RHDの発現の基礎となる非コーディングの規制変異のアルファゲノム対応の分析とウェットラボ検証

科学分野:

• ヒューマン・ジェネティクス ヒューマン・ジェネティックス
• ゲノミクスゲノミクスとは
• バイオインフォマティックス

背景:

• 機能的な非コーディングの規制変異を特定することは,ヒト遺伝学において極めて重要ですが,挑戦的です.
• CRISPRスクリーニングやGWASのような従来の方法は,費用がかかり,時間がかかります.
• RHD抗原の発現は,コーディング変種だけでは完全に説明できないため,非コーディング領域の調査が必要である.

研究 の 目的:

• RHD表現に影響を与える機能的な非コーディングの規制変異を特定するための統合されたAI主導の実験的枠組みを開発し,検証する.
• RHD ローカス内の規制変異を優先する上で,AI,特に AlphaGenome の有用性を実証する.
• ノンコーディング変異分析のための従来のスクリーニング方法に対して,スケーラブルで費用対効果の高い代替手段を提供すること.

主な方法:

• ディープラーニングモデルであるAlphaGenomeを応用し,マルチオミックスのデータを用いてRHDロカスを体系的に分析した.
• RHD発現に対する変異効果を予測するために,シリコデレーションおよびSNP乱分析で利用されます.
• K562細胞の優先された非コーディングSNPサイトでCRISPR媒介の塩基編集を行い,その後,検証のためにqPCRとフローサイトメトリーを行いました.

主要な成果:

• AlphaGenomeは,プロモーターの5'UTRとRHDロキュスの内遺伝子領域の規制領域を優先した.
• インシリコ分析では,プロモーターおよび内遺伝子領域における変異の抑制効果を予測した.
• 実験的検証は,AIの予測と観察されたRHDの転写およびフェノタイプのアウトカムとの間に強い一致を示し,優先度の高い変異の標的ベースの編集により,重要な機能的効果が示されました.

結論:

• AIによるバリエーション優先順位付けとベース編集の組み合わせは,機能的な非コーディングバリエーションを特定するための強力で,スケーラブルで,費用対効果の高い戦略です.
• この枠組みは,ゲノム学に基づくRHDタイプ化と輸血医療の進歩に直接的な影響を及ぼします.
• この研究は,ウェットラボ実験を用いたアルファゲノム予測の最初の現象型検証を表しています.