Ny studie: tysta mutationer kan påverka hur närliggande gener uttrycks

StockholmForskare vid University of Notre Dame har upptäckt att tysta mutationer, som inte förändrar den aminosyra en kodon kodar för, kan ha betydande effekter bortom deras ursprungliga gen. Tidigare ansågs dessa mutationer vara obetydliga. En ny studie i Proceedings of the National Academy of Sciences visar dock att detta antagande är felaktigt.

Teamet utförde experiment på E. coli-bakterier genom att ändra CAT-genen för att skapa nio olika variationer som endast skilde sig i sin DNA-sekvens, men inte i det protein de kodade för. Av dessa nio variationer upptäcktes det att fyra påverkade mängden producerat CAT-protein, vilket visade en oväntad effekt på genuttrycket. Dessa förändringar påverkade även RNA-transkriptionen och gav nya insikter i processen.

Synonyma mutationer kan skapa dolda transkriptionsställen. Dessa ställen leder till att RNA-polymeras riktas felaktigt. Därefter syntetiserar dessa polymeraser RNA som inkluderar delar av närliggande gener.

Detta misstag kan leda till ökad produktion av proteiner från närliggande gener, något som inte tidigare beaktats. Detta strider mot uppfattningen att det endast är mutationer som förändrar proteinets struktur som är betydelsefulla.

Läs också:

Idag · 20:58

Banbrytande modell kan påskynda upptäckten av läkemedel mot Alzheimers sjukdom

Denna upptäckt har vidsträckta konsekvenser. Det innebär att vi kan behöva ändra hur vi diagnostiserar och behandlar genetiska sjukdomar. Sjukdomar som tidigare ansågs orsakade endast av skadliga genförändringar kan också involvera förändringar som inte verkar skadliga. Detta påverkar också genterapi. Tekniker som CRISPR, vilka korrigerar skadliga genförändringar, kanske måste ta hänsyn till förändringar som verkar ofarliga men som ändå kan orsaka problem.

Vår förståelse för genetisk kodning och proteinskapande växer. Tidigare trodde vi att den genetiska koden var oföränderlig i sin roll att skapa proteiner. Denna studie visar nu att den är mer aktiv och interagerar med cellmiljön. Framtida forskning bör undersöka hur dolda transkriptionsställen utvecklas och hur de kan påverka andra gener.

För närvarande har maskininlärningsalgoritmer svårt att identifiera dessa dolda bindningsställen korrekt. Detta visar att våra genetiska datormodeller behöver förbättras, vilket pekar på behovet av mer avancerade algoritmer för att bättre kunna förutsäga dessa interaktioner.

Studien indikerar att det krävs en bättre modell för att förstå genetiska mutationer. Istället för att endast dela in mutationerna i två kategorier, synonyma och icke-synonyma, visar forskningen att genetiska förändringar har en skala. Detta gör det möjligt för oss att förstå genetiska sjukdomar bättre och utveckla mer effektiva behandlingar.