Cartographie des ARN longs non codants sur les modules de co-expression d'ARNm à plusieurs niveaux dans l'autismeMapping lncRNAs onto multilevel mRNA co‑expression modules in autism.
- MSCN construit des hiérarchies de modules de co-expression sans paramètres stochastiques, complémentaire à WGCNA et MEGENA.
- Deux cohortes indépendantes de transcriptome cérébral autistique ont été analysées, révélant des modules neuronaux, développementaux et immunitaires.
- Plus de 11 000 axes TF-lncRNA-ARNm candidats ont été identifiés, dont 644 liés à des gènes SFARI à haut score.
Article de recherche original utilisant une nouvelle méthode bioinformatique robuste pour analyser les transcriptomes cérébraux dans l'autisme, avec des validations croisées et des analyses fonctionnelles, mais nécessitant des validations expérimentales supplémentaires.
Les résultats sont basés sur des données post-mortem et nécessitent une validation fonctionnelle in vitro ou in vivo. Les analyses de médiation statistique ne prouvent pas de relations causales directes. La couverture des lncRNA dépend des annotations actuelles, qui sont incomplètes.
Cet article présente MSCN, une méthode non supervisée et déterministe pour construire des hiérarchies de modules de co-expression d'ARNm à plusieurs échelles. Appliquée à deux cohortes indépendantes de transcriptome cérébral dans l'autisme, elle révèle des modules enrichis en voies neuronales, développementales et immunitaires. En cartographiant les ARN longs non codants (lncRNA) sur ces modules, les auteurs identifient plus de 11 000 axes TF-lncRNA-ARNm, dont 644 impliquant des gènes SFARI de score 1 ou 2. Ces résultats fournissent une ressource pour prioriser les interactions entre transcrits codants et non codants dans l'autisme.
MSCN construit des hiérarchies de modules de co-expression sans paramètres stochastiques, complémentaire à WGCNA et MEGENA. Deux cohortes indépendantes de transcriptome cérébral autistique ont été analysées, révélant des modules neuronaux, développementaux et immunitaires. Plus de 11 000 axes TF-lncRNA-ARNm candidats ont été identifiés, dont 644 liés à des gènes SFARI à haut score. Douze lncRNA nommés ont été impliqués comme médiateurs, avec 789 axes soutenus par des données transcriptomiques externes. Les résultats incluent des axes spécifiques comme HIF1A-STXBP5-AS1-CADPS, E2F1-PART1-SCN2A et RELA-RFPL1S-GRIN2A.
Cette étude facilite la compréhension des mécanismes transcriptomiques hiérarchiques sous-tendant l'autisme. Les axes TF-lncRNA-ARNm identifiés pourraient servir de cibles pour de futures interventions thérapeutiques. La méthode MSCN peut être appliquée à d'autres troubles neurodéveloppementaux pour identifier des modules conservés.
Modéré