Olası Serin Karboksipeptidaz Cpvl

Giriş

Genler, enzimatik aktiviteler de dahil olmak üzere çok çeşitli işlevleri yerine getiren proteinleri kodlar. Örneğin serin karboksipeptidazlar, çeşitli biyolojik süreçlerde rol oynayan bir enzim sınıfıdır. İnsan genetiği araştırmaları, farklı fenotiplerle ilişkilerini anlamak için genellikle gen bölgeleri içinde tek nükleotid polimorfizmlerini (SNP’ler) tanımlamayı içerir.^[1] Genom çapında ilişkilendirme çalışmaları (GWAS), protein seviyeleri (pQTL olarak bilinen) veya çeşitli metabolik biyobelirteçler gibi kantitatif özelliklerle bağlantılı olan SNP’ler de dahil olmak üzere genetik varyantları tanımlamak için yaygın olarak kullanılır.^[1] Enzimleri veya diğer proteinleri kodlayan genlerdeki polimorfizmler, değişmiş protein işlevine yol açabilir; bu da C-reaktif protein seviyeleri, lipid profilleri veya diğer fizyolojik ölçümler gibi özellikleri etkileyerek klinik öneme sahip olabilir.^[1] Bu tür genetik araştırmalar, özelliklerin ve hastalıkların biyolojik temelini aydınlatmayı amaçlar; bu da halk sağlığı stratejilerini ve kişiselleştirilmiş tıp yaklaşımlarını bilgilendirebilecek daha geniş bir anlayışa katkıda bulunur.^[2]

Metodolojik ve İstatistiksel Kısıtlamalar

Sunulan bulgular, genom çapında ilişkilendirme çalışmaları (GWAS) ile doğal olarak ilişkili birkaç metodolojik ve istatistiksel sınırlamaya tabidir. Birincil bir endişe, birçok kohorttaki orta düzey örneklem büyüklüğüdür; bu durum, istatistiksel gücü sınırlayabilir ve özellikle mütevazı etki büyüklüğüne sahip ilişkilendirmeler için potansiyel olarak yanlış-negatif bulgulara yol açabilir.^[3] Tersine, titiz istatistiksel yaklaşımlara rağmen, GWAS’ta gerçekleştirilen kapsamlı çoklu test, yanlış-pozitif ilişkilendirme olasılığını artırmaktadır; zira bildirilen bazı p-değerleri, karşılaştırmaların tam spektrumu için ayarlanmamış kalmaktadır.^[3] Tanımlanan genetik ilişkilendirmelerin, potansiyel olarak _CPVL_’yi içerenler de dahil olmak üzere, kapsamlı doğrulanması, çeşitli kohortlarda bağımsız replikasyon gerektirir; bu, genellikle çok önemli ancak tüm başlangıç bulguları için her zaman tam olarak başarılamayan bir adımdır.^[3]Ayrıca, bulguların genellenebilirliği, kullanılan genotipleme dizilerinin genetik kapsamı ile sınırlanabilir. Erken dönem GWAS’lar, genellikle HapMap projesi dahilindeki yaygın tek nükleotid polimorfizmlerinin (SNP’ler) yalnızca bir alt kümesini yakalayan çip’ler kullanmıştır ve bu durum, eksik kapsam nedeniyle önemli genetik varyantları potansiyel olarak gözden kaçırmıştır.^[4] Bu sınırlı kapsam, _CPVL_ gibi bir aday genin ve onun düzenleyici bölgelerinin kapsamlı bir şekilde anlaşılmasını engelleyebilir. Ek olarak, birçok çalışma, çoklu test yükünü yönetmek için öncelikle cinsiyetler arası birleştirilmiş analizler yürütmektedir; bu durum, özellikler üzerindeki cinsiyete özgü genetik etkileri gizleyebilir ve potansiyel olarak _CPVL_ ile ilgili ilişkilendirmelerin erkeklerde veya kadınlarda saptanmadan kalmasına neden olabilir.^[4]

Fenotipik Ölçüm ve Belirleme

İncelenen fenotipik özelliklerin tanımından ve ölçümünden de sınırlamalar ortaya çıkmaktadır. Örneğin, serbest tiroksin düzeyleri olmadan genel tiroid fonksiyonu için TSH gibi ikame belirteçlere veya kardiyovasküler hastalık risk etkileri tamamen dışlanmadan böbrek fonksiyonu belirteci olarak sistatin C’ye güvenilmesi, genetik ilişkilendirme analizlerine potansiyel karıştırıcı faktörler dahil etmektedir.^[5] Doğru fenotiplemede karşılaşılan zorluklar, küçük veya seçilmiş örneklemlerde ölçüm denklemlerinin geliştirilmesinden ya da hassas veri toplamanın doğasında bulunan zorluklardan kaynaklanabilir. Dahası, normal dağılım göstermeyen protein seviyelerini normalleştirmek için uygulanan istatistiksel dönüşümler, gerekli olmakla birlikte, özellik dağılımındaki temel karmaşıklıkları yansıtır ve etki büyüklüklerinin yorumlanabilirliğini etkileyebilir.^[6] Karıştırıcı faktörler kontrol edilirken çok değişkenli istatistiksel modellere odaklanmak, fenotiplerle olan anlamlı iki değişkenli genetik ilişkilendirmeleri farkında olmadan gözden kaçırabilir ve böylece _CPVL_ içeren daha basit, ancak etkili genetik ilişkileri potansiyel olarak kaçırabilir.^[5] Bazı fenotipler ayrıca, tespit edilebilir limitlerin altına düşen değerler nedeniyle zorluklar sunar; bu durum, istatistiksel gücü ve genetik etkilerin nüanslı anlaşılmasını etkileyebilecek veri dikotomizasyonunu veya özel dönüşümleri gerektirir.^[6] Bu ölçüm ve modelleme tercihleri, çoğu zaman pragmatik olmakla birlikte, genetik varyantları karmaşık özelliklere hassas bir şekilde bağlamadaki karmaşıklıkları vurgulamaktadır.

Genellenebilirlik ve Gen-Çevre Etkileşimleri

Genetik bulguların genellenebilirliği, özellikle _CPVL_ gibi bir gen için, çalışma popülasyonlarının demografik özelliklerinden kaynaklanan kritik bir sınırlamadır. Birçok kohort ağırlıklı olarak Avrupa kökenli bireylerden oluşmakta ve etnik olarak çeşitli veya ulusal düzeyde temsil edici değildir; bu da tanımlanan ilişkilendirmelerin farklı genetik arka planlara sahip popülasyonlara nasıl aktarılacağını belirsiz hale getirmektedir.^[5] Bu homojen gruplar içinde popülasyon tabakalaşmasını hesaba katmak için temel bileşen analizi gibi yöntemlerle sıkça çaba gösterilse de, sınırlı etnik çeşitlilik temel sorunu devam etmektedir.^[7]Ayrıca, mevcut araştırmalar sıklıkla genetik varyantlar ile çevresel faktörler arasındaki karmaşık etkileşimi hesaba katmamaktadır. Genetik etkiler genellikle bağlama bağlıdır ve besin alımı veya yaşam tarzı faktörleri gibi çevresel etkilerle önemli ölçüde modüle edilebilir.^[8] Gen-çevre etkileşimlerine yönelik kapsamlı araştırmaların eksikliği, bildirilen _CPVL_ ile genetik ilişkilendirmelerin yalnızca kısmi bir tabloyu temsil edebileceği, farklı gerçek dünya koşullarında gerçek biyolojik mekanizmaları potansiyel olarak hafife alması veya aşırı basitleştirmesi anlamına gelmektedir.^[8] Daha derin bir anlayış, çevresel bağlamların genetik yatkınlıkları nasıl değiştirdiğini keşfetmek için ana genetik etkilerin ötesine geçmeyi gerektirmektedir.

Varyantlar

Genetik varyasyonlar, protein fonksiyonunu, ekspresyon seviyelerini ve nihayetinde bir bireyin çeşitli sağlık durumlarına yatkınlığını etkilemede kritik bir rol oynar. Olası serin karboksipeptidaz_CPVL_, protein yıkımı ve antijen işlenmesinde rol oynar ve aktivitesi, kendi geni içindeki ve fizyolojik yolaklarıyla etkileşime giren veya bunları düzenleyen genlerdeki bir dizi genetik varyant tarafından modüle edilebilir. _CPVL_ geni içinde veya yakınında, _CPVL-AS2_ antisens transkripti de dahil olmak üzere bulunan rs147771477 , rs79679229 , rs138978539 ve rs73090823 gibi polimorfizmler, _CPVL_ proteininin kendisinin üretimini, stabilitesini veya enzimatik verimliliğini etkileyebilir.^[6]Bu tür değişiklikler, immün yanıtlar, inflamatuar süreçler ve hücreler içindeki belirli proteinlerin yıkımı üzerinde etkili olabilir ve DNA varyasyonlarının protein seviyelerini ve hastalık mekanizmalarını nasıl etkileyebileceğini yansıtır.^[6] _HLA-DQA1_, _HLA-DOA_, _HLA-DPA1_, _HLA-DRA_, _HLA-DRB9_ ve _HLA-DQB1_ dahil olmak üzere insan lökosit antijeni (_HLA_) kompleks genleri, immün sistem için merkezi bir konumdadır; özellikle antijenleri T hücrelerine sunmada ve kendini yabancıdan ayırmada. _HLA-DQA1_’deki rs9272461 ve rs375955233 gibi varyantlar, _HLA-DOA_ - _HLA-DPA1_ bölgesindeki rs493158 , _HLA-DRA_ - _HLA-DRB9_ bölgesindeki rs9268690 ve _HLA-DQB1_’deki rs41263822 , immün tanımayı etkilediği ve otoimmün hastalıklar, enfeksiyonlara yatkınlık ve inflamatuar durumlarla ilişkilendirilebildiği bilinmektedir.^[9] _CPVL_’nin antijen işlenmesindeki rolü göz önüne alındığında, bu _HLA_ genlerindeki varyantlar, _CPVL_ tarafından işlenmiş peptitlerin nasıl sunulduğunu etkileyerek genel immün yanıtı modüle edebilir ve böylece immün sürveyansın etkinliğini ve özgüllüğünü etkileyebilir.^[4] Ek genetik varyasyonlar, _CPVL_’nin aktivitesiyle kesişebilecek hücresel fonksiyonlara katkıda bulunur. Plazma kallikreinini kodlayan _KLKB1_ geni, inflamasyon, kan basıncı regülasyonu ve koagülasyonda rol oynayan kinin-kallikrein sisteminin anahtar bir bileşenidir; bu bağlamda rs4861708 varyantı bu süreçleri etkileyebilir. Benzer şekilde, rs1045693 varyantı ile _NAGPA_(N-asetilglukozamin-1-fosfat transferaz, alfa ve beta alt birimleri), lizozomal enzimlerin doğru hedeflenmesi için kritik öneme sahiptir ve bu durum,_CPVL_ bir lizozomal protein ise _CPVL_’nin lokalizasyonunu ve fonksiyonunu etkileyebilir. rs769611959 ile ilişkili _LIPA_ geni, lipid metabolizması için temel bir enzim olan lizozomal asit lipazı kodlar ve işlev bozukluğu, lipid birikimi ve inflamasyona yol açabilir, bu da _CPVL_’nin çalıştığı hücresel ortamları potansiyel olarak etkiler. Dahası, _LYSET_’deki (rs145078947 , rs10135777 ) varyantlar, immün mediyatörlerin salgılanması ve uygun hücresel atık yönetimi için hayati öneme sahip olan lizozom trafiğini etkiler ve böylece _CPVL_’nin dahil olabileceği daha geniş inflamatuar ve immün yolaklara bağlanır.

Önemli Varyantlar

RS ID	Gen	İlişkili Özellikler
rs147771477	CPVL, CPVL-AS2	probable serine carboxypeptidase cpvl measurement
rs79679229 rs138978539 rs73090823	CPVL	probable serine carboxypeptidase cpvl measurement
rs9272461 rs375955233	HLA-DQA1	animal allergen seropositivity probable serine carboxypeptidase cpvl measurement
rs145078947 rs10135777	LYSET	tartrate-resistant acid phosphatase type 5 measurement arylsulfatase A measurement amount of arylsulfatase B (human) in blood acid ceramidase measurement polypeptide N-acetylgalactosaminyltransferase 10 measurement
rs493158	HLA-DOA - HLA-DPA1	probable serine carboxypeptidase cpvl measurement
rs9268690	HLA-DRA - HLA-DRB9	probable serine carboxypeptidase cpvl measurement serum albumin amount
rs41263822	HLA-DQB1	cancer level of V-set and transmembrane domain-containing protein 2B in blood probable serine carboxypeptidase cpvl measurement level of sorting nexin-2 in blood
rs4861708	KLKB1	protein measurement blood protein amount hepatocyte growth factor activator amount level of heat shock protein beta-6 in blood serum matrix extracellular phosphoglycoprotein amount
rs1045693	NAGPA	blood protein amount level of heparanase in blood probable serine carboxypeptidase cpvl measurement
rs769611959	LIPA	probable serine carboxypeptidase cpvl measurement level of ribonuclease T2 in blood legumain measurement

Proteinin İşlevinin Genetik ve Moleküler Temelleri

Yaşamın temel planı DNA’da kodlanmıştır; bu DNA RNA’ya transkribe edilir ve sonrasında hücrenin işgücü olan proteinlere çevrilir. DNA’daki değişiklikler, mRNA ifade düzeylerini ve dolayısıyla protein düzeylerini derinden etkileyebilir; bu durum ifade kantitatif özellik lokusları (eQTL’ler) ve protein kantitatif özellik lokusları (pQTL’ler) aracılığıyla incelenen bir fenomendir.^[6] Bu genetik varyasyonlar, GGT1 geninde görüldüğü gibi değişmiş transkripsiyon hızları olarak ortaya çıkabilir veya LPA ile örneklenen farklı boyutlardaki proteinlerin işlenme ve salgılanma hızlarını etkileyebilir, hatta CCL4’te olduğu gibi gen kopya sayısını değiştirebilir.^[6]Ayrıca, tek nükleotid polimorfizmleri (SNP’ler), bir proteinin amino asit dizisinde sübstitüsyonlara yol açabilir ve bunlar anahtar konumlarda meydana gelirse, proteinin yapısını ve işlevini değiştirebilir; valin’den izolösin’e sübstitüsyonlar klinik olarak ilişkili fenotiplerde belirgin şekilde rol oynamaktadır.^[10] Basit sübstitüsyonların ötesinde, alternatif pre-mRNA eklenmesi (splicing) gibi karmaşık genetik mekanizmalar, tek bir genin birden fazla protein izoformu üretmesine olanak tanır; bu süreç, genom çapında incelenebilen çeşitli kontrol mekanizmalarına sahiptir ve insan hastalıklarında rol oynadığı bilinmektedir.^[11]

Enzimatik İşleme ve Hücresel Düzenleme

Olası serin karboksipeptidazlar gibi enzimler, diğer proteinlerin hassas parçalanması ve yıkımı dahil olmak üzere sayısız hücresel işlevi düzenleyen hayati biyomoleküllerdir. Bu tür proteolitik aktivite, protein mevcudiyetini ve aktivitesini düzenlemek için hayati öneme sahiptir; bu, reseptör sinyalizasyonunu modüle edenIL6R gibi bağlıdan serbest çözünür reseptörlerin parçalanmasıyla gösterilmiştir.^[6] Diğer önemli bir düzenleyici mekanizma, inaktif enzim öncülerinin aktif formlarına işlendiği zimojen parçalanmasını içerir; bu durum PCSK9ve düşük yoğunluklu lipoprotein (LDL) reseptörü (LDLR) ile kolesterol seviyeleri üzerindeki etkileriyle gözlemlenmiştir.^[2] Dahası, proteinlerin hücrelerden salgılanma hızları değişebilir, bu da onların sistemik varlıklarını etkiler; ve PCSK9’un karaciğerdeki LDLR protein seviyelerini etkilemesiyle görülen transkripsiyon sonrası düzenleme, protein bolluğu ve işlevi üzerindeki karmaşık kontrolü vurgulamaktadır.^[2]

Metabolik Yollar ve Homeostatik Denge

Proteinler, hücresel homeostaziyi sürdürmede ve vücut genelindeki çeşitli metabolik süreçleri kolaylaştırmada önemli roller oynar. Enzimler, mevalonat yolu gibi karmaşık metabolik yolların sıklıkla temel bileşenleridir; bu yollarda faaliyetleri titizlikle düzenlenir.^[11] Bu yollardaki bozukluklar, gliserol iskeletlerinde ester ve eter bağları ile spesifik yağ asidi yan zincir bileşimlerine sahip olanlar da dahil olmak üzere çeşitli lipit türlerinin sentezi ve işlenmesini içeren lipit metabolizması gibi süreçleri etkileyerek sistemik sonuçlar doğurabilir.^[12] Örneğin, endoplazmik retikulum sonrası bir kompartımanda PCSK9 tarafından LDLR’nin yıkımı, kolesterol metabolizmasını doğrudan etkileyerek spesifik protein etkileşimlerinin metabolik dengeyi nasıl koruduğunu göstermektedir.^[2]

Protein Disfonksiyonunun Patofizyolojik Önemi

Protein işlevinin düzensizliği, ister genetik varyantlardan isterse başka faktörlerden kaynaklansın, patofizyolojik süreçlere ve insan hastalıklarının gelişimine önemli ölçüde katkıda bulunabilir. Proteinlerdeki değişikliklerin çeşitli insan hastalıklarını etkilediği kabul edilmektedir.^[6]Örneğin, kolesterol düzeyleri ve kardiyovasküler olay riski ile ilişkili polimorfizmler, genetik varyasyonun hastalık yatkınlığı üzerindeki etkisini vurgulamaktadır.^[2]Ayrıca, protein düzeylerini etkileyen DNA varyantları olan pQTL’lerin tanımlanması, anormal lipid profilleri ile karakterize bir durum olan dislipidemi ile ilişkili olanlar gibi hastalık mekanizmaları hakkında değerli bilgiler sağlayabilir.^[2] PCSK9 gibi genlerdeki varyasyonlar, düşük LDL düzeyleri ve koroner kalp hastalığına karşı koruma ile ilişkilendirilmiş olup, protein işlevinin klinik sonuçlarla nasıl yakından bağlantılı olduğunu göstermektedir.^[2]

References

[1] Aulchenko, Y. S., et al. “Loci influencing lipid levels and coronary heart disease risk in 16 European population cohorts.”Nat Genet, vol. 40, no. 12, 2008, pp. 1441-48.

[2] Kathiresan, S. “Common Variants at 30 Loci Contribute to Polygenic Dyslipidemia.” Nat Genet, 2008.

[3] Benjamin, Emelia J. et al. “Genome-wide association with select biomarker traits in the Framingham Heart Study.” BMC Medical Genetics, vol. 8, no. S1, 2007, p. S11.

[4] Yang Q, et al. “Genome-wide association and linkage analyses of hemostatic factors and hematological phenotypes in the Framingham Heart Study.” BMC Med Genet, 2007.

[5] Hwang, Shih-Jen et al. “A genome-wide association for kidney function and endocrine-related traits in the NHLBI’s Framingham Heart Study.” BMC Medical Genetics, vol. 8, no. S1, 2007, p. S13.

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

[7] Pare, Guillaume 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, vol. 4, no. 7, 2008, p. e1000118.

[8] Vasan, Ramachandran S. et al. “Genome-wide association of echocardiographic dimensions, brachial artery endothelial function and treadmill exercise responses in the Framingham Heart Study.”BMC Medical Genetics, vol. 8, no. S1, 2007, p. S2.

[9] Reiner AP, et al. “Polymorphisms of the HNF1A gene encoding hepatocyte nuclear factor-1 alpha are associated with C-reactive protein.” Am J Hum Genet, 2008.

[10] McArdle, P. F. “Association of a Common Nonsynonymous Variant in GLUT9with Serum Uric Acid Levels in Old Order Amish.”Arthritis Rheum, 2008.

[11] Burkhardt, R. “Common SNPs in HMGCR in Micronesians and Whites Associated with LDL-Cholesterol Levels Affect Alternative Splicing of Exon13.” Arterioscler Thromb Vasc Biol, 2008.

[12] Gieger, C. “Genetics Meets Metabolomics: A Genome-Wide Association Study of Metabolite Profiles in Human Serum.”PLoS Genet, 2008.