$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

조현병에서 나타나는 후성유전학적 나이 가속도 감속
Slowing of the Epigenetic Clock in Schizophrenia 원문보기

생명과학회지 = Journal of life science, v.33 no.9, 2023년, pp.730 - 735  

정연오 (조선대학교 자연과학대학 생명과학과) ,  김진영 (조선대학교 자연과학대학 생명과학과) ,  카르띠케얀 비자야쿠말 (조선대학교 자연과학대학 생명과학과) ,  조광원 (조선대학교 자연과학대학 생명과학과)

초록
AI-Helper 아이콘AI-Helper

지난 10년 동안 인공지능의 도움으로 노화를 정량화하기 위한 수많은 연구가 수행되었다. DNA 메틸화 데이터를 사용하여 다양한 모델이 개발되었으며 흔히 후성유전학적 시계라고 불린다. 후성유전학적 나이 가속화는 일반적으로 질병 상태와도 주로 연관이 있어 보인다. 조현병은 가속 노화 가설과 관련있는 정신질병으로 심각한 정신적, 신체적 스트레스를 동반한다. 다른 심리 질환과 비교했을 때 이 질병은 젊은 사람들에서 높은 사망률과 질병률을 유발한다. 과거 연구에서는 이 질병이 가속 노화 가설과 연관있다고 알려져 있었다. 이번 연구에서는 조현병 환자의 후성유전학적 나이 가속도 변화를 통해 질병에 대한 후성유전학적 통찰을 얻고자 하였다. 후성유전학적 나이 가속화를 측정하기 위해 두 가지 다른 DNA 메틸화 시계 모델을 사용했으며 이는 범조직 모델인 Horvath clock과 Epi clock을 사용하였다. 우리는 Horvath clock과 Epi clock이 모두 호환되는 450k 어레이 데이터를 사용하였다. 그 결과, Epi clock을 사용했을 때 환자샘플에서 후성유전학적 나이 가속화가 더 느리다는 것을 발견했다. Epi clock이 질병으로 인한 DNA 메틸화 변화를 잘 감지해낼 수 있음을 알아내었다. 또한 Epi clock에서 대조군과 환자군에서 차등적으로 메틸화된 CpG 부위를 분석하고 경로 농축 분석을 수행한 결과, 대부분의 CpG가 신경 세포 과정에 관여한다는 사실을 발견했다.

Abstract AI-Helper 아이콘AI-Helper

In the past decade, numerous studies have been carried out to quantify aging with the help of artificial intelligence. Using DNA methylation data, various models have been developed; these are commonly called epigenetic clocks. Epigenetic age acceleration is usually associated with disease condition...

주제어

표/그림 (9)

AI 본문요약
AI-Helper 아이콘 AI-Helper

제안 방법

  • R 프로그램을 통해 Epi clock 내에서 정상인과는 다른 메틸화를 지닌 조현병 환자의 Epi clock의 CpG 프로브 65개를 추출하였다. 65개의 CpG 프로브와 관계있는 유전자 72개를 추출해 이 유전자들의 관계를 알기 위해 Gene Ontology를 분석하였다.

대상 데이터

  • GEO series data 중 ID가 GSE74193인 데이터 세트에서 조현병 환자 메틸화 데이터 225개와 정상인 군의 메틸화 데이터 450개를 얻었다. 해당 데이터 세트는 450k array의 데이터이며 0.
  • Illumina bead chip array는 450k array, EPIC array 중에서 선별하였고 그 중 Horvath clock과 Epi clock이 호환 가능한 450k array 데이터를 수집하였다. Idat 파일 형식으로 저장된 Illumina methylation array의 Raw 데이터를 사용하였다. 인 간만의 조직 데이터를 선별하였고, 실제 나이 정보를 지닌 데이터들만 취급했다(Table 1).
  • Aging clock에 쓰이는 모든 파일은 Gene Expression Omnibus (GEO)의 데이터베이스에서 추출되었다. Illumina bead chip array는 450k array, EPIC array 중에서 선별하였고 그 중 Horvath clock과 Epi clock이 호환 가능한 450k array 데이터를 수집하였다. Idat 파일 형식으로 저장된 Illumina methylation array의 Raw 데이터를 사용하였다.
  • R 프로그램을 통해 Epi clock 내에서 정상인과는 다른 메틸화를 지닌 조현병 환자의 Epi clock의 CpG 프로브 65개를 추출하였다. 65개의 CpG 프로브와 관계있는 유전자 72개를 추출해 이 유전자들의 관계를 알기 위해 Gene Ontology를 분석하였다.
  • 27k array와 450k array 데이터에서 접근성을 지닌 Epigenetic clock이며, 누락되는 베타 값없이 계산에 이용되었으며 Epi clock은 450k와 EPIC array 데이터에서 접근성을 가진 Epigenetic clock으로써 이 역시 누락된 베타 값은 없었다. 사용된 Array 데이터 중, 총 6,761개의 CpG 프로브의 베타 값을 사용하였다.
  • Idat 파일 형식으로 저장된 Illumina methylation array의 Raw 데이터를 사용하였다. 인 간만의 조직 데이터를 선별하였고, 실제 나이 정보를 지닌 데이터들만 취급했다(Table 1).
  • GEO series data 중 ID가 GSE74193인 데이터 세트에서 조현병 환자 메틸화 데이터 225개와 정상인 군의 메틸화 데이터 450개를 얻었다. 해당 데이터 세트는 450k array의 데이터이며 0.5세부터 80-90세까지 연령대가 분포되어있고 정상인 군의 경우 임신 중기 태아 혈액 데이터들이 존재하였다. 해당 영아 데이터는 모두 삭제되었다.

데이터처리

  • Differential Methylation Analysis (DMA)를 통해 조현병과 정상인(Control)의 메틸화 차이 계산을 R 프로그램을 통해 수행하였다. 정상인과 조현병의 베타 값을 통해 Epi clock의 각 CpG 프로브의 메틸화 변화 수치를 얻었다.
  • 샘플 그룹 내의 예측 나이에 대한 R square 값과 p-value 계산 및 도출은 GraphPad Prism 8에서 이루어졌다(Fig. 1, Fig.
  • )의 minfi 패키지로 시각화 및 정규화, 배치 이펙트 삭제 등 전처리되었다. 전처리 된 데이터는 R을 통해 Horvath clock을 따라 예측 나이가 계산되었고, Epi clock의 경우, Anaconda 프로그램을 통해 Epi clock의 6,761개 프로브의 베타 값을 추출하여 각 Coefficient Estimate 값에 곱한 뒤 Intercept 값과 합산하여 예측 나이를 계산하였다.
  • 조현병 환자, 정상인의 두 그룹 간 나이 가속도를 계산한 그래프에서는 GraphPad Prism 8의 Student's t-test를 통해 비교되었다(Fig
본문요약 정보가 도움이 되었나요?

참고문헌 (17)

  1. Brisch, R., Saniotis, A., Wolf, R., Bielau, H., Bernstein,?H. G., Steiner, J., Bernhard, B., Katharina, B., Zbigniew,?J., Jaliya, K., Maciej, H. and Tomasz, G. 2014. The role?of dopamine in schizophrenia from a neurobiological and?evolutionary perspective: old fashioned, but still in vogue.?Front Psychiatry 5, 47. 

  2. Guerrin, C. G. J., Doorduin, J., Sommer, I. E. and de Vries,?E. F. J. 2021. The dual hit hypothesis of schizophrenia:?evidence from animal models. Neurosci. Biobehav. Rev.?131, 1150-1168. 

  3. Han, L. K. M., Aghajani, M., Clark, S. L., Chan, R. F.,?Hattab, M. W., Shabalin, A. A., Zhao, M., Kumar, G., Xie,?L. Y., Jansen, R., Milaneschi, Y., Dean, B., Aberg, K. A., van den Oord, E. J. and Penninx, B. W. 2018. Epigenetic?aging in major depressive disorder. Am. J. Psychiatry 175, 774-782. 

  4. Horvath, S. 2013. DNA methylation age of human tissues?and cell types. Genome Biol. 14, 3156. 

  5. Horvath, S., Erhart, W., Brosch, M., Ammerpohl, O., von Schonfels, W., Ahrens, M., Heits, N., Bell, J. T., Tsai,?P. C., Spector, T. D., Deloukas, P., Siebert, R., Sipos, B.,?Becker, T. Rocken, C., Schafmayer, C. and Hampe, J. 2014. Obesity accelerates epigenetic aging of human liver.?Proc. Natl. Acad. Sci. USA. 111, 15538-15543. 

  6. Horvath, S., Garagnani, P., Bacalini, M. G., Pirazzini, C.,?Salvioli, S., Gentilini, D., di Blasio, A. M., Giuliani, C.,?Tung, S., Vinters, H. V. and Franceschi, C. 2015. Accelerated epigenetic aging in down syndrome. Aging Cell 14, 491-495. 

  7. Johnson, A. A., Akman, K., Calimport, S. R., Wuttke, D.,?Stolzing, A. and de Magalhaes, J. P. 2012. The role of?DNA methylation in aging, rejuvenation, and age-related?disease. Rejuvenation Res. 15, 483-494. 

  8. Jylhava, J., Pedersen, N. L. and Hagg, S. 2017. Biological?age predictors. EBioMedicine 21, 29-36. 

  9. Luvsannyam, E., Jain, M. S., Pormento, M. K. L., Siddiqui,?H., Balagtas, A. R. A., Emuze, B. O. and Poprawski, T. 2022. Neurobiology of schizophrenia: a comprehensive?review. Cureus 14, e23959. 

  10. McKinney, B. C., Lin, H., Ding, Y., Lewis, D. A. and?Sweet, R. A. 2018. DNA methylation age is not accelerated in brain or blood of subjects with schizophrenia.?Schizophr. Res. 196, 39-44. 

  11. Millard, S. J., Bearden, C. E., Karlsgodt, K. H. and Sharpe,?M. J. 2022. The prediction-error hypothesis of schizophrenia: new data point to circuit-specific changes in dopamine activity. Neuropsychopharmacology 47, 628-640. 

  12. Nieratschker, V., Nothen, M. M. and Rietschel, M. 2010.?New genetic find ings in schizophrenia: is there still room for the dopamine hypothesis of schizophrenia? Front.?Behav. Neurosci. 4, 23. 

  13. Okazaki, S., Otsuka, I., Horai, T., Hirata, T., Takahashi,?M., Ueno, Y., Boku, S., Sora, I. and Hishimoto, A. 2020.?Accelerated extrinsic epigenetic aging and increased natural killer cells in blood of suicide completers. Prog.?Neuropsychopharmacol. Biol. Psychiatry 98, 109805 

  14. Raudvere, U., Kolberg, L., Kuzmin, I., Arak, T., Adler, P., Peterson, H. and Vilo, J. 2019. g:Profiler: a web server for functional enrichment analysis and conversions of gene?lists (2019 update). Nucleic Acids Res. 47, W191-W198. 

  15. Saha, S., Chant, D. and McGrath, J. 2007. A systematic?review of mortality in schizophrenia: is the differential?mortality gap worsening over time? Arch. Gen. Psychiatry?64, 1123-1131. 

  16. Vijayakumar, K. A. and Cho, G. W. 2022. Pan-tissue?methylation aging clock: Recalibrated and a method to analyze and interpret the selected features. Mech. Ageing?Dev. 204, 111676. 

  17. Voisey, J., Lawford, B. R., Morris, C. P., Wockner, L.?F., Noble, E. P., Young, R. M. and Mehta, D. 2017.?Epigenetic analysis confirms no accelerated brain aging?in schizophrenia. NPJ Schizophr. 3, 26. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로