Download presentation
Presentation is loading. Please wait.
1
Su jin Lee 안녕하세요. 저는 오늘 rappaport의 2012년도 논문인
Biomarkers intersect with the exposome paper review 준비했습니다. Su jin Lee Paper review
2
Contents Introduction Disease pathways
EWAS and applications of biomarkers Proof of concept studies Discussion 발표는 다음과 같은 순서로 진행하겠습니다.
3
Biomarker? 정의: 생체 또는 생체시료에서의 일(event)을 나타내는 지표 (NRC 1995)
Introduction Biomarker? 정의: 생체 또는 생체시료에서의 일(event)을 나타내는 지표 (NRC 1995) 종류: 노출 바이오마커, 생물학적 영향 바이오마커, 감수성 마이오마커 (kim pf. 바이오모니터링 1주차 자료) Differentiate between biological states: diseased? or healthy populations? simple physiological parameters (ex,blood pressure), Complex patterns in genome scans 바이오 마커란 무엇일까요? 바이오마커는 우리가 어떤 물질 혹은 환경에 노출되었을때 생체 또는 생체시료에서의 event를 나타내는 지표라고 합니다. 바이오마커의 종류는 다음과 같습니다. 유용한 바이오마커의 경우엔 생물체의 상태를 구분할 수 있습니다. 예를 들면 건강한 사람과 질병이 있는 사람 이런식으로 구분 할 수있어야 합니다. 바이오 마커는 매우 다양하게 존재합니다. 그 범위는 간단한 Physiological parameter 부터 복잡한 패턴의 genome scan 까지 있습니다.
4
Biomarker를 통해 무엇을 할 수 있을까요?
Introduction 어떤 Biomarker를 사용해야 할까요? Biomarker는 health-impairing Exposures 을 확인할 수 있는 essential element Knowledge-based investigations can link biomarkers with exposure sources Biomarker를 통해 무엇을 할 수 있을까요? Establish causality, and investigate the systems biology of important toxicants and disease processes Offering avenues for prevention, diagnosis and treatment of diseases 그렇다면 어떤 바이오마커를 사용해야할까요? 먼저 바이오마커는 건강 손상을 일으키는 노출을 확인할 수 있어야 합니다. 그리고 우리가 조사한 것을 바탕으로 바이오마커와 환경적 요인과 연결시킬수 있어야 합니다. 이런 바이오 마커를 통해 우리는 causality, 독성과 질병진행과정의 체계를 조사하고 설립할 수있습니다. 그리고 예방, 진단, 질병의 치료에 대한 정보를 제공할 수있습니다.
5
Exposome? environmental complement to the genome
Introduction Exposome? environmental complement to the genome -> representing all environmental exposures received by an individual during life (Wild 2005) External exposome: pollutants, diet, lifestyle factors (ex, tabacco, alcohol), occupation and medical interventions Internal exposome: metabolism, physical activity, gut microbiota, inflammation, endogenous circulating hormones Exposome 이란 무엇일까요? Exposome은 환경과 gene 에 대한 것을 상호보완시킨 개념입니다. 때문에 exposome으로 개인의 모든 환경적인 노출을 나타낼 수 있습니다. Exposome의 외부적 요인으로는 오염물질, 식이, 생활습관 직업 그리고 의료 종사의 개입이 있으며, 내부적 요인으로는 대사, 신체활동, gut microbiota, 염증, 내분비계호르몬 등이 있습니다. (Rappapor et al., 2010)
6
Introduction Disease pathways omic processes mutations and epigenetic changes genome (DNA) → transcriptome (RNA) → proteome (large molecules) → metabolome (small molecules) (Wenk 2005; Gerszten & Wang 2008; Zhu et al. 2012) Metabolome: sum of all small molecular weight metabolites present in a particular biological sample Proteome: sum of all large molecular weight present in a particular biological sample measured in blood, urine or tissues liquid-chromatography tandem mass spectrometry (LC-MS/MS) or nuclear magnetic resonance (NMR) 오믹은 프로세스는 DNA가 전사되어 -> RNA 가 되고-> proteome 이 되고-> 다시 분해되어 metabolome 이 됩니다. 이때 proteome, metabolome이 환경적인 노출로 인해 변형이 되면 앞의 DNA와 RNA에 영향을 미쳐 돌연변이나 후생적인 변화가 일어날 수 있습니다. 아래는 metabolme 과 proteome 의 용어 설명입니다. Metabolme과 proteome의 측정은 혈액, 소변 혹은 조직에서 하며 분석은 LC/MS MS 혹은 NMR 로 합니다.
7
(genome-wide association studies) (exposome-wide association studies)
Introduction GWAS vs EWAS GWAS (genome-wide association studies) EWAS (exposome-wide association studies) SNPs positioned higher on the plot have stronger association with type 2 diabetes. the statistical significance of disease association 본 논문에서 GWAS 와 EWAS에 대해 나오는데요, 그렇다면 이 둘의 차이는 무엇일까요? GWAS 와 EWAS 의 두 그림은 맨하탄 플랏입니다. 맨하탄 플랏은 gene과 같이 데이터가 많을 때, 0이외의 분포를 보고 higher magnitude value를 확인할때 사용하는 분석법입니다. 두 그림 다 Y 축은 동일하게 –log 10P 를 나타내고 있는데요, 이때 P는 p-value를 의미합니다. 따라서 p-value가 높을 수록 연관성이 떨어지고 p-value 가 낮을 수록 연관성이 높습니다. 먼저 좌측의 GWAS에 대한 것을 보면 각각의 spot 은 SNP 즉 단일염기입니다. X축은 단일 염기의 위치로 질병과 gene 에 대해서만 연관성을 확인 할 수 있습니다. 우측은 EWAS에 대한 맨하탄 플랏입니다. 이때 각각의 spot에서 모양은 NHANSE 코호트 자료로 파악한 노출, 색깔은 화학물질을 나타냅니다. 상단은 각 물질에 대한 Odds ratio 입니다 좌측으로 갈수록 odds가 작고 우측으로 갈수록 odds 가 큰걸 확인할 수입니다. 따라서 이 자료의 해석은 높은 지점일 수록, odds가 낮을 수록 이형당뇨와 연관성이 낮다고 할 수있습니다. 이렇게 비교해봤을때 GWAS는 E matrix 컨셉을 설명하기 힘들고, G와 E의 상범위가 불균형 하기 때문에 저자는 본논문에서 EWAS를 다루고 있습니다. 단일 염기의 위치 Figure 2. A ‘Manhattan’ plot of GWAS results for the Japanese population Figure 2. “Manhattan plot” style graphic showing the environment-wide association with T2D. elaboration of the E matrix has been impeded by conceptual and methodological hurdles (Vineis 2004; Thomas 2010; Rappaport 2011; Smith 2011) imbalance in coverage of G- and E-related risks
8
EWAS (exposome-wide association studies)
Disease pathways EWAS (exposome-wide association studies) discover components of the exposome that, over time, cause complex chronic diseases Carefully conducted EWAS can also differentiate biomarkers of exposure from molecular signatures of disease pathology 피드백 개념 EWAS는 복잡한 만성질병에 대한 exposome의 구성요인을 발견할 수있습니다. 단, 이때 주의하여 질병경로의 분자특징으로부터 exposure 바이오마커를 구분하여 시행하여야 합니다. 아래 그림은 Fig 1A 입니다. G는 genome을 E는 environment, R은 gene expressio을 의미합니다. 먼저 genome과 environment가 gene expressio에 영향을 주면 질병에 대한 phenotype 이 생기며, 다시 gene expression이 일어납니다. 그 이후에 secondary phenotype이 다시 이 전의 처음의 Rc에 영향을 주게 됩니다. 이 전체적인 그림을 두 파트로 나눌 수 있는데요, 먼저 이 앞부분은 causal pathway로 뒷 부분은 reactive pathway로 나눌 수 있습니다.
9
EWAS (exposome-wide association studies)
Disease pathways EWAS (exposome-wide association studies) 전사 후 변형 돌연변이, 후생적변형 후생적 변형 Molecular signal Figure 1. Pathways showing influences of genetic (G) and environmental (E) factors on chronic diseases. A) Model of causal and reactive pathways due to effects of G and E on gene expression (R), as reported by Shadt et al. (Schadt et al. 2005). B) Model of causal and reactive pathways from (A) extended to include the proteome (P) and metabolome (M). 다음은 fig 1B 입니다. 앞 그림과 달라 진 점이 있다면 P, M이 추가 되었습니다. P는 proteome을, M은 metabolme을 나타냅니다. 이 그림도 1A와 같이 causal pathway와 reative path way로 나눌 수 있습니다. 원인이 되는 부분은 앞에서와 같이 genome에서 영향을 주거나 Environment 에서 영향을 주게 됩니다. 나머진 구두 설명! full transcriptome: R = Rc + Rr Proteome: P = Pc + Pr Metabolome: M = Mc +Mr.
10
Disease pathways Q. It is reasonable to ask which ‘omes’ offers the most promise for discovering useful biomarkers? A. 1. Helpful to consider the molecular nature of the exposome 2. Its position in the GxE space that gives rise to disease phenotypes -> Hundreds or even thousands of genes whose expression changes are associated with disease traits have been identified But, determining which of the genes cause disease rather than respond to the disease state has proven difficult (Schadt et al., 2005) Ome 는 유용한 바이오마커를 찾는데 가장 적당할까요? 저자는 다음과 같이 말합니다. 1. Exposome의 분자본래 상태를 고려 할수있기 때문에 도움이 된다. 2. G x E space에서 diseases의 phenotypes을 알수있다. 이를 통해 수백 혹은 수천개의 gene들의 표현 변화를 질병과 연관하여 확인할수있다. 하지만 schadt 은 질병상태를 입증하는 것 보다 gene으로 야기된 질병을 결정하는 것이 더 힘들다 라고 말하고 있습니다. 저는 작은 분자 단위의 metabolme 이라면, exposure과 연관하여 할 수있는게 무궁무진 하기 때문에 많은 바이오 마커를 찾을 수 있다고 생각합니다. 물론 과정에 있어서 아직 밝혀진 것이 없기 때문에 어렵겠지만 현재 상태에서는 가장 디테일하고 좀더 가깝게 알아 볼수 있는것은 metabolme이라 생각합니다.
11
Disease pathways Serum 을 사용하면 좋은점? represents a reservoir of chemicals derived from both xenobiotic processes and all cellular genomes archived in many epidemiologic studies characterizing exposomes and for linking exposures with disease can envision a serum exposome, elaborated by measurements of M and P in serum or plasma (include lipids, sugars, nucleotides, amino acids and metabolites, reactive electrophiles) inflammatory markers (cytokines,chemokines, eicosanoids, vasoactive amines and growth factors) transcriptome (R) reflects effects of environmental factors Fig 2를 보여드리기 전에 본 논문에서는 시료를 serum으로 설정해서 EWAS 연구 계획을 설정했는데요, 많고 많은 시료들 중에 왜 serum이며 serum이 좋은 이유는 무엇일까요? 먼저 외부물질의 과정과 모든 세포 유전체로 부터 화학물질의 노출을 나타내기 때문입니다. 많은 역학연구에서도 serum을 사용해서 역학연구를 시행했기때문에 비교가 좀 더 용이한 점이 있습니다. Exposomes의 특성과 노출과 질병과의 연관성을 확인할수있습니다. M과 P를 정교하게 측정할 수있습니다. Serum에는 아래 이런것들이 있기때문 환경 요인에 대한 Gene expression을 반영
12
Scheme for conducting EWAS
Disease pathways Proof of concept studies Scheme for conducting EWAS Sample 수 분별한 특성 파악이 된 것 How? MS and R.T with reference standard In available databases, laborious experiments, NMR synthesis of reference compounds remain associated with disease status evaluating stages of disease progression and therapy 적합 X 먼저 serum exposome으로 환자군 대조군을 나누고, Discriminating feature을 합니다 어떻게? Table 1은 구분한자료 그 다음 단계에서는 질병상태의 연관성은 남아 있으나 질병의 진행과 테라피를 평가하기엔 적합하지 않습니다. Figure 2. Scheme for conducting exposome-wide-association studies (EWAS) to discover serum biomarkers of exposure and disease and for applying biomarkers to investigate disease causality, prevention, diagnosis, prognosis and treatment.
13
Summary of EWAS Environment Factors and Analytic Method
Disease pathways Proof of concept studies Summary of EWAS Environment Factors and Analytic Method FDR (high false-discovery rate) -> control for type I error 다음의 그림도 두번째 단계인 discriminating feature 에 대한 EWAS 분석입니다. 다음 그림은 이형당뇨와 환경요인에 대해 구분한 것으로 멀티로지스틱통계를 이용했습니다. FDR 은 ~~ Figure 1. Summary of EWAS Environment Factors and Analytic Method. A.) Summary of the 21 factor classes and the number of factors within them for each NHANES cohort. B.) Individuals were stratified into T2D status (‘‘cases’’ and ‘‘controls’’) through the ADA FBS threshold for diabetes diagnosis. 6–7% of the unweighted observations in all cohorts had T2D under this rule. C.) Each of these 75 to 211 factors was tested for association with T2D status with a logistic regression model (coefficient labeled ‘‘FACTOR’’) adjusted for age, sex, BMI, ethnicity, and SES. Statistical significance (a = 0.02) was determined by controlling the FDR between 10 to 30%. Between 4 and 23 factors were found to be significant using this threshold a = D.) ‘‘Multi-stage’’ validation. For factors that were deemed significant in C, we deemed a factor validated if the factor was significant to the a = 0.02 level in one or more of the other cohorts. We found 5 factors to be validated (FDR of 2%). (Chirag J. Patel et al. 2010)
14
Ritchie et al. 2010a,b; Ritchie et al. 2011
Disease pathways Proof of concept studies Validated candidate biomarkers Specimen Disease Result Refence plasma CVD1 환자군에서 TMAO3 증가 ∝ 죽상동맥경화증 위험이 증가 Choline 식이 노출의 potentially causal biomarker interactions with the gut microbiome 고려해야함 Wang et al., 2011 b serum diabetes aromatic amino acids -> fasting glucose levels 높여줌 인슐린 저항성에 대해 조기 예측할 수 있는 biomarkers of disease Wang et al., 2011 a CRC2 GTAs4 levels 대조군보다 환자군이 낮음 BUT, 환자군에서 GTAs는 tumor stage와 독립적임 대조군에서는 연령에 따라 GTA 가 유의하게 감소 GTAs are potentially causal biomarkers of (protective) exposure GTAs were protective of CRC anti-inflammatory properties ( ≒ resolvins, omega-3) Ritchie et al. 2010a,b; Ritchie et al. 2011 3번째 단계 1. CVD: Cardiovascular disease (심혈관계질환) 2. CRC: colorectal cancer (대장암) 3. TMAO: trimethylamine N-oxide 4. GTAs: gastrointestinal tract acids
15
omic tools for characterizing exposures
Discussion omic tools for characterizing exposures - superficial understanding of environmental (i.e. non-genetic) causes of chronic diseases (Lopezet al. 2006) is unlikely to improve by investigating known or suspected risk factors with greater vigor exposure and disease and then for exploiting these biomarkers in follow-up studies of disease causality, prevention, diagnosis, prognosis and treatment 궁극적으로, Identify and validate biomarkers of exposure and biomarkers of disease Metabolomics and proteomics are highlighted represent identifiable molecular entities that reflect the interplay between genetic and environmental factors causal exposures 병 진행의 징후 오믹스 툴로 노출 특성을 확인하지만 이것은 만성적인 질병에대해 환경적인 요인을 표면적으로만 이해한것이다. 이런 분석방법보다는 본 저자는 노출과 질병 그리고 바이오마커를 이용해서 Disease causality, prevention, diagnosis, prognosis and treatment의 follow-up study를 해보라고 제안하고 있습니다. 본논문에서는 궁극적으로는 노출과 질병 바이오마커를 확인하고 validation을 하고자 했으며 마지막으로 M, P는 분자본질을 확인하고 genetic과 환경적인 요인사이의 상호작용을 잘 반영하기 때문에 M,P의 중요성을 강조했습니다
16
Q & A
17
감사합니다
Similar presentations