Imaging genomics for the discovery of new ALS genes (IGNAGE)

Het vinden van nieuwe ALS genen door het integreren van genetische en MRI data.

Op MRI-scans van de hersenen van ALS-patiënten zijn specifieke afwijkingen zichtbaar. Ook zijn voor ALS duidelijke risicogenen aangetoond. Hoe deze genetische afwijkingen leiden tot de ziekte ALS en de voor ALS karakteristieke afwijkingen op MRI-scans is vooralsnog onduidelijk. In 2018 is daarom het project ‘IGNAGE’ gestart. Dit project richt zich op het vinden van nieuwe genetische risicofactoren voor ALS.

Update 30 juni 2019

In de afgelopen periode hebben we de definitieve, opgeschoonde dataset van ongeveer 24.000 ALS-patiënten en 114.000 gezonde controlepersonen afgeleverd. Deze data is een resultaat van het combineren van 143 verschillende datasets die wereldwijd gegenereerd zijn. Verschillende statistische analyses laten zien dat dit een robuuste en betrouwbare dataset is.

Het vergelijken van ongeveer 11 miljoen genetische varianten toont in totaal 12 gebieden in het DNA die het risico op ALS verhogen. Vijf van deze gebieden zijn nog nooit eerder beschreven in genoomwijde associatie studies in ALS, de andere 7 gebieden zijn tenminste eenmaal eerder gevonden in ALS en worden in deze studie bevestigd. In een aantal gebieden liggen genen waarin eerder mutaties zijn gevonden in familiaire ALS (zoals C9orf72, SOD1 en KIF5A). Dit wijst op een overlap tussen familiaire en sporadische ALS.

In deze gebieden hebben we gekeken naar een specifieke vorm van genetische variatie die belangrijk is in ALS, namelijk repeat expansies (zoals de repeat expansie in C9orf72). In 4 gebieden vinden we repeats die geassocieerd zijn met een hoger risico op ALS.

Deze bevindingen hebben we gecombineerd met datasets van genexpressieprofielen van hersenen die verkregen zijn door hersenobducties (>1,000 hersenen). Deze analyses tonen aan dat de genetische variatie die het risico op ALS verhoogt in het bijzonder actief is in de prefrontale cortex en de motorcortex. Met vervolganalyses zullen we verder inzoomen op de specifieke celtypes die in deze hersengebieden het risico op ALS verhogen. Inmiddels zijn er veel publieke genexpressie datasets beschikbaar. Hierdoor zal de focus van het project in de komende periode meer zal komen te liggen op het verkrijgen van deze datasets, in tegenstelling tot het zelf bepalen van genexpressie in breingebieden.

Een andere cruciale stap in een genoomwijde associatiestudie is het bevestigen van de resultaten in een onafhankelijke dataset. Hiervoor hebben we in de afgelopen maanden DNA verzameld van 8,000 patiënten en 26,000 controlepersonen. De ruwe dataset van hun DNA profielen verwachten we eind augustus 2019 zodat we onze bevindingen kunnen repliceren.

Update 31 december 2019

Dit project richt zich op het vinden van nieuwe genetische risicofactoren voor ALS. Dit willen we bereiken door genetische datasets te integreren met gegevens van hersenscans (MRI). In de afgelopen periode hebben de definitieve genetische dataset (met gegevens van genoomwijde associatie studies) van 28668 ALS-patiënten en 114868 gezonde controlepersonen opgeleverd. Tevens is een dataset die gegevens bevat van 7000 ALS-patiënten en 25000 controles over de delen van het DNA die voor eiwitten coderen nu klaar.

Beide datasets leveren een rangorde op van genetische variatie en genen in relatie tot ALS. Door deze informatie te combineren met genexpressie- en MRI data willen wij ALS risicogenen isoleren.

De afgelopen periode hebben wij aanvullende datasets gekregen die specifiek gegevens bevatten over genexpressie (activiteit van genen) in het brein. Via het GTEx consortium en de NYGC (New York Genome Center) hebben wij nu de ruwe gegevens van ongeveer 1800 personen (zowel ALS-patiënten als gezonde controles). De komende periode zullen deze datasets geharmoniseerd (hierbij zorgen we dat de data vergelijkbaar zijn zodat we appels met appels kunnen vergelijken) en geanalyseerd worden.

Ook is er voortgang gemaakt met de bestudering van de MRI-data van ALS-patiënten. Kort samengevat is gebleken dat elke hersenscan van een ALS-patiënt onder te verdelen valt in 5 subtypes. Deze subtypes verschillen onderling in de hersengebieden waarin zenuwcellen afsterven. Deze onderverdeling is ook terug te zien in het ziektebeloop bij patiënten. Zo zijn er verschillen in bijvoorbeeld ziekteduur, het voorkomen van cognitieve klachten of de symptomen waarmee de ziekte zich als eerste manifesteert.

De volgende stap is nu om de genetische en MRI analyses samen te voegen om tot de identificatie van nieuwe risicogenen te komen. De bevinding van 5 subtypes is een grote stap vooruit, aangezien het tot meer precisie kan leiden in de zoektocht naar nieuwe ALS-genen.

Update 30 juni 2020

In de afgelopen periode heeft Kevin van Veenhuizen, promovendus en tevens neuroloog in opleiding, tijd moeten besteden aan zijn opleiding. Gedurende de COVID-19 uitbraak heeft hij daardoor minder tijd kunnen werken aan het onderzoek dan van tevoren verwacht.

In eerder onderzoek toonde we aan dat in hersengebieden die het meest zijn aangedaan bij ALS-patiënten, genen die betrokken zijn bij ALS juist hoger of lager tot expressie kwamen. Er waren echter ook veel genen die dit signaal niet lieten zien. Het afgelopen jaar hebben we daarom gekeken of dit patroon systematisch konden terugvinden. Helaas bleek dit niet het geval te zijn. Mogelijk is deze analyse te herhalen met nieuwere grotere datasets van genexpressie en een grotere genoomwijde associatiestudie, maar op dit moment hebben we onvoldoende aanwijzingen om dit nu verder te onderzoeken.

In een ander deel van het project heeft onderzoeker Wouter van Rheenen samen met Klara Gawor, een master student van de VU, het afgelopen half jaar gewerkt aan een project om te zien of de genetische aanleg van bepaalde hersenstructuren de kwetsbaarheid voor ALS en cognitieve veranderingen bij ALS (FTD-spectrum) beïnvloeden. Hiervoor hebben ze in samenwerking met het ENIGMA-consortium nieuwe genetische predictiemodellen ontwikkeld. Vervolgens hebben ze aangetoond dat deze genetische voorspellers voldoende betrouwbaar zijn om daadwerkelijke MRI-structuren te voorspelen. Deze genetische predictiemodellen zijn vervolgens gebruikt in de nieuwste genoom-wijde associatiestudie in ALS met meer dan 110,000 patiënten en controles. Hierdoor kunnen zij MRI-structuren bekijken op een schaal die nog niet mogelijk is met daadwerkelijke MRI-scans.

Daarnaast hebben we in een grote groep Nederlandse patiënten (dankzij de PAN-studie) gekeken naar de relatie tussen MRI-structuren en de uitslagen van de screening voor cognitieve en gedragsveranderingen in ALS patiënten (ECAS). De resultaten van deze analyse willen we in de komende periode verifiëren in andere onafhankelijke datasets.

Tenslotte zullen ze kijken of dit effect kan voorspellen of patiënten met de C9orf72 repeat expansie ALS of FTD zullen krijgen. Om deze analyse te doen is wel eerst toestemming nodig van het C9orf72-ALS/FTD-consortium.

De rest van het project zal zich nu meer concentreren op het verband tussen MRI bevindingen en genetische bevindingen bij ALS. Ook willen we, in samenwerking met meta-BRAIN (UMCG Groningen), kijken of de originele aanname dat het verband tussen genexpressie en MRI-structuren nieuwe ALS genen kan helpen ontdekken, klopt.

Update 31 december 2020

Dit project bestaat uit twee deelprojecten. Hieronder is per deel de voortgang beschreven

1. Combinatie van MRI scans en genexpressie.
In de afgelopen periode hebben we ons in dit deel van het project vooral gefocust op samenwerking met andere beschikbare genexpressie initiatieven. Daaruit is een samenwerking voortgekomen met de Allen Human Brain Atlas. De Allen Human Brain Atlas (http://human.brain-map.org/) bevat uitgebreide data van genexpressie in verschillende delen van het brein (afkomstig vanuit materiaal van overleden patiënten). Met deze data, samen met de MRI data verkregen vanuit het ALS Centrum, is het mogelijk om een ‘brein atlas’ van mate van genexpressie en van hersenschorsverdunning tegenover elkaar te zetten en per regio te onderzoeken of er een correlatie bestaat (fig2).

correlaties onderzoek IGNAGE

Uit de resultaten blijkt dat in de hersengebieden die het meest zijn aangedaan bij ALS patiënten genen die betrokken zijn bij ALS (zoals C9orf72, en SOD1) juist hoger of lager tot expressie kwamen. Er waren echter ook veel genen die dit signaal niet lieten zien. Daaruit concluderen we dat het verband tussen genexpressie en hersenschorverdunning bij patiënten met ALS gen-specifiek is, en dus niet geldt voor alle “ALS-genen”.

Dat beperkt de inzetbaarheid van deze analysemethode als tussenstap in Project MinE om nieuwe “ALS-genen” te vinden. Desondanks blijven de genen in de “staart” van deze verdeling belangrijke prioriteit bij verdere analyses binnen Project MinE.

2. Combinatie van MRI-scans en genoomwijde associatiestudies.
In de afgelopend periode hebben we de resultaten van onze laatste genoomwijde associatie studie, nog ongepubliceerd, vergeleken met brein expressie datasets van diverse brein regio’s. Het betreft data vanuit samenwerkingsverbanden met andere brein datasets. Deze sets zijn GTEx v8, single-cell RNA sequencing (GSE67835), de Allen Brain Atlas Cell-type en de DropViz dataset.

Door ook de analyse te doen voor andere neurodegeneratieve ziekten (Alzheimer, Parkinson), konden we de specificiteit van de signalen bepalen. Hieruit bleek dat ALS zich vooral uit in genen die tot expressie komen in de “frontale” cortex, en bij Alzheimer bijvoorbeeld juist in genen die vooral met het afweersysteem te maken hebben (de milt, en bloed o.a.). Ook zijn de signalen bij ALS vooral in “glutamaterge” neuronen te vinden, terwijl bij Alzheimer die vooral in “microglia” zitten, de afweercellen van ons zenuwstelsel.

schematische weergave onderzoek IGNAGE

Daaruit kunnen we opmaken dat het afweersysteem in het ontstaan van ALS minder belangrijk is dan bij Alzheimer, maar dat neemt niet weg dat het beloop van de ziekte wel degelijk ook (mede) bepaald kan zijn door afweerprocessen. Het is interessant dat de overlap van genetische variatie met brein expressie datasets deze conclusies toestaan. De laatste periode van dit project (tot maart 2021) zullen wij proberen deze resultaten te publiceren.