6가지 신경퇴행성 질환에서 발견된 공유되고 고유한 세포 특징을 연구합니다.

[아름이]

6가지 신경퇴행성 질환에서 발견된 공유되고 고유한 세포 특징을 연구합니다.
날짜:
2022년 12월 21일
원천:
애리조나주립대학교
요약:
신경 퇴행성 질환의 당혹스러운 범위는 뇌의 특정 영역을 공격하여 심각한 인지 및 운동 장애를 유발하는 것으로 알려져 있습니다. 이러한 (일반적으로 치명적인) 질병의 결합된 영향은 사회에 엄청난 피해를 입혔습니다. 새로운 통찰은 이러한 고통의 대부분이 각 질병이 발전함에 따라 다른 방식으로 진행되는 일련의 공통 과정에 기원을 두고 있음을 시사합니다.

신경 퇴행성 질환의 당혹스러운 범위는 뇌의 특정 영역을 공격하여 심각한 인지 및 운동 장애를 유발하는 것으로 알려져 있습니다. 이러한 (일반적으로 치명적인) 질병의 결합된 영향은 사회에 엄청난 피해를 입혔습니다. 새로운 통찰은 이러한 고통의 대부분이 각 질병이 발전함에 따라 다른 방식으로 진행되는 일련의 공통 과정에 기원을 두고 있음을 시사합니다.

Alzheimer's & Dementia: The Journal of the Alzheimer' Association 최신호에 게재된 연구에서 교신 저자인 Arizona State University의 Carol Huseby와 그녀의 동료들은 근위축성 측삭 경화증 또는 루게릭병과 같은 6가지 뚜렷한 신경퇴행성 질환의 세포 변화를 살펴봅니다. 알츠하이머병, 프리드라이히 운동실조증, 전측두엽 치매, 헌팅턴병 및 파킨슨병. Carol Huseby는 ASU-배너 신경퇴행성 질병 연구 센터의 연구원입니다.

이 연구는 전혈에서 발견되는 RNA의 기계 학습 분석을 포함하는 혁신적인 접근 방식을 사용합니다. 연구자들은 여러 질병을 비교함으로써 여러 신경퇴행성 질병에서 발생하는 RNA 마커와 각 질병에 고유한 RNA 마커를 식별할 수 있습니다.

ASU-배너 신경퇴행성 질환 연구 센터(ASU-Banner Neurodegenerative Disease Research Center)의 연구원인 Huseby는 "다수의 신경퇴행성 질환이 유사한 근본적인 기능 장애 세포 과정을 가지고 있는 것으로 보입니다."라고 말했습니다. "질병 간의 차이는 각 질병에 대한 지역 세포 유형 취약성과 치료 대상을 발견하는 데 핵심이 될 수 있습니다."

연구에 사용된 혈액 샘플은 Gene Expression‎ Omnibus로 알려진 공개 데이터 세트에서 파생되었습니다. 6개의 신경퇴행성 질환 각각이 조사되었습니다. 기계 학습 알고리즘이 수천 개의 유전자를 샅샅이 뒤지면서 각 질병을 최적으로 분류하는 RNA 전사 세트를 조립하고 데이터를 건강한 환자 혈액의 RNA 샘플과 비교했습니다.

선택된 RNA 전사체는 전사 조절, 탈과립(염증에 관여하는 과정), 면역 반응, 단백질 합성, 세포 사멸 또는 세포사멸, 세포골격 구성 요소, 유비퀴틴화/프로테아솜(단백질 분해에 관여) 및 미토콘드리아 복합체(세포의 에너지 사용을 감독함). 밝혀진 8가지 세포 기능 장애는 각 질병의 뇌 특성에서 확인 가능한 병리와 관련이 있습니다.

이 연구는 또한 미개척 질병 경로를 나타낼 수 있는 각 질병에 대한 흔하지 않은 전사체를 식별했습니다. 이러한 질병 특이적 특이치는 진단 바이오마커의 잠재적인 소스로 탐색될 수 있습니다.

예를 들어, 분석된 6가지 질병 모두에서 시냅스 손실이 공통적인 특징인 반면, spliceosome 조절로 알려진 현상과 관련된 전사는 알츠하이머병의 경우에만 발견되었습니다. (스플라이소솜은 적절한 세포 기능에 필수적인 세포핵에서 발견되는 단백질 복합체입니다. RNA의 불완전한 스플라이싱은 질병과 관련이 있습니다.)

인공 지능을 사용하는 강력한 통계 방법과 결합된 신경퇴행성 질환에 대한 혈액 바이오마커의 조사는 이러한 심각한 고통에 대한 새로운 창을 열었습니다. 혈액은 건강과 질병의 모든 단계에 있는 살아있는 환자에게서 쉽게 샘플링할 수 있어 조기 진단을 위한 강력한 새 도구를 제공합니다.

UN에 따르면 모든 신경 퇴행성 질환을 고려할 때 전 세계 사망자 수는 무려 10억 명에 달할 수 있습니다. 이러한 많은 질병의 경과는 오래 걸리고 무자비하여 환자에게 심각한 고통을 줄 뿐만 아니라 의료 시스템에 막대한 경제적 부담을 안겨줍니다. 새로운 조기 진단 방법, 개선된 치료법 및 가능한 예방 방법이 절실히 필요합니다.

그러나 치매의 주요 원인인 알츠하이머병(AD)을 포함하여 대부분의 신경퇴행성 질환은 정확한 진단이 까다롭고 치료에 완고하게 저항했습니다. 유전적 요인이 AD 발달에 중요한 역할을 하지만 대부분의 경우는 산발성으로 간주되어 근본적인 원인이 불분명합니다. 이는 연구에서 강조된 세 가지 다른 질병인 전측두엽 치매, ALS 및 파킨슨병의 경우에도 마찬가지입니다. 헌팅턴병과 프리드라이히 운동실조증은 유전적으로 결정되는 것으로 보이며 가족력이 있다고 합니다.

신경변성의 징후는 중추 신경계와 말초 혈관계 모두에서 감지할 수 있습니다. 질병은 또한 발병 지점에서 먼 뇌 영역으로 이동하여 대부분의 손상을 입힐 수 있습니다.

이 연구는 기계 학습 프로세스에 의해 선택된 RNA 클러스터 또는 트리를 설명하며, 이는 연구에서 탐색된 6가지 신경 퇴행성 질병에 공통적인 유전자 발현 패턴과 뚜렷하고 질병에 의존하는 발현 프로파일을 밝혀냅니다. 연구 중인 질병의 알려진 질병 경로와 가장 밀접하게 일치하는 20개의 전사체 그룹을 선택하기 위해 수천 개의 그러한 나무가 생성되고 기계 학습 알고리즘에 의해 통계적으로 비교됩니다.

이번 연구 결과는 신경퇴행의 점프 스타트 과정에서 역할을 할 수 있는 일반적인 세포 기능에 대한 단서를 제공합니다. 이 연구는 또한 이러한 공통 요소에서 궁극적으로 별개의 질병 형태가 어떻게 발생하는지에 대한 수수께끼 같은 질문을 제기합니다.

혈액에서 추출한 RNA 전사체에서 약 10,000개의 유전자가 발현됩니다. Random Forest로 알려진 기계 학습 알고리즘은 데이터를 분류하고 질병 관련 생물학적 경로와 관련된 것으로 알려진 유전자 발현 프로필과 결과를 비교합니다.

전혈의 스크리닝과 전체 RNA 프로필의 검사는 종종 덜 포괄적일 뿐만 아니라 비용이 많이 들고 매우 침습적이며 노동 집약적인 다른 많은 형태의 검사의 한계를 극복할 수 있습니다. 이와는 대조적으로 전혈을 통한 진단은 전 세계 거의 모든 곳에서 저렴한 비용으로 수행할 수 있습니다. 혈액 결과는 시간 경과에 따라 추적할 수 있어 질병 진행에 대한 귀중한 창을 제공합니다. 이러한 종류의 연구는 또한 새로운 치료법을 장려할 수 있습니다.

그 결과는 감질나게 하는 가능성을 제시합니다. 여러 질병 유형이 공유하는 전사적 변화는 나중에 각각의 뚜렷한 뇌 질환으로 발전하는 초기 씨앗을 제공할 수 있습니다. 뇌의 다른 영역을 공격하는 다양한 질병과 증상을 유발하기 위해 발아하는 이러한 공통 요인을 담당하는 메커니즘은 해결해야 할 중심 퍼즐로 남아 있습니다.

향후 연구에서는 혈액 세포뿐만 아니라 신경 퇴행성 질환이 독특한 병리를 개발하고 진화시키는 단계를 설정하는 기본 메커니즘뿐만 아니라 뉴런에 대한 전사적 영향을 탐구할 것입니다.

출처 : https://www.sciencedaily.com/