Browsing by Subject "myopatia"

Myopatiat ovat laaja joukko erilaisia luurankolihasten heikkoutena ja rappeumana ilmeneviä sairauksia. Ne ovat geneettisesti ja ilmiasuiltaan heterogeenisiä: pelkän kliinisen taudinkuvan perusteella taudin alatyypin tarkka määrittely on hankalaa. Aiemmin näitä tauteja on tutkittu ja diagnosoitu lähinnä melko työläällä Sanger-sekvensointimenetelmällä. Sekvensointimenetelmien kehittyminen on mullistanut myopatioiden tutkimuksen ja diagnostiikan. Uusien massiivisten rinnakkaissekvensointimenetelmien (Massively parallel sequencing, MPS) suoritusteho on valtava ja esimerkiksi koko ihmisen genomi on mahdollista sekvensoida yhdessä sekvensointiajossa. Tampereen yliopiston Lihastautien tutkimuskeskus hyödyntää myopatioiden tutkimuksessa ja diagnostiikassa kohdennettua MPS-menetelmää. Tutkimus on nimeltään MYOcap ja se on kohdennettu myopatioita tunnetusti tai ennustetusti aiheuttavien geenien eksoneihin. MYOcap-geenipaneelia on asteittain laajennettu ja nykyään se kattaa 345 geenin eksonit. Intronaalisia alueita, joilta on kuvattu patogeenisia muutoksia, on sisällytetty paneelin viimeisimpään versioon. Onnistuneessakin MYOcap-geenipaneelitutkimuksessa havaitaan kuitenkin matalasti katettuja alueita (alle 20X-lukupeitto). Nämä alueet voivat pahimmillaan aiheuttaa patogeenisen muutoksen havaitsematta jäämisen. Näitä huonosti katettuja alueita ei aiemmin ollut systemaattisesti selvitetty. Tämän tutkielman tarkoituksena oli kartoittaa MYOcap-geenipaneelitutkimuksen matalan lukupeiton alueita geenipaneelin eri versioissa ja tunnistaa toistuvasti huonosti katettuja alueita. Lisäksi tämän tutkielman tarkoituksena oli selvittää, onko tietyn geenin koettimien suhteellisen määrän lisäämisestä (tehostuksesta) seurannut lukupeittoa parantavaa vaikutusta sekä, onko toistuvasti matalasti katetuilta alueilta kuvattu patogeenisia muutoksia. Tämän tutkielman käytössä oli koko Lihastautien tutkimuskeskuksen MYOcap-sekvensointiaineisto. Aineisto sisälsi 1898 näytteen sekvensointiaineistot. Sekvensointiaineistoista koottiin tietokanta, josta voitiin tunnistaa eri MYOcap-geenipaneeliversioilla toistuvasti matalasti katetut kohdealueet. Näillä kohdealueilla sijaitsevat tunnetut patogeeniset muutokset kerättiin Human Gene Mutation Database 2018.1 -tietokannasta. Sekvensointiaineistojen analysointi tehtiin R-ohjelmointikielellä. Keskeiset käytetyt paketit olivat tidyversen dplyr, tidyr, readr ja ggplot2. Kaikissa MYOcap-versioissa voitiin havaita toistuvasti matalasti katettuja kohdealueita. Näiden huonosti sekvensoituvien kohdealueiden määrä kuitenkin väheni merkittävästi uusien geenipaneeliversioiden myötä. Huonoa sekvensoituvuutta voitiin selittää kohdealueen korkealla GC-pitoisuudella ja kohdealueen sekvenssin epäuniikkiudella. Osa ongelmakohdealueista jäi selittämättömästä syystä toistuvasti matalasti katetuiksi. Tunnettuja patogeenisia muutoksia sijoittui vain osaan toistuvasti matalasti katetuista alueista. Lukupeiton parantamistoimenpiteet voisi keskittää näille alueille, mikäli tutkimuksesta halutaan ensisijaisesti tunnettujen muutosten osalta hyvin kattava. Toisaalta geenipaneeli sisältää laajasti myös ennustettuja tautigeenejä ja siten tutkimuksen ideologiaan sopisi kaikkien toistuvasti matalasti katettujen kohdealueiden lukupeiton parantaminen myös uusien, toistaiseksi tuntemattomien muutosten havaitsemiseksi. Tehostuksen vaikutusta kohdealueiden lukupeittoon oli vaikea arvioida menetelmän epäsystemaattisen käytön takia. Tämän tutkielman perusteella voitiinkin todeta, että tehostuksen kohdistaminen ilman järjestelmällistä lukupeiton kattavuuden arviointia on vaikeaa. Tulosten perusteella käytössä olevaa tehostusta voidaan haluttaessa purkaa ja puolestaan lisätä tehostusta osalle tutkielman perusteella ongelmallisille kohdealueille.