Het doel is om middels de resultaten van genoom-wijde associatie studies (GWASs) van fenotypische, ziekte-gerelateerde gegevens van individuele MS patitenten inzicht te verkrijgen in de genen die betrokken zijn bij de ernst van de ziekte en last van…
ID
Bron
Verkorte titel
Aandoening
- Auto-immuunziekten
- Demyelinisatieaandoeningen
Synoniemen aandoening
Betreft onderzoek met
Ondersteuning
Onderzoeksproduct en/of interventie
Uitkomstmaten
Primaire uitkomstmaten
Hier definieren we eerst de genotypische en fenotypische maten. Daarna geven we
de parameterinstelling om de gene set analysis en PRS analysis op de gemeten
gegevens uit te voeren.
Genotypische/GWAS gegevens
Voor elke patiënt stellen we uit een bloedafname een zogenaamd genotype (een
van de twee mogelijke SNP varianten) voor de 550.000 SNPs op de GWAS chip. Deze
genytopische gegevens en de fenotypische gevens worden vervolgens gebruik voor
een *within case* GWAS over de ernst van de ziekte, last van de ziekte en de
effectiviteit (werkzaamheid) van een select aantal DMTs. Deze GWAS geeft dus
aan in welke mate elke SNP betrokken is bij een fenotype.
Fenotypische gegevens
De uitkomsten van de online vragenlijsten (MSQoL-54, MSIP en een algemene
vragenlijst) en klinische gegevens (zoals de EDSS) worden gebruikt voor de
volgende fenotypering per patiënt:
(1) Clinically-derived disease severity (ernst van de ziekte). De MS Severity
Score (MSSS) kan worden verkregen door de ESS scoren af te zetten tegen de
lengte van de ziekte (de tijd tussen disease-onset en de tijd van de EDSS
scoring) ten opzichte van de globale MSSS tabel (Roxburgh et al., 2005). De
MSSS Tabel rangschikt individuen van laagste EDSS tot hoogste EDSS voor een
bepaalde lengte van de ziekte; dit wordt aangeduid met met een rank lopend van
0 (laagste ernst van de ziekte) en 10 (hoogste ernst van de ziekte). De MSSS
wordt bepaald met behulp van de MSSStest software versie 2.0 (Roxburgh et al.,
2005).
(2) Patiënt-derived disease severity (ernst van de ziekte). De MSIP is een
patiënten-vragenlijst om de ernst van de ziekte MS vast te stellen (Wynia et
al., 2008). De MSIP bestaat uit 36 items verdeeld over zeven schalen, en vier
extra vragen. De scores van de MSIP lopen van 0 (geen last) tot 3 of 4
(volledig belast).
(3) Patiënt-derived disease burden (last van de ziekte). De MSQoL-54 is een
vragenlijst om de gezondheidsgerelateerde kwaliteit van leven in patiënten met
MS. Het bestaat uit 54 items met een score van 1 (weinig impact op kwaliteit
van leven) tot 5 (hoge kwaliteit van leven) (Acquadro et al., 2003).
(4) Behandeling. Behandeling bestaat uit 10 categorien: interferon-beta (vijf
producten), glatiramer acetaat (twee producten), natalizumab, fingolimod,
dimethyl fumaraat, teriflunomide, alemtuzumab, daclizumab en *geen medicatie*.
We zullen huidige medicatie en medicatie uit het verleden vaststellen middels
de algemene vragenlijst. Voor elk gebruikte medicatie wordt de patiënt gevraagd
om aan te geven, op een schaal van 0 tot 10, hoe ze effectiviteit van de
medicatie hebben ervaren.
Primaire onderzoeksvariabelen
Om de gene set analysis en PRS scoring uit te voeren, passen we eerst
verschillende preprocessing stappen toe middels gestandaardiseerde software
voor genetische analyses. We zullen missing genotypische data imputeren middels
IMPUT2 versie 2 (Howie et al., 2009) en we zullen data clumping uitvoeren om te
corrigeren voor linkage disequilibrium (LD) blokken in het genoom met behulp
van PLINK versie 1.9 of hoger (Purcell et al., 2007). Daarna, om GWAS op
kwantitatieve fenotypes uit te voeren zullen we SNPtest versie 2.5.2 of hoger
gebruiken (Marchini and Howie, 2010). Voor de primaire uitkomstmaat zijn de
drie kwantitatieve fenotypes: clinically-derived disease severity, patiënt-
derived disease severity en disease burden. Deze GWAS resultaten kunnen daarna
gebruikt worden voor gene set analysis en PRS analysis, die we hieronder in
meer detail bespreken.
Gene set analysis
We zullen testen of genen in een gen set gezamenlijk geassocieerd zijn met het
fenotype (voor methodes, zie Bralten et al., 2013; Naaijen et al., 2017;
Poelmans et al., 2011b). In het kort, we zullen een test gebruiken die bekijkt
of een bepaalde gen set sterker geassocieerd is met een fenotype dan de andere
genen in het genoom, waarbij gecorrigeerd wordt voor de grootte van de set
(Naaijen et al., 2017). Bonferroni correctie wordt toegepast voor het aantal
geteste fenotypes.
Polygenic risk scoring
Om de hypothese te testen of lage levels van vitamine D genetisch gerelateerd
zijn aan MS, berekenen we de PRS tussen (A) genetische varianten betrokken bij
vitamine D regulatie (de benodigde gegevens hiervoor zijn publiekelijk
beschikbaar (Wang et al., 2010)) en (B) de genetische varianten gerelateerd aan
de GWASs voor de drie kwantitatieve fenotypen (deze gegevens worden verzameld
in de hier voorgestelde studie). Om PRS waardes te verkrijgen gebruiken we de
PRS analysis tool PRSice (Euesden et al., 2015). De PRS waardes zijn de som van
SNPs die geassocieerd zijn met MS, gewogen met hun effect sizes zoals gegeven
in de vitamine D SNPs. Er zullen zeven P-value drempelwaardes worden toegepast,
namelijk (0.001, 0.05, 0.1, 0.2, 0.3, 0.4 en 0.5). Op vergelijkbare wijze
testen we de genetische overlap met een andere trait, namelijk de regulatie van
lipdes/lipoproteins, waarvoor de benodigde gegevens ook publiekelijk
toegankelijk zijn (Willer et al. 2013).
PRS analyses omvat meerdere vergelijkingen (multiple comparisons), in deze
studie berekenen we 6 PRS uitkomsten met elk 7 drempelwaardes. De p-values
worden berekend op basis van een gezamenlijke onderliggende (genetische) data
set en Bonferroni correctie zal hiervoor te conservatief zijn. Wij zullen de
p-values gezamenlijk corrigeren door middel van de false discovery rate (FDR)
methode, die potentiele afhankelijkheden binnen de p-waardes meeneemt in het
correctieproces (Glickman et al., 2014). Recente publicaties hebben dezelfde
aanpak gebruikt: Harris et al. bijvoorbeeld corrigeren de p-values van 21
traits (met 7 drempelwaardes) met behulp van de FDR methode. Ook werden de
uitkomsten van meerdere cognitieve testen die leiden tot 470 PRS p-values
gezamenlijk gecorrigeerd met de FDR methode.
Secundaire uitkomstmaten
Om antwoord te geven op onze primaire onderzoeksvraag, gebruiken we gene set
analysis en PRS analysis op de fenotypische gegevens, welke continue variabelen
zijn. Om antwoord te geven op onze secundaire onderzoeksvraag, zullen we
dezelfde analys uitvoeren of de effectiviteit (werkzaamheid) van medicatie,
deze gegevens zijn categorisch ingedeeld. Deze analyses zijn meer exploratief
van aard, omdat het vooraf lastig in te schatten is welke medicatie in het
cohort gebruikt werd en wordt.
Achtergrond van het onderzoek
Multiple sclerose (MS)
MS is een chronische ziekte die het centrale zenuwstelsel aantast en wordt
veroorzaakt door een interactie tussen genetische en omgevingsfactoren. In MS,
ontstekingen en neurodegeneratieve processen veroorzaken schade aan de
zenuwcellen (ook neuronen genoemd), waardoor uiteindelijk leidt tot verlies van
de vetlaag (myeline) om het zenuwuitlopers die nodig is voor snelle elektrische
geleiding. Het verlies aan myeline heeft gevolgen voor het functioneren van de
zenuwcellen en kan leiden tot een verscheidenheid aan neurologisch symptomen.
Bij de meeste patiënten met MS worden in het begin vooral periodes van zware
neurologische terugval (ook relapses of schubs genoemd) meegemaakt, gevolgd
door tijden waarbij de symptomen geheel of gedeeltelijk verdwijnen. Dit is de
relapsing-remitting vorm van MS (RRMS). Zonder het gebruik van medicatie,
zullen na 15 jaar meer dan 50% van de patiënten met RRMS overgaan op een
progressieve achteruitgang die gepaard gaat met permanente handicaps (Rovira et
al., 2013). Het is daarom van belang om in een vroeg stadium te komen tot de
juiste behandelmethode.
Op dit moment zijn er dertien medicijnen (disease-modifying treatments, DMTs in
het kort) goedgekeurd voor de behandeling van RRMS, namelijk: interferon-beta
(vijf producten), glatiramer acetaat (twee producten), natalizumab, fingolimod,
dimethyl fumaraat, teriflunomide, alemtuzumab en daclizumab. Effectieve MS
behandeling leid tot vermindering van de ernst van de ziekte en minder schubs.
Ondanks dat de hoeveelheid aan goedgekeurde medicijnen toeneemt, blijft het
onduidelijk hoe de patiënt zal reageren op een medicijn, wat de keuze voor het
type behandeling lastig maakt (Freedman and Abdoli, 2015; Serana et al., 2014).
Het lijkt erop dat de genetische heterogeniteit bijdraagt aan de pathogenese,
en dus ook de ziekte progressie (bijvoorbeeld het aantal relapses en de
snelheid van achteruitgang) (Baranzini et al., 2002; Freedman and Abdoli, 2015).
Farmacogenetica en gepersonaliseerde zorg
Recente ontwikkelingen in het veld van de zogenaamde "omics" data (genomics,
transcriptomics, proteomics and metabolomics) zijn een veelbelovende strategie
voor het voorspellen van de effectiviteit (en dus werkzaamheid) van een
medicijn. De data verzameld via "omics" aanpakken kan daarvoor bijdragen aan
het personaliseren van de zorg (Bhargava and Calabresi, 2016; Comabella and
Vandenbroeck, 2011; Farias and Santos, 2015). Farmacogenetica studies bekijken
of genetische variaties, in de vorm van single nucleotide polymorphisms (SNPs)
de effectiviteit van medicijnen aantasten. Voor IFN-* bijvoorbeeld, een van de
meest voorkomende eerstelijns behandelingen bij MS, heeft geen effect bij
30-50% van de mensen met MS (Kulakova et al., 2012). Specifieke SNPs hebben dus
een voorspellende waarde voor de effectiviteit van IFN-* behandeling (Hoffmann
et al., 2008; Kulakova et al., 2012; Wergeland et al., 2005). Het is voor
farmacogentische studies van uiterst belang om een goed gedefinieerd fenotype
vast te stellen (Mahurkar et al., 2014). Hiervoor zijn verschillende
vragenlijsten beschikbaar die belangrijke klinische parameters vast kunnen
stellen, bijvoorbeeld om te komen tot de Multiple Sclerosis Severity Score
(MSSS), een maat van ernst van de ziekte, en de Multiple Sclerosis Quality of
Life-54 (MSQOL-54), een maat voor de last van de ziekte (Roxburgh et al., 2005;
Zettl et al., 2014).
Moleculaire MS landschap
Big *omics* data voor complexe ziektes worden over het algemeen geanalyseerd
met behulp van bioinformatica methodes, wat leidt tot zogenaamde 'moleculaire
netwerken'. Wij hebben een innovatieve methode ontwikkeld om de moleculaire
processen betrokken bij een complexe ziekte in kaart te brengen door het
'bouwen' van een moleculair landschap. Het bouwen van een moleculair landschap
omvat allereerst het gebruik van bioinformatica methodes ter analyse van
genoom-wijde associatie studies (GWASs) en genoom-wijde expressie data
(bijvoorbeeld met behulp van programma's zoals Ingenuity (Qiagen, Redwood City,
US). Daarnaast wordt elke gen/eiwit in het landschap systematisch bekeken met
behulp van literatuur onderzoek over de (cel)fysiologie en pathologische
processes met betrekking tot de ziekte. Met behulp van deze methode hebben we
reeds verschillende moleculaire landschappen gebouwd voor complexe
neurologische aandoeningen zoals de ziekte van Parkinson's, ALS, de ziekte van
Alzheimer en ook voor psychiatrische aandoeningen zoals ADHD, autisme en
obsessieve compulsieve stoornis; deze landschappen zijn gepubliceerd in hoog
aangeschreven medische tijdschriften (Klemann et al., 2016; Poelmans et al.,
2011a, 2011b, 2013; Vallès et al., 2014; van de Vondervoort et al., 2016).
Met behulp van onze methode hebben we een moleculair MS landschap opgesteld,
gebaseerd op genetische data van negen publiek toegankelijke GWAS data sets,
waarin totaal 11.500 MS patiënten en 21.000 gezonde controle personen bij
betrokken zijn geweest. Daarnaast hebben we genoom-wijde expressie data van
MS-patiënten en gegevens van MS cel- en diermodellen in het landschap verwerkt.
Het moleculaire MS landschap is voornamelijk gelokaliseerd in zenuwcellen en
reguleert een aantal onderscheidende biologische processes en signaalcascades
die bijdragen aan de uitgroei van de zenuwcellen en (re)myelinasatie. Een
aantal signaalcascades in het landschap zijn direct gelinkt aan bestaande
hypotheses over de oorzaak van MS: een verstoorde vitamine D regulatie en
signaling, proliferatie en differentiatie van zenuwcellen, en vrouwelijke
hormonen zoals progesterone en estradiol.
Genoom-wijde associatie studies (GWASs)
Afgelopen decennium zijn verschillende GWASs voor complexe genetische ziektes
uitgevoerd. Voor een GWAS worden typisch zo'n 500.000 SNPs - welke elk een van
twee varianten heeft - uitgevoerd om genomische variatie (ook genotype genoemd)
vast te stellen. Voor elke SNP wordt een p-value berekend dat aangeeft of een
variant of minder vaak voorkomt bij patiënten vergeleken met een groep gezonde
controle personen. Naast het uitvoeren van case-control GWASs worden ook vaak
'within case' GWASs uitgevoerd: de varianten van zo'n 500.000 SNPs worden
vastgesteld in een populatie van patiënten en gerelateerd aan een bepaald
aspect (fenotype) van de ziekte, zoals bijvoorbeeld ernst van de ziekte. Er
zijn recente methodes ontwikkeld om deze 'within case' GWASs te analyseren: de
gene set analysis en polygenic risk scoring.
Gene set analysis
Gene set analysis is een recent ontwikkelde methode voor het analyseren van
GWAS data. Met behulp van gene set analysis kan worden vastgesteld of een hele
set van gene behorende bij een moleculair proces of cascade, significant
gerelateerd is aan een ziekte of fenotype. Bijvoorbeeld, gene set analysis
heeft aangetoond dat genen in een moleculair landschap voor ADHD, dat wij
ontwikkeld en gepubliceerd hebben, significant betrokken is bij de
hyperactieve/impulsieve component van ziekte (Bralten et al., 2013).
Polygenic risk scoring (PRS) analysis
Een andere methode voor het analyseren van GWAS gegevens is de PRS analysis
(Euesden et al., 2015). In het kort: PRS analysis kan gebruikt worden om de
overlap tussen een genotype voor een bepaald fenotype, ook een 'trait' genoemd
zoals bijvoorbeeld de bloedlevels van vitamine D en het genotype van een andere
ziekte/fenotype. Voor deze studie zullen we PRS analyse gebruiken om te
bekijken of er genetische overlap is tussen een bepaald aantal 'traits' -
gebaseerd op beschikbare GWAS data - en de fenotypes behorende bij deze studie,
te weten ernst van de ziekte, last van de ziekte en werkzaamheid van de
medicatie. We gebruiken voor deze analysis uit de literatuur beschikbare GWAS
data sets voor vitamine D (Wang et al., 2010) en lipide/lipoprotein (Willer et
al. 2013, Ruth et al., 2016) levels. Wij hebben recentelijk PRS analysis
gebruikt en toonde daarmee de genetische overlap aan tussen bloedlevels van
lipiden zoals cholesterol en de ziekte van Parkinson (Klemann et al. 2017).
Samengenomen kan ons moleculaire MS landschap gebruikt worden om de relatie
tussen genetische achtergrond van MS patiënten en MS-gerelateerde fenotypes
bestuderen.
Doel van het onderzoek
Het doel is om middels de resultaten van genoom-wijde associatie studies
(GWASs) van fenotypische, ziekte-gerelateerde gegevens van individuele MS
patitenten inzicht te verkrijgen in de genen die betrokken zijn bij de ernst
van de ziekte en last van de ziekte (primaire doelstelling) en effectiveit van
de ziekte (secundaire doelstelling).
Onderzoeksopzet
Onderzoeksopzet: multi-center observationeel onderzoek, cohort ontwerp
Deelnemers: 600 patiënten met MS gerekruteerd bij zes MS centra
Duur: 24 maanden
Bloedverzameling en genotypering (GWAS) gegevens:
* bloedverzameling: eenmalig zal bloed worden verzameld in het ziekenhuis
direct na een routine neuroloogbezoek (MS patiënten bezoeken hun neuroloog
gemiddeld elke zes maanden, afhankelijk van de patiënt).
* de bloedstalen worden vervoerd en opgeslagen op - 80oC op de afdeling
Moleculaire Dierfysiologie van de Radboud Universiteit Nijmegen. Genotypering
(GWAS chip: Human CoreExome-24+ DNA Analysis BeadChip, Illumina, San Diego,
California) en *within-case* GWASs wordt uitgevoerd door Dr. Marijn Martens in
samenwerking met de afdeling Humane Genetica aan de Radboud Universitair
Medisch Centrum, Nijmegen.
Fenotypische gegevens:
* klinische data: voor de meeste patiënten zal een EDSS score beschikbaar zijn
via de behandelend neuroloog. Voor de patiënten waarvoor geen EDSS score
beschikbaar is, zal een bevoegde verpleegkundige de EDSS score telefonisch
afnemen.
* verdere fenotypische data wordt verzameld via 3 online vragenlijsten (MSIP,
MSQoL-54 en een patiëntformulier).
Inschatting van belasting en risico
De patiënten worden gevraagd om drie online vragenlijsten in te vullen; verder
worden de patiënten gevraagd voor een eenmalige bloedafname. De bloedafname zal
plaatsvinden direct na een regulier bezoek aan de neuroloog, zodat de patiënten
geen extra reistijd kwijt zullen zijn aan deze studie. Een potentieel risico is
dat de patiënten geconfronteerd worden met (de ernst van) hun ziekte.
Publiek
Toernooiveld 200
Nijmegen 6500 EC
NL
Wetenschappelijk
Toernooiveld 200
Nijmegen 6500 EC
NL
Landen waar het onderzoek wordt uitgevoerd
Leeftijd
Belangrijkste voorwaarden om deel te mogen nemen (Inclusiecriteria)
600 Nederlandse patiënten met MS van zes MS centra. We schatten dat gemiddeld 100 patiënten per centrum zullen deelnemen aan de studie, wat volgens de neurologen van de betrokken centra een realistisch aantal is.;Voor deelname worden de volgende criteria voor deelname gehanteerd:
- diagnose van MS langer dan een jaar
- willen en kunnen deelnemen aan de studie
- Nederlands en van kaukasische achtergrond
- tussen de 20 en 60 jaar;Bovendien streven we er naar dat de man-vrouw verhouding de epidemiologische bevindingen bij MS zal reflecteren, dus ongeveer 35% mannelijke en 65% vrouwelijke deelnemers.
Belangrijkste redenen om niet deel te kunnen nemen (Exclusiecriteria)
Niet van toepassing.
Opzet
Deelname
Opgevolgd door onderstaande (mogelijk meer actuele) registratie
Geen registraties gevonden.
Andere (mogelijk minder actuele) registraties in dit register
Geen registraties gevonden.
In overige registers
Register | ID |
---|---|
CCMO | NL60646.028.17 |