东方时讯网罕见疾病通常是由单一遗传缺陷引起的，但寻找原因并评估这些缺陷的影响非常复杂和困难。由维也纳大学的一个团队领导的研究人员现在开发了一个多重网络，可以在多个层面上绘制所有基因及其相互作用，并改进遗传缺陷的识别及其后果的评估。
“多重网络集成了不同的网络层，映射了我们身体生物组织的不同层次，从基因组到转录组、蛋白质组和表型，”研究负责人、CeMM研究中心的兼职首席研究员JörgMenche博士解释道。奥地利科学院分子医学博士，维也纳大学教授，MaxPerutz实验室(维也纳大学和维也纳医科大学的合资企业)研究组组长。“通过绘制蛋白质相互作用和机制，我们还可以更好地表征那些在疾病中的作用以前未知的蛋白质，从而更快地追踪基因缺陷。”
该团队在《自然通讯》上发表了一篇题为“网络分析揭示了生物组织多个层面的罕见疾病特征”的论文，报告了其进展以及对该网络的初步评估。
作者表示，过去20年来，DNA测序技术的进步使科学家们能够揭示6,000多种罕见疾病的遗传基础。常见疾病通常以多种遗传和环境因素复杂的相互作用为特征，而罕见疾病通常可以追溯到单个缺陷基因。因此，对基因缺陷及其表型后果进行有针对性的解码和分析，为了解体内的潜在机制提供了重要信息，并有助于选择有针对性的治疗策略。“因此，罕见疾病提供了独特的机会来机械地剖析遗传畸变与其表型后果之间的关系，从而为有针对性的治疗策略提供信息，”该团队继续说道。
然而，寻找某种疾病的病因通常是漫长且昂贵的。研究人员指出：“……这些个人努力的成本和延长的时间也凸显了需要新的、系统的方法来调查大量仍未确定特征的罕见疾病。”实践和概念上的挑战仍然存在。“传统上，罕见疾病是按照单基因、一种途径、一种疾病的范式进行研究的。仍然缺乏将知识从一种罕见疾病转移到另一种罕见疾病以及研究不同疾病之间的差异和共性的系统方法。”
Menche和同事开发了一种新的系统方法，利用多重网络来研究罕见的、未表征的疾病。“......我们引入了一种多重网络方法来整合不同的网络层，这些网络层代表了从基因组到转录组和表型组的不同生物组织规模，”他们说。
Menche的研究小组多年来一直致力于利用分子网络分析更好地了解遗传相互作用，以改善罕见疾病的诊断和治疗。在他们目前的研究中，第一作者、Menche研究小组的CeMM博士生PisanuBuphamalai建立了一个多层网络，映射了超过2000万个基因关系，其中包含从蛋白质相互作用到表型相似性的信息。为此，科学家们整合了3,700多种具有已知遗传基础的罕见疾病的综合数据集。研究人员指出：“我们构建了一个由超过2000万个基因关系组成的多重网络，这些基因关系被组织成46个网络层，跨越基因型和表型之间的六个主要生物尺度。”“综合分析3、771种罕见疾病揭示了各个层内不同的表型模块。这些模块可用于机械地剖析基因缺陷的影响并准确预测罕见疾病候选基因。”
研究负责人Menche进一步解释说：“多重网络集成了不同的网络层，映射了我们身体生物组织的不同层次，从基因组到转录组、蛋白质组和表型。通过绘制蛋白质相互作用和机制，我们还可以更好地表征那些在疾病中的作用以前未知的蛋白质，从而更快地追踪基因缺陷。”
Buphamalai补充道：“我们以蛋白质之间在物理和功能层面上的相互作用为指导。这使我们能够得出有关潜在缺陷基因以及相关影响的结论。与单独考虑这些网络时相比，我们的网络方法将发现关键基因畸变的可能性提高了三倍。”正如该团队进一步指出的那样，“对具有已知遗传原因的所有罕见疾病的网络特征进行系统表征，使我们能够识别连接模式，从而确定特定规模的生物组织对于给定罕见疾病的重要性。”
一方面，多重网络的模块化设计使得量化特定罕见疾病对生物组织特定水平的影响成为可能。这意味着确定某些细胞、组织形式、器官等是否特别受到遗传缺陷的影响。另一方面，某些分子过程对疾病的重要性也可以被测量。Menche指出：“正是由于其复杂性以及分子序列和过程的联系，我们的多重网络比单独查看每个网络更加强大和成功。”“这也使得预测遗传缺陷可能产生的后果变得更加容易。”
该网络与路德维希·玻尔兹曼罕见和未确诊疾病研究所首席研究员兼CeMM兼职首席研究员VanjaNagy博士合作，使用来自已知潜在遗传缺陷的神经系统疾病患者的数据，成功进行了功能测试。“我们的研究展示了如何在网络医学背景下使用庞大的数据集来解决罕见疾病研究中的几个实际和概念挑战，以改善诊断和治疗，造福患者，”门什说。
科学家们总结道：“我们的结果表明，疾病模块形式主义可以应用于罕见疾病，并可以推广到物理交互网络之外。”“这些发现为应用基于网络的工具进行跨规模数据集成开辟了新途径……我们对包含超过2000万次交互的46个网络层的分析表明，可以在广泛的相关基因关系中识别疾病模块。我们进一步发现，模块化程度表明了与疾病相关的扰动对特定级别的生物组织的影响，从而确定了各个级别数据集的疾病相关性。”