlerin karmaşık etkileşimini vurgulamaktadır; ki bu etkileşimler genellikle geniş ölçekli genom çapında ilişkilendirme çalışmaları (GWAS) aracılığıyla tanımlanır.^[2] Bu tür çalışmalar, çeşitli özelliklere ve hastalıklara genetik yatkınlıkları ortaya çıkarmayı hedefler.^[7] İmmün sistem modülatörleri, özellikle C-kemokinler XCL1 ve XCL2, ilişkili varyantlar aracılığıyla da rol oynamaktadır. XCL1 (Lenfotaktin-alfa) ve XCL2 (Lenfotaktin-beta), T hücreleri ve doğal katil hücreleri gibi immün hücrelerin enflamasyon ve enfeksiyon bölgelerine göçünü yönlendiren anahtar sinyal molekülleridir. *rs77143649*, *rs142254090*, *rs112053912* (XCL1 ve DPT ile ilişkili), *rs72703796* (QRSL1P1 ve XCL2 ile ilişkili) ve *rs114986990* (XCL2 ve XCL1 ile ilişkili) gibi varyantlar, bu kemokinlerin üretimini veya aktivitesini değiştirerek immün yanıtların büyüklüğünü ve süresini etkileyebilir. DPT'nin doku onarımındaki rolü ve hücresel çevreyle etkileşimi göz önüne alındığında, yerel immün hücre toplanmasındaki değişiklikler, DPT'nin fonksiyonunu ve dokuların genel enflamatuar durumunu dolaylı olarak etkileyebilir. Genom çapında ilişkilendirme çalışmaları (GWAS), dolaşımdaki protein seviyelerini etkileyen, immün yanıtlarda görevli olanlar da dahil olmak üzere genetik lokusları sıklıkla tanımlar.^[6] Bu bulgular, karmaşık özelliklerin genetik mimarisini ve hastalık yatkınlığını anlamak için kritik öneme sahiptir.^[15] Daha ileri genetik ilişkilendirmeler, NT5DC2, CCDC181 ve psödogen QRSL1P1 dahil olmak üzere çeşitli hücresel fonksiyonlara sahip genleri içerir. NT5DC2 (5'-nükleotidaz alanı içeren 2), enerji dengesini ve sinyal yollarını etkileyen temel bir hücresel süreç olan nükleotid metabolizmasında rol oynar; bu da sırasıyla hücre büyümesini, farklılaşmayı ve dermatopontin gibi ekstraselüler matris bileşenlerinin üretimini etkileyebilir. *rs66782572* varyantı, NT5DC2 aktivitesini etkileyerek doku sağlığıyla ilgili metabolik durumları potansiyel olarak değiştirebilir. CCDC181 (Sarmal-sarmal alanı içeren 181), tipik olarak protein-protein etkileşimlerinde ve çeşitli hücresel yapılar veya sinyal komplekslerinde görevli, sarmal-sarmal motiflere sahip bir proteini kodlar; varyantı *rs559729404* bu etkileşimleri değiştirebilir. Psödogen QRSL1P1 ve ilişkili varyantı *rs72703796*, potansiyel olarak XCL2 gibi yakındaki fonksiyonel genlerin ekspresyonunu etkileyerek veya hücresel süreçleri modüle etmek için kodlama yapmayan bir RNA olarak hareket ederek düzenleyici roller oynayabilir; bu da çok faktörlü özelliklere ve hastalıklara katkıda bulunan karmaşık genetik yapıyı vurgulamaktadır.^[16] Bu varyantların kolektif etkisi, doğrudan fonksiyonları açısından farklılık gösterse de, dermatopontinin çalıştığı hücresel ve doku ortamı üzerindeki geniş bir genetik etkiyi vurgulamakta, enflamasyondan doku bakımına kadar süreçleri etkilemektedir.^[17]

Önemli Varyantlar

RS ID	Gen	İlişkili Özellikler
rs78032017 rs1018454 rs11403720	LINC00970, LINC00970, DPT	dermatopontin measurement
rs3216459 rs190325124 rs530022	DPT, LINC00970, LINC00970	dermatopontin measurement
rs151241919 rs10800400	LINC00970, LINC00970	dermatopontin measurement
rs140326681 rs78730817 rs12028512	LINC00970, LINC00970	dermatopontin measurement
rs77143649 rs142254090 rs112053912	XCL1 - DPT	dermatopontin measurement
rs66782572	NT5DC2	hemoglobin measurement hematocrit brain attribute angiopoietin-related protein 7 measurement level of bleomycin hydrolase in blood
rs559729404	CCDC181	dermatopontin measurement
rs2982467	LINC00970, LINC00970	dermatopontin measurement
rs72703796	QRSL1P1 - XCL2	dermatopontin measurement
rs114986990	XCL2 - XCL1	dermatopontin measurement

References

[1] Aulchenko, Y. S., et al. "Loci influencing lipid levels and coronary heart disease risk in 16 European population cohorts." Nat Genet, vol. 41, no. 1, 2009, pp. 47-55.

[2] Benjamin EJ, Larson MG, Keyes MJ, O'Donnell CJ, Fox CS, Keaney JF Jr, Vasan RS. Genome-wide association with select biomarker traits in the Framingham Heart Study. BMC Med Genet. 2007 Oct 11;8 Suppl 1:S11.

[3] Benyamin B, et al. "Variants in TF and HFE explain approximately 40% of genetic variation in serum-transferrin levels." American Journal of Human Genetics, 2009.

[4] Dehghan A, et al. "Association of three genetic loci with uric acid concentration and risk of gout: a genome-wide association study." Lancet, 2008.

[5] Meigs, J. B., et al. "Genome-wide association with diabetes-related traits in the Framingham Heart Study." BMC Med Genet, vol. 8, no. Suppl 1, 2007, p. S9.

[6] Melzer D, et al. "A genome-wide association study identifies protein quantitative trait loci (pQTLs)." PLoS Genetics, 2008.

[7] O'Donnell CJ, et al. "Genome-wide association study for subclinical atherosclerosis in major arterial territories in the NHLBI's Framingham Heart Study." BMC Medical Genetics, 2007.

[8] Reiner, A. P., et al. "Polymorphisms of the HNF1A gene encoding hepatocyte nuclear factor-1 alpha are associated with C-reactive protein." Am J Hum Genet, vol. 82, no. 5, 2008, pp. 1192-200.

[9] Sabatti C, et al. "Genome-wide association analysis of metabolic traits in a birth cohort from a founder population." Nature Genetics, 2008.

[10] Wilk, J. B., et al. "Framingham Heart Study genome-wide association: results for pulmonary function measures." BMC Med Genet, vol. 8, no. Suppl 1, 2007, p. S14.

[11] Yang Q, et al. "Genome-wide association and linkage analyses of hemostatic factors and hematological phenotypes in the Framingham Heart Study." BMC Medical Genetics, 2007.

[12] Yuan, X., et al. "Population-based genome-wide association studies reveal six loci influencing plasma levels of liver enzymes." Am J Hum Genet, vol. 83, no. 4, 2008, pp. 520-28.

[13] Kathiresan S, et al. "Common variants at 30 loci contribute to polygenic dyslipidemia." Nature Genetics, 2008.

[14] Pare G, et al. "Novel association of ABO histo-blood group antigen with soluble ICAM-1: results of a genome-wide association study of 6,578 women." PLoS Genetics, 2008.

[15] Kathiresan S, Willer CJ, Peloso G, Demissie S, Musunuru K, Schadt E, et al. Common variants at 30 loci contribute to polygenic dyslipidemia. Nat Genet. 2009 Jan;41(1):56-65.

[16] Sabatti C, Service SK, Hartikainen AL, Pouta A, Ripatti S, Brodsky J, et al. Genome-wide association analysis of metabolic traits in a birth cohort from a founder population. Nat Genet. 2009 Jan;41(1):35-42.

[17] Wallace C, Stiffen J, Cavalleri G, Tobin M, Peden J, Morris A, et al. Genome-wide association study identifies genes for biomarkers of cardiovascular disease: serum urate and dyslipidemia. Am J Hum Genet. 2008 Jan;82(1):139-49.