Xác định hiệu quả của phân tích Nhiệt độ Nấu chảy Cao độ (HRM) trong phân loại SNP và quét đột biến tại vùng gen TP53

BMC Genetics - 2009
Sonia Garritano1, Federica Gemignani1, Catherine Voegele2, Tú Nguyen-Dumont2, Florence Le Calvez-Kelm2, Deepika de Silva3, Fabienne Lesueur2, Stefano Landi1, Sean V. Tavtigian2
1Department of Biology – Genetics via Derna 1, 56126 University of Pisa, Pisa, Italy
2Genetic Susceptibility group, International Agency for Research on Cancer, Lyon, France
3Idaho Technology Inc, Salt Lake City, Utah, USA

Tóm tắt

Tóm tắt Giới thiệu

Các thay đổi nucleotide đơn (SNP) và các biến thể nhỏ về chèn/xóa là dạng biến thể trình tự phổ biến nhất trong quần thể gen của con người.

Phân tích SNP ở độ phân giải cao và/hoặc phân tích haplotype cho phép xác định các gen nhạy cảm có nguy cơ trung bình đối với các bệnh phổ biến, các gen có thể điều chỉnh phản ứng với các tác nhân dược phẩm và các SNP có thể ảnh hưởng đến sự biểu hiện hoặc chức năng của chúng. Bên cạnh đó, các kỹ thuật nhạy cảm trong việc phát hiện đột biến dòng sinh dục hoặc soma là những công cụ quan trọng để phân loại các biến thể trình tự trong các gen có trách nhiệm gây ra sự dễ mắc ung thư. Những phương pháp tiết kiệm chi phí là rất được mong muốn. Nhiều công nghệ hiện đại được phát triển gần đây hướng đến quy mô công nghiệp trong các nghiên cứu di truyền và có thể nói rằng không cung cấp những giải pháp hữu ích cho các dự án nhỏ do các nhà nghiên cứu khởi xướng. Gần đây, việc sử dụng các thuốc nhuộm huỳnh quang mới đã cho phép phân tích đường cong nấu chảy DNA ở độ phân giải cao (HRM).

 Kết quả

Tại đây, chúng tôi đã so sánh khả năng của HRM, áp dụng cho cả phân loại kiểu gen và quét đột biến, trong việc phát hiện các biến thể di truyền trong gen ức chế khối u TP53 với việc sàng lọc đột biến bằng phương pháp giải trình tự toàn bộ. Chúng tôi cũng đánh giá hiệu suất của nhiều bộ phản ứng HRM phân loại kiểu gen hiện có thông qua việc phân loại 30 SNP TP53. Chúng tôi mô tả một loạt các giải pháp để xử lý những khó khăn có thể phát sinh trong việc ứng dụng quy mô lớn HRM cho việc sàng lọc đột biến và phân loại kiểu gen tại vùng TP53. Cụ thể, chúng tôi đã phát triển các phản ứng HRM cụ thể cho phép phân loại kiểu gen của 2 hoặc nhiều, đôi khi là các đa hình gần nhau, trong cùng một sản phẩm khuếch đại. Chúng tôi cũng cho thấy rằng phân loại kiểu gen đồng thời 2 SNP từ 2 sản phẩm khuếch đại khác nhau bằng phản ứng PCR đa dạng là khả thi; dữ liệu có thể được phân tích trong một lần chạy HRM, có khả năng cải thiện hiệu quả của quy trình phân loại kiểu gen HRM.

 Kết luận

Kỹ thuật HRM cho thấy độ nhạy và độ đặc hiệu cao (1.0 và 0.8, tương ứng, cho các sản phẩm khuếch đại <400 bp) trong việc sàng lọc đột biến và cung cấp các bộ phân loại kiểu gen hữu ích khi so sánh kết quả với những kết quả thu được bằng phương pháp giải trình tự Sanger. Do đó, HRM đặc biệt phù hợp cho việc quét đột biến của một số lượng lớn các mẫu, ngay cả trong trường hợp mà các sản phẩm khuếch đại quan tâm chứa một biến thể chung có thể làm rối loạn phân tích, hoặc trong bối cảnh mà việc thu thập các kiểu gen SNP phổ biến là điều cần thiết.

Từ khóa


Tài liệu tham khảo

Nickerson DA, Rieder MJ, Crawford DC, Carlson CS, Livingston RJ: An overview of the environmental genome project. Essays on the Future of Environmental Health Research: A Tribute to Dr Keneth Olden. 2005, 42-53.

Guthery SL, Salisbury BA, Pungliya MS, Stephens JC, Bamshad M: The structure of common genetic variation in United States populations. Am J Hum Genet. 2007, 81: 1221-1231. 10.1086/522239.

Gorlov IP, Gorlova OY, Sunyaev SR, Spitz MR, Amos CI: Shifting paradigm of association studies: value of rare single-nucleotide polymorphisms. Am J Hum Genet. 2008, 82: 100-112. 10.1016/j.ajhg.2007.09.006.

Lin HF, Juo SH, Cheng R: Comparison of the power between microsatellite and single-nucleotide polymorphism markers for linkage and linkage disequilibrium mapping of an electrophysiological phenotype. BMC Genet. 2005, 6 (Suppl 1): S7-10.1186/1471-2156-6-S1-S7.

Papachristou C, Lin S: Microsatellites versus Single-Nucleotide Polymorphisms in confidence interval estimation of disease loci. Genet Epidemiol. 2006, 30: 3-17. 10.1002/gepi.20122.

Gray IC, Campbell DA, Spurr NK: Single nucleotide polymorphisms as tools in human genetics. Hum Mol Genet. 2000, 9: 2403-2408. 10.1093/hmg/9.16.2403.

Dong LM, Potter JD, White E, Ulrich CM, Cardon LR, Peters U: Genetic susceptibility to cancer: the role of polymorphisms in candidate genes. JAMA. 2008, 299: 2423-2436. 10.1001/jama.299.20.2423.

Lamba JK, Crews K, Pounds S, Schuetz EG, Gresham J, Gandhi V, Plunkett W, Rubnitz J, Ribeiro R: Pharmacogenetics of deoxycytidine kinase: identification and characterization of novel genetic variants. J Pharmacol Exp Ther. 2007, 323: 935-945. 10.1124/jpet.107.128595.

Oldenburg J, Bevans CG, Fregin A, Geisen C, Muller-Reible C, Watzka M: Current pharmacogenetic developments in oral anticoagulation therapy: the influence of variant VKORC1 and CYP2C9 alleles. Thromb Haemost. 2007, 98: 570-578.

Zhu X, Yan D, Cooper RS, Luke A, Ikeda MA, Chang YP, Weder A, Chakravarti A: Linkage disequilibrium and haplotype diversity in the genes of the renin-angiotensin system: findings from the family blood pressure program. Genome Res. 2003, 13: 173-181. 10.1101/gr.302003.

Yan D, Ouyang XM, Zhu X, Du LL, Chen ZY, Liu XZ: Refinement of the DFNA41 locus and candidate genes analysis. J Hum Genet. 2005, 50: 516-522. 10.1007/s10038-005-0286-0.

Meaburn E, Butcher LM, Schalkwyk LC, Plomin R: Genotyping pooled DNA using 100 K SNP microarrays: a step towards genomewide association scans. Nucleic Acids Res. 2006, 34: e27-10.1093/nar/gnj027.

Rauch A, Rüschendorf F, Huang J, Trautmann U, Becker C, Thiel C, Jones KW, Reis A, Nürnberg P: Molecular karyotyping using an SNP array for genomewide genotyping. J Med Genet. 2004, 41: 916-922. 10.1136/jmg.2004.022855.

Albert TJ, Molla MN, Muzny DM, Nazareth L, Wheeler D, Song X, Richmond TA, Middle CM, Rodesch MJ, Packard CJ, Weinstock GM, Gibbs RA: Direct selection of human genomic loci by microarray hybridization. Nat Methods. 2007, 4: 903-905. 10.1038/nmeth1111.

Okou DT, Steinberg KM, Middle C, Cutler DJ, Albert TJ, Zwick ME: Microarray-based genomic selection for high-throughput resequencing. Nat Methods. 2007, 4: 907-909. 10.1038/nmeth1109.

Mariadason JM, Augenlicht LH, Arango D: Microarray analysis in the clinical management of cancer. Hematol Oncol Clin North Am. 2003, 17: 377-387. 10.1016/S0889-8588(03)00006-6.

Kashiwagi H, Uchida K: Genome-wide profiling of gene amplification and deletion in cancer. Hum Cell. 2000, 13: 135-141.

Wade MM, Volokhov D, Peredelchuk M, Chizhikov V, Zhang Y: Accurate mapping of mutations of pyrazinamide-resistant Mycobacterium tuberculosis strains with a scanning-frame oligonucleotide microarray. Diagn Microbiol Infect Dis. 2004, 49: 89-97. 10.1016/j.diagmicrobio.2004.01.001.

Skot L, Humphreys J, Humphreys MO, Thorogood D, Gallagher J, Sanderson R, Armstead IP, Thomas ID: Association of candidate genes with flowering time and water-soluble carbohydrate content in Lolium perenne (L.). Genetics. 2007, 177: 535-547. 10.1534/genetics.107.071522.

Tavtigian SV, Le Calvez-Kelm F: Molecular Diagnostics: Methods and Limitations. Hereditary Breast Cancer. 2008, Informa healthcare.Isaacs and Rebbeck., 179-205.

Krypuy M, Ahmed AA, Etemadmoghadam D, Hyland SJ, Australian Ovarian Cancer Study Group, DeFazio A, Fox SB, Brenton JD, Bowtell DD, Dobrovic A: High resolution melting for mutation scanning of TP53 exons 5–8. BMC Cancer. 2007, 7: 168-10.1186/1471-2407-7-168.

Bastien R, Lewis TB, Hawkes JE, Quackenbush JF, Robbins TC, Palazzo J, Perou CM, Bernard PS: High-throughput amplicon scanning of the TP53 gene in breast cancer using high-resolution fluorescent melting curve analyses and automatic mutation calling. Hum Mutat. 2008, 29: 757-764. 10.1002/humu.20726.

Millat G, Chanavat V, Rodriguez-Lafrasse C, Rousson R: Rapid, sensitive and inexpensive detection of SCN5A genetic variations by high resolution melting analysis. Clin Biochem. 2008

Takano EA, Mitchell G, Fox SB, Dobrovic A: Rapid detection of carriers with BRCA1 and BRCA2 mutations using high resolution melting analysis. BMC Cancer. 2008, 8: 59-10.1186/1471-2407-8-59.

Audrezet MP, Dabricot A, Le MC, Ferec C: Validation of high-resolution DNA melting analysis for mutation scanning of the cystic fibrosis transmembrane conductance regulator (CFTR) gene. J Mol Diagn. 2008, 10: 424-434. 10.2353/jmoldx.2008.080056.

Laurie AD, George PM: Evaluation of high-resolution melting analysis for screening the LDL receptor gene. Clin Biochem. 2008

Sarvary E, Nagy P, Benjamin A, Szoke M, Remport A, Jansen J, Nemes B, Kobori L, Fehervari I, Sulyok B, Perner F, Varga M, Fazakas J, Lakatos M, Szabo M, Toth A, Járay J: Mutation scanning of the p53 tumor suppressor gene in renal and liver transplant patients in Hungary. Transplant Proc. 2005, 37: 969-972. 10.1016/j.transproceed.2004.12.304.

Voegele C, Tavtigian SV, de Silva D, Cuber S, Thomas A, Le Calvez-Kelm F: A Laboratory Information Management System (LIMS) for a high throughput genetic platform aimed at candidate gene mutation screening. Bioinformatics. 2007, 23: 2504-2506. 10.1093/bioinformatics/btm365.

Zhou L, Myers AN, Vandersteen JG, Wang L, Wittwer CT: Closed-tube genotyping with unlabeled oligonucleotide probes and a saturating DNA dye. Clin Chem. 2004, 50: 1328-1335. 10.1373/clinchem.2004.034322.

Zhou L, Wang L, Palais R, Pryor R, Wittwer CT: High-resolution DNA melting analysis for simultaneous mutation scanning and genotyping in solution. Clin Chem. 2005, 51: 1770-1777. 10.1373/clinchem.2005.054924.

Montgomery J, Wittwer CT, Palais R, Zhou L: Simultaneous mutation scanning and genotyping by high-resolution DNA melting analysis. Nat Protoc. 2007, 2: 59-66. 10.1038/nprot.2007.10.

Thông tin
Thông tin xuất bản

BMC Genetics

Thông tin tác giả