«-Омики» и старение: от биомаркеров до системной биологии (2)

Jonas Zierer et al. Integration of ‘omics’ data in aging research: from biomarkers to systems biology 

Перевод Евгении Рябцевой

(Продолжение, начало статьи – здесь.)

Valdes et al. (2013) тщательно проанализировали применение новых технологий оценки различных «-омик» для идентификации молекулярных маркеров старения. Поэтому в следующем разделе представлено только краткое описание ключевых результатов, а основное внимание уделено наиболее свежим данным.

Геномика была первой из «-омик», получившей в свое распоряжение высокопроизводительные методы измерения. Современные чипы позволяют анализировать до 5 миллионов единичных нуклеотидных полиморфизмов или «снипов» (от англ. single nucleotide polymorphisms, SNPs) (SNPs) (Ha et al., 2014). Сегодня технология секвенирования последнего поколения медленно замещает технологию чипов, что позволило снизить затраты на секвенирование до менее чем 0,10$ за миллион пар нуклеотидных оснований (Liu et al., 2012). Поэтому на сегодняшний день генетические вариации можно оценивать с разрешением до единичного нуклеотида.

Тогда как само по себе долголетие считается только на 20% наследуемым (Murabito et al., 2012), для многих возрастных болезней этот показатель значительно выше. Например, наследуемость болезни Альцгеймера составляет выше 70% (Gatz et al., 2006), а остеоартрита и катаракты – 50% (Hammond et al., 2001).

База данных GenAge содержит примерно 300 человеческих генов, потенциально вовлеченных в старение, выбор которых основан на гомологии с генами модельных организмов (Tacutu et al., 2013). Sebastiani et al. (2012) недавно опубликовали усовершенствованную модель из 281 снипа, позволившую отличить долгожителей от более молодых людей группы контроля в когорте из 1 715 человек. Один из этих снипов расположен в гене аполипопротеина Е, на сегодняшний день являющемся единственным геном, достоверно ассоциированным с долголетием на полногеномном уровне значимости (Deelen et al., 2011; Nebel et al., 2011). Распространенные генетические варианты в данном локусе ассоциированы с ускоренным старением и угасанием познавательной функции (Johnson, 2006; Davies et al., 2014), возможно, за счет повышения риска развития ишемической болезни сердца, инсульта и болезни Альцгеймера (Smith, 2002). Даже несмотря на предоставленные рядом исследований доказательства того, что мутации факторов транскрипции семейства FOXO также связаны с долголетием (Willcox et al., 2008; Flachsbart et al., 2009), при проведении полногеномных исследований ассоциаций эти результаты не удалось воспроизвести на полногеномном уровне значимости.

Эпигеномика занимается изучением наследуемых изменений генома, не имеющих отношения к мутациям последовательности ДНК (Lodish, 2013). Наиболее распространенным эпигенетическим механизмом является метилирование ДНК, считающееся одной из основных причин подавления экспрессии генов. В отличие от генома, одинакового для всех клеток организма, эпигеном является важным фактором дифференцировки клеток, ведущим к появлению выраженных эпигенетических отличий между клетками разных типов (Meissner, 2010). Современный чип для оценки уровня метилирования от компании Illumina позволяет анализировать более 485 000 зон метилирования и покрывает 99% генов базы данных RefSeq (Illumnia, 2011). Однако он покрывает менее 10% вариабельных регионов (Ziller et al., 2013).

Эпигеном подвержен влиянию факторов окружающей среды и образа жизни (Nakajima et al., 2010; Alegría-Torres et al., 2011; Breitling et al., 2011), а также ассоциирован со многими сложными заболеваниями, таким как нейродегенеративные болезни (обзор Portela & Esteller, 2010) и рак (Ehrlich, 2002; Horvath, 2013). Было идентифицировано почти 500 дифференциально метилированных регионов генома, ассоциированных с хронологическим возрастом и возрастными изменениями характеристик фенотипа, таких как функция внешнего дыхания, уровень холестерина в крови и долголетие по линии матери (Bell et al., 2012). Недавнее исследование Weidner et al. (2014) показало, что профилей метилирования трех зон достаточно для определения хронологического возраста. Поэтому многие из ранее идентифицированных зон метилирования могут быть независимо ассоциированы с возрастом. Интересен тот факт, что изменение уровня метилирования в зависимости от возраста единообразно для многих тканей и типов клеток (Horvath, 2013). Совместно эти закономерности формируют глобальную модель гипометилирования повторяющихся последовательностей, гипометилирования промоторных областей и повышенной внутриклеточной вариабельности (Cevenini et al., 2008; Bacalini et al., 2014). Помимо метилирования ДНК, с долголетием модельных организмов ассоциированы и другие эпигенетические изменения, такие как метилирование гистонов и ацетилирование (Dang et al., 2009; Greer et al., 2010). Изучение этих модификаций в геноме человека может пролить свет на неизвестные на сегодняшний день механизмы старения.

Гены транскрибируются в молекулы РНК, которые проходят строго контролируемый процесс обработки. Весь комплекс РНК-транскриптов называется транскриптомом. Его можно подразделить на кодирующие РНК, впоследствии вступающие в процесс трансляции белков, и некодирующие РНК, выполняющие различные функции, такие как регуляция экспрессии генов (Eddy, 2001). Количество транскриптов можно измерить с помощью чипов или методов секвенирования.

Так же как и эпигеном, экспрессия генов значительно изменяется с возрастом. При проведении новаторского исследования, посвященного сравнению образцов ткани лобной коры головного мозга 30 человек разного возраста, было идентифицировано 463 дифференциально экспрессируемых генов (Lu et al., 2004). Несмотря на небольшой объем выборки, полученные результаты были воспроизведены в последующих экспериментах. Четыре года спустя Berchtold et al. (2008) идентифицировали несколько тысяч возрастных изменений экспрессии генов в четырех различных тканях мозга. В более поздних работах разных исследовательских групп были выявлены выраженные возрастные изменения транскриптома в других тканях, таких как кожа, жировая ткань (N = 865) (Glass et al., 2013) и почки (N = 134) (Rodwell et al., 2004). Большинство этих изменений в разных тканях не перекрываются. Мета-анализ данных о разных видах и тканях выявил только 73 гена, стабильно ассоциированных с возрастом (de Magalhães et al., 2009). Это свидетельствует о том, что большинство выявленных возрастных изменений транскриптома видоспецифичны, либо являются ложно-положительными данными (обзор Valdes et al., 2013). При проведении мета-анализа было установлено, что для генов, ассоциированных с иммунным ответом и лизосомами, у пожилых людей характерна тенденция к гиперэкспрессии, тогда как для генов, ассоциированных с митохондриями и окислительным фосфорилированием, – тенденция к пониженной экспрессии (de Magalhães et al., 2009).

Белки транслируются с кодирующих транскриптов. За счет альтернативного сплайсинга и посттрансляционной модификации белковых молекул оценочное количество белков на два порядка превышает количество генов (Ginsburg & Haga, 2006). Однако современные технологии протеомики, основанные на иммунологическом анализе, белковых микрочипах или масс-спектрометрии, позволяют измерять только небольшую фракцию протеома (до 1 000 белков в образце). Наиболее полное описание человеческого протеома для различных тканей на сегодняшний день состоит из 18 097 белков (19 376 изоформ), идентифицированных при проведении десяти тысяч экспериментов с использованием масс-спектрометрии (Wilhelm et al., 2014).

Из-за этих технических проблем протеомные исследования в области старения до сих пор посвящены изучению небольших комплексов белков в образцах малого размера. В ранней работе по изучению белкового состава латеральной широкой мышцы бедра Gelfi et al. (2006) выявили преобладание нескольких белков, вовлеченных в аэробный метаболизм, и низкое содержание белков анаэробного метаболизма в образцах ткани пожилых людей. Помимо этого для пожилых людей была характерна стабильно низкая экспрессия шести транспортных белков. Однако в данном исследовании было проанализировано только 12 образцов ткани без повторов. В недавней работе, проведенной авторами обзора, с помощью технологии SOMAscan было проанализировано более 1 000 белков в 200 образцах плазмы крови (Menni et al., 2015). В результате выявлена выраженная ассоциация одиннадцати белков с хронологическим возрастом, а также возрастными изменениями фенотипа, таким как функция внешнего дыхания и артериальное давление. Эти результаты были воспроизведены с использованием независимой когорты.

Даже несмотря на отсутствие подробных протеомных исследований, существует большая вероятность существования взаимосвязи между белками и целым рядом возрастных болезней. Например, сердечно-сосудистые заболевания (Mehra et al., 2005) и болезнь Альцгеймера (Swardfager et al., 2010) стабильно ассоциированы с повышенными уровнями провоспалительных цитокинов.

Посттрансляционные модификации являются важными элементами формирования белковых молекул, способными изменять их биохимические свойства, такие как молекулярная структура, приоритеты связывания и ферментативная активность. Существует множество различных модификаций, варьирующих от прикрепления малых (например, ацетилирование или фосфорилирование) и крупных молекул, таких как липидные или углеводные цепочки (например, пальмитоилирвание, гликозилирование), до прикрепления целых белков (например, убиквитинирование).

Наиболее распространенной модификацией является гликозилирование, заключающееся в прикреплении углеводной цепочки к белковой молекуле. Прикрепляемые олигосахариды – гликаны – предположительно выступают в роли структурных элементов белков или специфичных зон связывания для других гликанов или белков (Varki et al., 2009). Однако гликаны очень разнообразны, и многие из них до сих пор не охарактеризованы и не аннотированы. Поэтому гликаны могут иметь множество дополнительных функций. Например, в кишечнике гликаны выступают в качестве пищи для микроорганизмов (Koropatkin et al., 2012), которые могут быть вовлечены в иммунную функцию, играющую большую роль в процессах старения. Недавно разработанная высокопроизводительная методика позволяет осуществлять одновременное измерение большого количества гликанов как в одном белке, так и во всех белках одновременно (Royle et al., 2008; Pucić et al., 2011).

Применение данной технологии к эпидемиологическим когортам показало, что структуры гликанов стабильны во времени для каждого индивидуума (Gornik et al., 2009), но весьма разнообразны внутри популяции (Knezević et al., 2009; Pucić et al., 2011). Были также обнаружены отличия гликомов, характерные для разных типов рака (Fuster & Esko, 2005; Adamczyk et al., 2012). Kristic et al. (2013) продемонстрировали существование сильной ассоциации между гликанами иммуноглобулинов G и возрастом – линейная комбинация трех гликанов объясняла 58% наблюдаемой вариабельности, ассоциированной с хронологическим возрастом, в исследовании на четырех независимых популяциях с общим количеством участников 5 117.

Метаболомика занимается изучением молекул с низкой молекулярной массой в составе биологической системы. Изучаемые молекулы часто называют метаболитами, так как многие из них являются промежуточными или конечными продуктами клеточного обмена веществ. На сегодняшний день база данных метаболома человека (Wishart et al., 2013) содержит более 40 000 различных метаболитов из разных тканей. Также как протеомика, на современном этапе метаболомика не имеет в своем распоряжении аналитического метода, позволяющего в рамках одного эксперимента идентифицировать все метаболиты и давать им количественную оценку. Современные платформы, в основе которых лежит либо хроматография в комплексе с масс-спектрометрией, либо ядерно-магнитный резонанс, позволяют проводить примерное измерение тысячи метаболитов при анализе незаданных величин и несколько меньше при применении заданных направленных подходов. Ограничения направленного подхода, с другой стороны, обеспечивают преимущество более высокой чувствительности, а также возможности абсолютного (а не только относительного) количественного определения соединения, а также его непосредственной идентификации (Patti et al., 2012; Tzoulaki et al., 2014).

В 2008 году в рамках первого полнометаболомного исследования ассоциаций с возрастом с помощью ненаправленного подхода был проанализирован метаболом плазмы 269 человек. Авторы продемонстрировали существование корреляции с хронологическим возрастом для 100 из 300 соединений (Lawton et al., 2008). Несколько позже более крупные когорты использовались для изучения ассоциаций между уровнями метаболитов и возрастом с помощью предопределенных и непредопределенных метаболомных платформ. Yu et al. (2012) проанализировали 131 предопределенный метаболит у 2 162 участников исследования KORA, тогда как авторы данного обзора проанализировали 280 непредопределенных метаболитов у 6055 близнецов из когорты исследования TwinsUK (Menni et al., 2013b). В обоих исследованиях было установлено, что уровни половины проанализированных метаболитов ассоциированы с хронологическим возрастом. Также оказалось, что для многих из этих метаболитов существует выраженная корреляция с возрастными изменениями в характеристиках фенотипа, таких как функция внешнего дыхания, минеральная плотность костной ткани и концентрация холестерина в крови (Menni et al., 2013b), болезнь Альцгеймера (N = 93) (Orešič et al., 2011), рак (reviewed by Teicher et al., 2012) и сахарный диабет 2 типа (N = 100) (Suhre et al., 2010; Menni et al., 2013a). Один из этих метаболитов – С-гликозилтриптофан – является потенциальным продуктом деградации гликозилированных белков.

Понятие «человеческий микробиом» распространяется на все виды микроорганизмов (и их геномов), живущих в организме человека. Наиболее крупное микробное сообщество населяет пищеварительный тракт, в котором количество клеток микроорганизмов и их генов превосходит количество клеток человека и их генов в 10 и 100 раз соответственно (Peterson et al., 2009; Zhu et al., 2010; The Human Microbiome Project, 2014a). В рамках проекта человеческого микробиома (Human Microbiome Project) было идентифицировано более 10 000 различных видов микроорганизмов, имеющих миллионы кодирующих белка генов (Turnbaugh et al., 2007; Peterson et al., 2009; Biagi et al., 2012), при этом геномы более чем 1 000 из этих микроорганизмов на сегодняшний день были полностью секвенированы (The Human Microbiome Project, 2014b). Несмотря на то, что исследования с участие близнецов продемонстрировали умеренное генетическое влияние на ряд таксонометрических типов микроорганизмов, большинство из вариаций обусловлено воздействием окружающей среды (Goodrich et al., 2014).

Состав микрофлоры значительно варьирует для разных людей (Turnbaugh et al., 2007; Zhu et al., 2010) и даже для разных частей тела (Kong, 2011). Он оказывает огромное влияние на многие биологические процессы, такие как иммунные реакции, метаболизм и течение заболеваний (Zhu et al., 2010; Grice & Segre, 2012). Тогда как во взрослом возрасте для микробиома характерна относительная стабильность, он значительно изменяется на более поздних этапах жизни (Guigoz et al., 2008; Biagi et al., 2010; Claesson et al., 2011). Biagi et al. (2010) наблюдали выраженные изменения в микробиоме кишечника долгожителей по сравнению с молодыми взрослыми, а также с пожилыми людьми, что проявляется утратой многообразия и увеличением количества палочек и протобактерий. Существуют данные, согласно которым в определенных условиях последние способствуют развитию воспаления (Round & Mazmanian, 2009). Схожие наблюдения были сделаны в других популяциях пожилых людей, и признаны проявлением диетических и жилищных условий жизни пожилых пациентов (Claesson et al., 2012).

Параллельно увеличению объема данных «-омик» продолжает расти количество выделяемых клинических параметров и параметров образа жизни, в особенности клинически значимых промежуточных параметров. При проведении эпидемиологических исследований были собраны тысячи клинически значимых характеристик фенотипов, не попадающих под критерии типов данных, описываемых «-омиками». Они варьируют от антропометрических показателей до опросников по состоянию здоровья и образу жизни (Moayyeri et al., 2013). Сбор многосторонних клинических данных исключительно важен для выявления плейотропии генов и взаимодействий между клиническими изменениями фенотипа, такими как сочетанные заболевания (Houle et al., 2010). Развитие технологий «-омик» дает в распоряжение ученых статистические и биоинформационные методы анализа многосторонних данных. Это делает возможным одновременное изучение многочисленных клинических изменений в фенотипах, определяя таким образом новое направление феномики (Houle et al., 2010).

Феномика имеет исключительную важность для изучения старения. Десятки клинических изменений фенотипов, таких как болезнь Паркинсона (Reeve et al., 2014), болезнь Альцгеймера (McAuley et al., 2009), индекс массы тела, артериальное давление (Mungreiphy et al., 2011) и минеральная плотность костной ткани (Warming et al., 2002), также как и параметры образа жизни, такие как качество питания (Wieser et al., 2011), курение и физическая активность, демонстрируют выраженную взаимосвязь с возрастом (Harman, 1988; Wang et al., 2009). Комплексные показатели, такие как индекс дряхлости по Роквуду (Rockwood & Mitnitski, 2007), комбинируют несколько подобных клинических параметров для формирования более гомогенного комплекса изменений фенотипа – дряхлости – из ее разнообразных проявлений. Такие показатели дряхлости можно рассматривать как параметры биологического возраста (Mitnitski et al., 2013). Многие из этих (и других) клинических характеристик фенотипов коррелируют или даже зависят друг от друга (McAuley et al., 2009; Baylis et al., 2014). Только обширная коллекция данных и их комплексный анализ помогут вскрыть эти взаимосвязи и выявить причинно-следственные связи.

Продолжение: От «-омик» к системной биологии

Портал «Вечная молодость» http://vechnayamolodost.ru

30.10.2015