DOI: https://doi.org/10.1038/s41586-024-08300-4
PMID: https://pubmed.ncbi.nlm.nih.gov/39779842
تاريخ النشر: 2025-01-08
المؤلف: Peter M. Visscher وآخرون
الموضوع الرئيسي: كريسبر والهندسة الوراثية
نظرة عامة
تقدم هذه القسم نظرة عامة على المنهجيات المتنوعة ومجالات البحث المعنية في الدراسة، مع تسليط الضوء على الطبيعة متعددة التخصصات للعمل. يذكر استخدام خطوط خلايا حقيقية النواة، والتي تعتبر حاسمة للتجارب البيولوجية، جنبًا إلى جنب مع التطبيقات في علم الحفريات وعلم الآثار، مما يشير إلى نطاق واسع يشمل كل من التحقيقات البيولوجية التاريخية والمعاصرة.
بالإضافة إلى ذلك، يشير القسم إلى تضمين كائنات متنوعة وبيانات سريرية، مما يقترح نهجًا شاملاً يدمج النتائج من سياقات بيولوجية مختلفة. تعكس المنهجيات المستخدمة، مثل تسلسل المناعية الكروماتينية (ChIP-seq)، وقياس التدفق الخلوي، والتصوير العصبي القائم على الرنين المغناطيسي، تقنيات متقدمة تستخدم لجمع وتحليل البيانات، مما يبرز التزام الدراسة بالتحقيق العلمي الدقيق.
مناقشة
في هذا القسم، يقدم المؤلفون نموذجًا رياضيًا لتقييم تأثير تحرير المتغيرات متعددة الجينات المرتبطة بالأمراض الشائعة، بما في ذلك مرض الزهايمر (AD)، والفصام (SCZ)، ومرض السكري من النوع 2 (T2D)، ومرض الشريان التاجي (CAD)، واضطراب الاكتئاب الشديد (MDD). يقدرون أن تحرير الجينات يمكن أن يقلل بشكل كبير من انتشار هذه الأمراض مدى الحياة لدى الأفراد ذوي الجينومات المعدلة. على سبيل المثال، يمكن أن يؤدي تحرير المتغير APOE ε4 المرتبط بـ AD إلى خفض انتشاره من 5% إلى 2.9%، بينما يمكن أن يؤدي تحرير عشرة متغيرات ذات تأثير كبير إلى تقليله إلى أقل من 0.6%. يتم التنبؤ بتقليصات مماثلة لـ SCZ وT2D وCAD وMDD، مما يبرز إمكانيات التحرير عالي الدقة (HPE) لتغيير خطر الإصابة بالأمراض بشكل كبير.
يعترف المؤلفون بعدة قيود واعتبارات أخلاقية تحيط بـ HPE. تواجه تقنيات تحرير الجينات الحالية تحديات، بما في ذلك التأثيرات غير المستهدفة والحاجة إلى مجموعة كافية من المتغيرات المسببة المحددة. يحذرون من أن الفوائد الفعلية لتحرير الجينات قد تختلف بين الأفراد بسبب التنوع الجيني والتأثيرات المحتملة المتعددة، حيث قد تؤثر المتغيرات على سمات متعددة. علاوة على ذلك، فإن الآثار الأخلاقية لـ HPE، خاصة فيما يتعلق باليوجينيا وإمكانية عدم المساواة الاجتماعية، هي أمور هامة. يدعو المؤلفون إلى نهج دقيق ومنظم تجاه HPE، مؤكدين على أهمية الاختيار الفردي والحاجة إلى تجنب الممارسات القسرية التي تذكرنا بحركات اليوجينيا التاريخية.
القيود
في هذا القسم، يناقش المؤلفون قيود نموذجهم فيما يتعلق بالتأثيرات الجينية والتفاعلات البيئية. يؤكدون أن التأثيرات الجينية مرتبطة بشكل جوهري بالسياقات البيئية، التي لا يمكن التنبؤ بها. قد تجعل إدخال علاجات جديدة تحرير الجينات القابلة للإرث غير ضروري، مما يعقد التنبؤات حول التدخلات الجينية.
لمعالجة التباين الذي تسببه البيئات المتغيرة، قام المؤلفون بنمذجة تأثير تفاعل الجين مع البيئة (G × E)، كاشفين أن الارتباط الجيني بين السمات في البيئات الحالية والمستقبلية أقل من واحد. تشير هذه النتيجة إلى انخفاض كبير في الانخفاض المتوقع في انتشار الأمراض بسبب تفاعلات G × E. علاوة على ذلك، يشير المؤلفون إلى أن احتمال الإصابة بالمرض قد يتأثر بانتشاره داخل السكان، مما يقترح أن هذه العلاقة نسبية بدلاً من مطلقة. في السيناريوهات المتطرفة، حيث يقترب الارتباط الجيني ($r_g$) من الصفر، لن يكون لتحرير الجينات أي تأثير على انتشار المرض، مما يبرز التعقيدات المعنية في التنبؤ بنتائج التعديلات الجينية.
DOI: https://doi.org/10.1038/s41586-024-08300-4
PMID: https://pubmed.ncbi.nlm.nih.gov/39779842
Publication Date: 2025-01-08
Author(s): Peter M. Visscher et al.
Primary Topic: CRISPR and Genetic Engineering
Overview
The section provides an overview of the diverse methodologies and areas of research involved in the study, highlighting the interdisciplinary nature of the work. It mentions the use of eukaryotic cell lines, which are crucial for biological experiments, alongside applications in palaeontology and archaeology, indicating a broad scope that includes both historical and contemporary biological investigations.
Additionally, the section notes the inclusion of various organisms and clinical data, suggesting a comprehensive approach that integrates findings from different biological contexts. The methodologies employed, such as Chromatin Immunoprecipitation sequencing (ChIP-seq), flow cytometry, and MRI-based neuroimaging, reflect advanced techniques used to gather and analyze data, underscoring the study’s commitment to rigorous scientific inquiry.
Discussion
In this section, the authors present a mathematical model to assess the impact of editing polygenic variants associated with common diseases, including Alzheimer’s disease (AD), schizophrenia (SCZ), type 2 diabetes (T2D), coronary artery disease (CAD), and major depressive disorder (MDD). They estimate that gene editing could significantly reduce the lifetime prevalence of these diseases in individuals with edited genomes. For instance, editing the APOE ε4 variant linked to AD could lower its prevalence from 5% to 2.9%, while editing ten high-impact variants could reduce it to under 0.6%. Similar reductions are predicted for SCZ, T2D, CAD, and MDD, highlighting the potential of high-precision editing (HPE) to dramatically alter disease risk.
The authors acknowledge several limitations and ethical considerations surrounding HPE. Current gene editing technologies face challenges, including off-target effects and the need for a sufficient pool of identified causal variants. They caution that the actual benefits of gene editing may vary among individuals due to genetic diversity and potential pleiotropic effects, where variants may influence multiple traits. Furthermore, the ethical implications of HPE, particularly concerning eugenics and the potential for societal inequality, are significant. The authors advocate for a careful, regulated approach to HPE, emphasizing the importance of individual choice and the need to avoid coercive practices reminiscent of historical eugenics movements.
Limitations
In this section, the authors discuss the limitations of their model concerning genetic effects and environmental interactions. They emphasize that genetic influences are inherently tied to environmental contexts, which are unpredictable. The introduction of new treatments could render heritable gene editing unnecessary, complicating predictions about genetic interventions.
To address the variability introduced by changing environments, the authors modeled a gene-by-environment interaction (G × E) effect, revealing that the genetic correlation between traits in current and future environments is less than one. This finding indicates a significant reduction in the anticipated decrease in disease prevalence due to G × E interactions. Furthermore, the authors note that the probability of disease may be influenced by its prevalence within the population, suggesting that this relationship is relative rather than absolute. In extreme scenarios, where genetic correlation ($r_g$) approaches zero, gene editing would have no impact on disease prevalence, highlighting the complexities involved in predicting outcomes of genetic modifications.