Разработка и валидация метода оценки фосфорилирования белка STAT1 в качестве инструмента диагностики пациентов с дефектами соответствующего гена

• Фадеева Мария Сергеевна
• Созонова Татьяна Алексеевна
• Богданова Дарья Валерьевна
• Алексенко Максим Юрьевич
• Кулаковская Елена Александровна
• Ведмедская Виктория Андреевна
• Лодоева Оюна Баясхаловна
• Родина Юлия Александровна
• Щербина Анна Юрьевна
• Першин Дмитрий Евгеньевич

Резюме

Введение. Активирующие аутосомно-доминантные мутации в гене STAT1 - STAT1- GOF (gain-of-function) лежат в основе комбинированного иммунодефицита, основными проявлениями которого являются хронический кожно-слизистый кандидоз и аутоиммунные расстройства. В основе патогенеза данного заболевания лежит усиление функции белка STAT1, связанное с гиперфосфорилированием и задержкой дефосфорилирования. Результатом данного патологического процесса является критичное снижение уровня Тh17-лимфоцитов вследствие нарушения цитокиновой регуляции их созревания. Кроме того, в гене STAT1 описаны аутосомно-доминантные и аутосомно-рецессивные варианты, приводящие к потере функции этого белка (loss-of-function, LOF). Высокопроизводительное секвенирование облегчает поиск новых вариантов гена, однако их биологическая значимость не всегда очевидна и требует подтверждения иммунологическими исследованиями.

Цель настоящей работы - разработка и валидация экспресс-метода оценки фосфорилирования белка STAT1.

Материал и методы. В исследование были включены 17 пациентов с подтвержденными патогенными вариантами в гене STAT1 (STAT1-GOF n = 16 и STAT1-LOF n = 1), 7 пациентов с вариантами неясного клинического значения в гене STAT1, а также когорта здоровых индивидуумов (n = 50). После выделения мононуклеарной фракции из периферической крови проводили стимуляцию клеток с последующей оценкой фосфорилирования белка STAT1 методом проточной цитометрии.

Результаты. В результате сравнения когорты пациентов с патогенными вариантами STAT1-GOF с когортой здоровых индивидуумов были получены референсные значения фосфорилирования белка STAT1, относительно которых была выполнена оценка функции белка в когорте пациентов с вариантами неясного клинического значения.

Заключение. Методика показала высокую чувствительность и специфичность как в отношении STAT1-GOF-дефектов, так и в случаях редких LOF-вариантов.

Ключевые слова:STAT1; GOF; LOF; врожденный дефект иммунитета (ВДИ); проточная цитометрия; кандидоз; Th17-лимфоциты

Введение

В последние годы увеличилось количество вновь открытых врожденных дефектов иммунитета (ВДИ), для многих из них единственной излечивающей опцией является трансплантация гемопоэтических стволовых клеток [1, 2]. Появилось много публикаций, рассматривающих генетический дефект с точки зрения функции белка, в этой связи принято выделять два принципиально разных типа мутаций: gain-of-function (GOF), усиливающую функцию белка, и loss-of-function (LOF), приводящую к полной или частичной потере функции [3-7].

В 2011 г. группы авторов показали, что в основе ВДИ с хроническим кандидозом лежат активирующие аутосомно-доминантные (AД) мутации в гене STAT1 [3, 8]. Данные мутации приводили к усилению функции белка STAT1 в результате задержки дефосфорилирования и гиперактивацией сигнальной системы Jak-STAT [9] (рис. 1).

Активирующие дефекты в гене STAT1, будучи причиной нарушения баланса STAT-опосредованного сигналинга, вызывают дисрегуляцию иммунной системы, что приводит к развитию иммунодефицита с широким спектром клинических проявлений [10]. Согласно исследованию J. Toubiana и соавт. [11], у пациентов со STAT1-GOF помимо кандидоза, который присутствовал у 98 % пациентов, наблюдались также бактериальные инфекции - 74 %, вирусные инфекции - 38 %, аутоиммунные проявления - 37 % (тиреоидит, поражение кожи, аутоиммунный гепатит, аутоиммунная цитопения, диабет 1-го типа), аневризмы - 6 %, опухоли - 6 %, проявления атопии (астма, экзема) зафиксированы в 20 % случаев. Однако ведущим симптомом является хронический, устойчивый к терапии, регулярно рецидивирующий кандидоз, который проявляется регулярно повторяющимся неинвазивным поражением кожи, ногтевых пластин и слизистых оболочек [10-13]. Гиперфункция белка STAT1 приводит к снижению уровня Тh17-лимфоцитов, которые играют ведущую роль в обеспечении противогрибковой защиты кожи и слизистых оболочек [14-16]. Широкое применение молекулярно-генетических методов в клинической практике показало, что мутация STAT1-GOF является причиной примерно половины случаев хронического кандидоза [11].

Особенностью вариантов в гене STAT1 является разнообразие клинических проявлений в зависимости от типа мутации. Помимо дефекта STAT1-GOF, описаны еще три варианта клинического проявления мутаций в данном гене, приводящие к полной, либо частичной потере функции белка, т. е. относящиеся к LOF-мутациям: полная недостаточность STAT1, наследуемая по аутосомно-рецессивному типу, а также частичная недостаточность STAT1, наследуемая как аутосомно-рецессивно, так и аутосомно-доминантно [7].

Пациенты с вариантами STAT1-LOF имеют целый ряд жизнеугрожающих инфекционных проявлений. Наиболее частым из них является предрасположенность к развитию типичных и атипичных микобактериальных инфекций. Число описанных на сегодня вариантов STAT1-LOF невелико. В отличие от них, активирующие мутации более распространены: в настоящее время выявлено более 150 вариантов в гене STAT1, подавляющее большинство которых относится к GOF-типу [3, 7].

Вклад в патогенез заболевания вновь выявленных вариантов последовательности гена STAT1 не всегда очевиден. В таких случаях дефект является вариантом неопределенной клинической значимости (VUS - a variant of uncertain significance). Определить истинно патогенный вариант помогают методы функциональной оценки, в проведении которых используют спектр различных подходов. Одним из наиболее доступных и относительно простых методов является оценка фосфорилированной формы STAT1 с помощью проточной цитометрии [9, 13, 17]. Немаловажным преимуществом этого метода является скорость его проведения, позволяющая в предельно короткие сроки обнаружить нарушенную функцию белка STAT1 и скоординировать дальнейший поиск молекулярно-генетического дефекта.

В данной статье описана разработка метода оценки фосфорилирования белка STAT1 с помощью проточной цитометрии, который можно использовать в качестве экспресс-диагностики функциональной активности белка.

Материал и методы

Участники исследования и его дизайн. На предварительном этапе участниками исследования или их законными представителями были подписаны формы информированного согласия. Исследование проводилось в соответствии с Хельсинкской декларацией Всемирной медицинской ассоциации "Этические принципы проведения научных медицинских исследований с участием человека" (WMA Declaration of Helsinki - Ethical Principles for Medical Research Involving Human Subjects, 2013) и было одобрено этическим комитетом НМИЦ "ДГОИ им. Д. Рогачева" Минздрава России.

В исследование вошли образцы периферической крови от условно здоровых индивидуумов (группа сравнения, n = 50)), использованные с целью формирования надлежащих референсных интервалов уровней фосфорилирования (рис. 2).

В исследование были включены 17 образцов крови пациентов с ранее описанными патогенными вариантами в гене STAT1 - 16 STAT1-GOF (P1-P16) и один STAT1-LOF (P17), наблюдавшихся в НМИЦ "ДГОИ им. Д. Рогачева" Минздрава России с сентября 2021 по февраль 2023 г. (табл. 1, см. рис. 2). Из них 15 пациентов были в возрасте до 18 лет (М - 10, 1; 17), трое - старше 18 лет.

После формирования референсных интервалов была проведена оценка фосфорилирования STAT1 в образцах пациентов (n = 7), у которых были выявлены генетические варианты в гене STAT1 неопределенной клинической значимости (P18-P24) (табл. 2, см. рис. 2).

Оценка кинетики фосфорилирования белка STAT1. Образцы венозной крови здоровых индивидуумов и пациентов были забраны в пробирки с антикоагулянтом литий-гепарин, после подписания участниками исследования или их законными представителями информированного согласия. Образцы были проанализированы в течение 24 ч после венепункции. На начальном этапе пробоподготовки производилось выделение фракции мононуклеарных клеток периферической крови методом центрифугирования в градиенте плотности (Lymphocyte Separation Media, Capricorn Scientific, Германия). Для индукции фосфорилирования выделенная фракция подвергалась инкубации с раствором ИФН-γ в конечной концентрации 1 нг/мл, после чего производилась фиксация и пермеабилизация растворами Cell Signaling Buffer Set A kit (Miltenyi Biotec, Германия) и окраска моноклональными антителами CD45 PerCP (Clone 2D1, Becton Dickinson, США), CD14 BV450 (Clone MφP9, Becton Dickinson, США), STAT1 (pY701) Alexa Fluor 647 (Clone 4a, Becton Dickinson, США).

Изначально нами была произведена характеристика динамики фосфорилирования STAT1 в контрольных образцах во временных точках 0, 5, 15, 20, 60, 120 мин активации. Для дальнейшей оценки фосфорилирования и дефосфорилирования нами были выбраны три временных точки: 15, 60 и 120 мин от начала активации, как оптимальные для оценки кинетики (рис. 3).

Анализ образцов проводился на проточном цитометре CytoFLEX (Beckman Coulter, США). При анализе данных использовалось программное обеспечение CytExpert (Beckman Coulter, США), согласно стратегии гейтирования, указанной на рис. 4.

Исследование фосфорилирования белка STAT1 было произведено в CD14⁺-клетках. Оценка производилась на основании полученных значений интенсивности флуоресценции (MFI) по каналу, соответствующему флуоресценции анти-STAT1-антитела. Из полученных значений формировался индекс фосфорилирования для каждой временной точки согласно следующей формуле:

Индекс оценивался относительно разработанных референсных интервалов в группе сравнения. Превышение этих значений расценивалось как усиление фосфорилирования.

Молекулярно-генетический анализ. Молекулярно-генетическое исследование проводили методом высокопроизводительного секвенирования (NGS) на платформе NextSeq (Illumina, США) с использованием кастомной таргетной панели "Иммунологическая", включающей 514 генов, ассоциированных с различными иммунодефицитами (см. Приложение). Подготовку ДНК-библиотек осуществляли методом селективного гибридизационного обогащения с применением кастомной панели зондов производства Roche (Швейцария), согласно протоколу производителя. Секвенирование проводили на платформе NextSeq (Illumina, США) методом парно-концевого чтения (126×2). Обработку данных секвенирования проводили с использованием собственного автоматизированного алгоритма, включающего выравнивание прочтений на референсную последовательность генома человека (hg38). Для оценки популяционных частот найденных генетических вариантов использовали базу gnomAD [18]. Для оценки патогенности миссенс-вариантов применяли компьютерные программы-предсказатели CADD (Combined Annotation-Dependent Depletion) (США) [19], PolyPhen (Polymorphism Phenotyping) (США) [20], SIFT (Sorting Intolerant From Tolerant) (США) [21] и PROVEAN [22] (США). Оценку потенциального влияния вариантов на сплайсинг проводили с использованием программы SpliceAI (Illumina, США) [23]. Клиническую значимость выявленных генетических вариантов определяли на основании рекомендаций American College of Medical Genetics and Genomics [24] и российского руководства по интерпретации данных NGS [25]. Верификацию найденных вариантов и анализ сегрегации в семье проводили с помощью секвенирования по Сенгеру с использованием набора реагентов BigDye Terminator v3.1 и капиллярного секвенатора Genetic Analyzer 3500XL (Applied Biosystems, США).

Статистическая обработка данных. В исследовании при описании групп был рассчитан перцентильный коридор 3-97 и определены медианные значения с разбросом для временных интервалов 15, 60 и 120 мин. Выполнено сравнение данных по фосфорилированию в когорте здоровых индивидуумов с когортой пациентов с помощью непараметрического критерия Манна-Уитни. Далее был произведен ROC-анализ для определения оптимального порогового значения Index pSTAT1 соответствующего максимальной чувствительности и специфичности. Обработка данных проводилась при помощи ПО PRISM 10 (GraphPad Software, США).

Результаты

Исследования фосфорилирования белка STAT1 у здоровых индивидуумов

Для формирования представления о долженствующем паттерне кинетики фосфорилирования было решено оценивать Index pSTAT1 после инкубации с ИФН-γ в трех временных точках (15, 60 и 120 мин). Данный подход позволяет проследить не только точку максимального фосфорилирования, но и динамику дефосфорилирования.

Рассчитан референсный интервал Index pSTAT1 в группе сравнения, который составил: для 15 мин 85 (33-163); для 60 мин 71 (31-124); для 120 мин 51 (24-79) (рис. 5).

Пик фосфорилирования белка STAT1 (максимально высокие значения Index pSTAT1) в группе сравнения в 78 % образцов наблюдался на 15-й минуте стимуляции, в 22 % пик приходился на 60-ю минуту, далее следовало проградиентное снижение индекса с минимальным его значением на 120-й минуте.

Исследование фосфорилирования белка STAT1 у пациентов, имеющих активирующую мутацию в гене STAT1 (GOF)

Была произведена оценка индекса фосфорилирования у 16 пациентов с активирующей мутацией (GOF), у 15 из 16 обследованных пациентов выявлено усиленное фосфорилирование белка STAT1 с задержкой дефосфорилирования во всех точках в сравнении с когортой здоровых индивидуумов (p < 0,001). Данные Index pSTAT1 в группе пациентов: для 15 мин медиана 206 (36-402); для 60 мин медиана 226 (86-441); для 120 мин медиана 131 (76-318) (см. рис. 5). У 9 из 16 пациентов с патогенными мутациями максимально высокий индекс фосфорилирования наблюдался на 60-й минуте.

В образце от пациента P16 с генетическим вариантом c.1154 C>T индексы фосфорилирования находились в пределах референсных значений: 36, 86 и 76 соответственно, однако пик фосфорилирования приходился на 60-ю минуту.

Получение оптимизированного порогового диагностического значения Index pSTAT1

По результатам ROC анализа группы сравнения (n = 50) и пациентов с патогенной мутацией в гене STAT1 (n = 16) были установлены оптимизированные пороговые значения Index pSTAT1 для каждой временной точки с максимальными показателями чувствительности и специфичности, которые составили 135 для 15 мин (94%/92%), 125 для 60 мин (94%/98%) и 80 для 120 мин (96%/98%).

Исследование фосфорилирования белка STAT1 у пациента, имеющего LOF вариант в гене STAT1

У пациента с характерной для LOF-вариантов клинической картиной и описанным ранее патогенным вариантом STAT1-LOF обнаружено отсутствие фосфорилирования белка STAT1, индекс составил 0,2 (рис. 6).

Исследование фосфорилирования белка STAT1 у пациентов, имеющих вариант неясного клинического значения в гене STAT1

Метод был применен для оценки индекса фосфорилирования в группе пациентов, имеющих проявления, характерные для ВДИ со STAT1-GOF (n = 6) и ВДИ со STAT1-LOF (n = 1), и генетические варианты неясного клинического значения. У 5 пациентов (83 %) обнаружены отклонения индекса в виде превышения полученных в результате ROC-анализа значений во всех временных точках (p < 0,001) (см. рис. 5).

В образце крови пациента P17 с вариантом с.1069 A>G и соответствующей клинической картиной были выявлены нормальные значения индекса - 71, 117 и 70, в кинетике фосфорилирования максимум наблюдался на 60-й минуте.

В образце крови пациента с подозрением на STAT1-LOF (P22) получены крайне низкие значения Index pSTAT1 во всех точках. Критично низкое значение индекса позволяет сделать косвенный вывод об отсутствии нормально функционирующего белка STAT1 в образце крови данного пациента и подтверждает LOF-статус данного варианта.

Обсуждение

Комбинированный ВДИ со STAT1-GOF-дефектом - это нередко встречающееся в клинической практике иммунолога заболевание. Согласно литературным данным, > 50 % случаев тяжелого хронически рецидивирующего грибкового поражения кожи и слизистых приходится на врожденный дефект гена STAT1, приводящий к усилению функции белка STAT1 [11]. Гиперфосфорилирование и чрезмерная патологическая активация сигнальной системы Jak-STAT вызывает нарушение иммунного ответа, которое проявляется чрезвычайно вариабельной клинической картиной [6, 10-13]. Возможно как тяжелое течение, требующее ранней госпитализации в специализированные стационары, так и более легкие варианты клинических проявлений, которые оставляют данных пациентов вне поля зрения специалистов иммунологического профиля.

В связи с этим существует определенный риск гиподиагностики пациентов с легким течением заболевания, так как в большинстве случаев генетическое обследование им не проводится. В описанной выше когорте пациентов с обнаруженными патогенными генетическими вариантами присутствуют трое взрослых пациентов с клиническими проявлениями STAT1-GOF-дефекта, однако диагностировать соответствующий ВДИ удалось лишь при обследовании их детей.

Таким образом, вариабельность тяжести клинической картины и отсутствие настороженности в отношении ВДИ у смежных специалистов делают экспресс-диагностику особенно актуальной. Нами была поставлена цель: разработать и валидировать лабораторный метод, позволяющий быстро и эффективно выявлять пациентов с патологическими мутациями в гене STAT1 на основании определения нарушенной функции белка STAT1 (усиление/потеря функции), что в совокупности с методами молекулярно-генетического анализа существенно расширяет диагностические возможности.

ROC-анализ между когортами пациентов с установленными патогенными мутациями и условно здоровых индивидуумов продемонстрировал удовлетворительные значения чувствительности/специфичности во всех временных точках, однако, помимо индекса фосфорилирования, для достоверной диагностики имеет смысл также оценивать характер кинетики данного процесса, поскольку обращает на себя внимание различие в кинетике фосфорилирования в когортах пациентов и условно здоровых индивидуумов.

У пациента P16 с ранее описанной патогенной мутацией c.1154C>T и тяжелой клинической картиной рецидивирующего кандидоза индекс фосфорилирования оказался в пределах нормальных значений (Index pSTAT = 86 (60' < 125). Интересно, что у пациента P15 с аналогичным генетическим дефектом продемонстрировано усиление фосфорилирования, не вызывающее сомнений (Index pSTAT = 267 (60' < 125). Вариант c.1154C>T неоднократно упоминается в литературе и ведет к гиперфункции белка, проявляя усиленное фосфорилирование после стимуляции ИФН-α и ИФН-γ [13, 26, 27]. Таким образом, STAT1-GOF - это сложное с диагностической точки зрения заболевание, при котором выявить гиперфункцию белка STAT1 не всегда возможно. По всей видимости, существуют дополнительные факторы (медикаментозная терапия, эпигенетические факторы и др.), влияние которых предстоит установить, расширяя спектр диагностических методов.

Необходимо отметить, что предложенная методика может быть применима не только для диагностики STAT1-GOF-дефектов, но и в качестве дополнительного метода оценки патогенности новых генетических вариантов.

На данный момент описано более 150 дефектов в гене STAT1 [3, 7], однако продолжают выявляться ранее не описанные варианты, для уточнения биологической роли которых необходимо провести сложные, зачастую персонализированные, функциональные тесты. Примером качественной оценки влияния генетического варианта на функцию белка является работа Y. Yamazaki и соавт. [28], в которой выполнена разносторонняя оценка EBV-бласттрансформированных лимфоцитов (EBV - вирус Эпштейна-Барр) самих пациентов, а также исследование клеточной линии HeLa, STAT1-нокаутированной и трансфецированной плазмидой, содержащей генетические варианты пациентов.

Аналогичный подход использовали в работе E.P. Sampaio и соавт. [26] с последующей оценкой фосфорилирования белка с помощью вестерн-блота. Помимо вышеупомянутых методов, комплексный подход к подтверждению патогенности генетического варианта должен включать исследование количества Тh17-лимфоцитов, поскольку патогенная мутация GOF-типа приводит к критичному снижению их уровня [16, 29]. Предварительный анализ данных стимулированной экспрессии ИЛ-17 в когорте пациентов, включенных в это исследование, также подтверждает эту связь (данные готовятся к публикации).

Согласно данным литературы, большинство активирующих мутаций в гене STAT1 расположены в суперспиральном (Coiled-coil) и ДНК-связывающем (DNA-binding) доменах [3, 10, 13, 30]. В нашем исследовании среди когорты пациентов с активирующими вариантами 94 % мутаций также были расположены в этих доменах (рис. 7). У 6 пациентов с клинической картиной, характерной для STAT1-GOF, были выявлены ранее не описанные генетические варианты: c.199C>A, c.508T>G, c.508T>C, c.860А>C, c.1069 A>G, c.1722T>A - у 4 из них (67 %) мутации также располагались в суперспиральном и ДНК-связывающем доменах (см. рис. 7).

После исследования у 5 пациентов из когорты неописанных вариантов в гене STAT1 были получены индексы фосфорилирования, превышающие референсные значения, что указывает на вероятную патогенность данных дефектов (см. табл. 2). У пациента P23 с вариантом c.1069 A>G и клинической картиной, типичной для GOF-мутаций, обнаружены нормальные значения индекса во всех временных точках с максимальным уровнем фосфорилирования в точке 60 мин. Замена аминокислоты у данного пациента располагалась в области ДНК-связывающего домена, что характерно для активирующих мутаций. Поскольку индекс фосфорилирования во всех точках оказался в пределах референсных значений, несмотря на клиническую картину, локализацию дефекта и особенность кинетики фосфорилирования с максимальным значением на 60-й минуте, для подтверждения патогенности данного генетического варианта требуется проведение дополнительных тестов, в том числе исследование стимулированной продукции ИЛ-17.

Разработанная нами методика оценки фосфорилирования белка STAT1 с помощью проточной цитометрии показала высокую чувствительность и эффективность, позволив установить гиперфункцию белка у подавляющего большинства пациентов с патогенным вариантом в гене STAT1. Однако у пациента P16 с патогенной мутацией (c.1154C>T) и у пациента P23 с неописанным генетическим вариантом и характерной клинической картиной (с.1069 A>G) индексы фосфорилирования оказались в пределах нормы, что указывает на необходимость проведения дополнительных взаимодополняющих функциональных тестов. На вероятную патогенность данных вариантов указывает характер кинетики с максимумом фосфорилирования на 60-й минуте. Однако величина индекса фосфорилирования в пределах референсных значений у двух пациентов с клинической картиной, типичной для STAT1 GOF-дефектов, не позволяет считать метод эталонным для принятия окончательного решения о природе вновь выявленного генетического дефекта. Тем не менее это дополнительная информация, которая в совокупности с характерной клинической картиной позволяет существенно улучшить диагностику большинства пациентов с хроническим кандидозом.

Методика оказалась информативной также для диагностики редких дефектов, связанных с потерей функции белка (STAT1-LOF). У двух пациентов (P17 и P22), включенных в исследование, наблюдалось отсутствие фосфорилирования белка STAT1. Однако для применения разработанной методики в целях выявления пациентов с LOF-мутациями требуется формирование большей выборки пациентов и проведение дополнительных исследований.

Заключение

Методы оценки фосфорилирования и динамики дефосфорилирования белка STAT1 в диагностике STAT1-GOF-дефектов достаточно часто упоминаются в зарубежной литературе [8, 12, 16, 31]. Однако среди российских публикаций нет работ, описывающих методики функциональной оценки белка STAT1. Нами был разработан и предложен метод эффективной и быстрой оценки функции этого белка, усиленное фосфорилирование которого лежит в основе патогенеза распространенного ВДИ.

Чрезвычайно вариабельная клиническая картина, наблюдаемая в случаях патогенных вариантов в гене STAT1, может оказаться причиной гиподиагностики данной патологии. Метод, основанный на проточной цитометрии, выполняется в короткие сроки, а также обладает высокой чувствительностью и специфичностью. Оценка фосфорилирования белка STAT1 является эффективным инструментом как для первичной диагностики, так и для оценки патогенности вновь выявленных генетических вариантов, может быть широко использована в лабораторной практике как дополнительный инструмент для уточнения характера патологического процесса.

Приложение

Панель "Иммунологическая": перечень генов, ассоциированных с различными врожденными дефектами иммунитета

A2ML1, ABCD4, ACD, ACP5, ACTB, ADA, ADA2, ADAM17, ADAMTS3, ADAR, ADGRE2, AGA, AICDA, AIRE, AK2, ALG12, ALPI, ANGPT1, AP1S3, AP3B1, AP3D1, ARHGEF1, ARPC1B, ATM, ATP6AP1, ATR, AURKB, B2M, BACH2, BCL10, BCL11B, BLM, BLNK, BLOC1S3, BLOC1S6, BTK, C1QA, C1QB, C1QC, C1R, C1S, C2, C3, C3AR1, C5, C6, C7, C8A, C8B, C8G, C9, CA2, CARD11, CARD14, CARD9, CARMIL2, CASP10, CASP8, CBL, CBS, CCBE1, CD19, CD247, CD27, CD28, CD3D, CD3E, CD3G, CD40, CD40LG, CD48, CD55, CD59, CD70, CD79A, CD79B, CD80, CD81, CD8A, CDC42, CDCA7, CEBPE, CFB, CFD, CFH, CFI, CFP, CFTR, CHD7, CIB1, CIITA, CLCN7, CLPB, COG6, COL2A1, COL7A1, COPA, COPG1, COPZ1, CORO1A, CR2, CSF2RA, CSF2RB, CSF3R, CTC1, CTLA4, CTPS1, CTSC, CXCR4, CYBA, CYBB, CYBC1, DBF4, DBR1, DCLRE1C, DDX58, DEF6, DIAPH1, DKC1, DNASE1, DNASE1L3, DNASE2, DNMT3B, DOCK11, DOCK2, DOCK8, DPAGT1, DSG1, DTNBP1, EDA, EDAR, EDARADD, EFL1, EGFR, EIF6, ELANE, ELP1, EP300, EPCAM, EPG5, ERBIN, EXTL3, F12, FADD, FAM111B, FAS, FASLG, FAT4, FBN1, FCGR3A, FCGR3B, FCHO1, FECH, FERMT1, FERMT3, FNIP1, FOXN1, FOXP3, G6PC3, GATA1, GATA2, GBA, GFI1, GIMAP6, GINS1, GJC2, GLA, GUCY2C, HAVCR2, HAX1, HELLS, HFE, HMOX1, HPS1, HPS3, HPS4, HPS5, HPS6, HRAS, HSPA1L, HYOU1, ICOS, ICOSLG, IFIH1, IFNAR1, IFNAR2, IFNG, IFNGR1, IFNGR2, IGHM, IGKC, IGLL1, IKBKB, IKBKG, IKZF1, IL10, IL10RA, IL10RB, IL11RA, IL12B, IL12RB1, IL12RB2, IL17F, IL17RA, IL17RC, IL18BP, IL1RN, IL21, IL21R, IL2RA, IL2RB, IL2RG, IL36RN, IL6R, IL6ST, IL7R, IRAK4, IRF2BP2, IRF3, IRF4, IRF7, IRF8, IRF9, ISG15, ITCH, ITGA3, ITGB2, ITGB4, ITK, ITPKB, ITPR3, IVD, IVNS1ABP, JAGN1, JAK1, JAK3, KDM1A, KDM6A, KMT2A, KMT2D, KNG1, KRAS, LACC1, LAMA3, LAMB3, LAMC2, LAMTOR2, LAT, LCK, LCP2, LIG1, LIG4, LMBRD1, LPIN2, LRBA, LRP5, LRRC8A, LYN, LYST, LZTR1, MAGT1, MALT1, MAN2B1, MAP2K1, MAP2K2, MAP3K14, MCM4, MEFV, MMAA, MMAB, MMACHC, MMADHC, MMUT, MOGS, MPO, MRE11, MRTFA, MS4A1, MSN, MTHFD1, MTRR, MVK, MYD88, MYO5A, MYO5B, MYOF, MYSM1, NBAS, NBN, NCF1, NCF2, NCF4, NCKAP1L, NCSTN, NF1, NF2, NFE2L2, NFIL3, NFKB1, NFKB2, NFKBIA, NHEJ1, NHP2, NLRC4, NLRP1, NLRP12, NLRP3, NLRP6, NOD2, NOP10, NOS2, NRAS, NSMCE3, NUP214, OAS1, ORAI1, OSTM1, OTULIN, PARN, PCCA, PCCB, PEPD, PGM3, PIK3CD, PIK3CG, PIK3R1, PLCG2, PLEKHM1, PLG, PLVAP, PMM2, PNP, POGLUT1, POLA1, POLD1, POLD2, POLD3, POLE, POLE2, POLR3A, POLR3C, POLR3F, POMP, POU2AF1, PRDX1, PRF1, PRKCD, PRKDC, PSEN1, PSENEN, PSMA3, PSMA5, PSMB10, PSMB4, PSMB8, PSMB9, PSMC5, PSMG2, PSTPIP1, PTCRA, PTEN, PTPN11, PTPN2, PTPRC, RAB27A, RAC2, RAG1, RAG2, RANBP2, RASA2, RASGRP1, RBCK1, RC3H1, REL, RELA, RELB, RFX5, RFXANK, RFXAP, RHOG, RHOH, RIPK1, RMRP, RNASEH2A, RNASEH2B, RNASEH2C, RNF168, RNF31, RNU4ATAC, RORC, RPSA, RRAS, RRAS2, RTEL1, SAMD9L, SAMHD1, SASH3, SBDS, SC5D, SEC61A1, SEMA3E, SERPINB1, SERPING1, SH2D1A, SH3BP2, SH3KBP1, SHARPIN, SKIV2L, SLC29A3, SLC35A1, SLC35C1, SLC37A4, SLC39A4, SLC39A7, SLC39A8, SLC46A1, SLC7A7, SLCO2A1, SMARCAL1, SMARCD2, SMC1A, SMC3, SMPD1, SNORA31, SNX10, SOCS1, SP1, SP110, SPI1, SPINK5, SPPL2A, SRP54, STAT1, STAT2, STAT3, STAT5B, STIM1, STING1, STK4, STN1, STX11, STXBP2, STXBP3, TAP1, TAP2, TAPBP, TAZ, TBK1, TBX1, TBX21, TCF3, TCIRG1, TCN2, TERC, TERT, TFR2, TFRC, TGFBR1, TGFBR2, THBD, TICAM1, TIMM50, TINF2, TLR3, TLR7, TLR8, TMC6, TMC8, TNFAIP3, TNFRSF11A, TNFRSF13B, TNFRSF13C, TNFRSF1A, TNFRSF4, TNFRSF9, TNFSF11, TNFSF12, TNFSF13, TOM1, TOP2B, TPP1, TPP2, TRAC, TRAF3, TRAF3IP2, TREX1, TRIM22, TRNT1, TSPEAR, TTC37, TTC7A, TYK2, UBA1(ex2-3), UNC13D, UNC93B1, UNG, USB1, USP18, USP43, VAV1, VPS13B, VPS45, WAS, WDR1, WDR44, WIPF1, WNT2B, WNT6, WRAP53, XIAP, XRCC4, ZAP70, ZBTB24, ZNF341 (названия генов даны по HUGO Gene Nomenclature Committee).

Литература

1. Bousfiha A., Moundir A., Tangye S.G., Picard C., Jeddane L., Al-Herz W., Rundles C.C., Franco J.L., Holland S.M., Klein C., Morio T., Oksenhendler E., Puel A., Puck J., Seppänen M.R.J., Somech R., Su H.C., Sullivan K.E., Torgerson T.R., Meyts I. The 2022 Update of IUIS Phenotypical Classification for Human Inborn Errors of Immunity. J. Clin. Immunol. 2022; 42 (7): 1508-20. DOI: http://doi.org/10.1007/s10875-022-01352-z

2. Лаберко А.Л., Старичкова Ю.В., Хисматуллина Р.Д., Персианцева М.И., Масчан М.А., Балашов Д.Н., Румянцев А.Г. Оптимизация планирования трансплантаций гемопоэтических стволовых клеток с использованием информационной системы у детей с первичными иммунодефицитами. Иммунология. 2021; 42 (1): 49-59. DOI: http://doi.org/10.33029/0206-4952-2021-42-1-49-59

3. Okada S., Asano T., Moriya K., Boisson-Dupuis S., Kobayashi M., Casanova J.L., Puel A. Human STAT1 Gain-of-Function Heterozygous Mutations: Chronic Mucocutaneous Candidiasis and Type I Interferonopathy. J. Clin. Immunol. 2020; 40 (8): 1065-81. DOI: http://doi.org/10.1007/s10875-020-00847-x

4. Boehmer D.F.R., Koehler L.M., Magg T., Metzger P., Rohlfs M., Ahlfeld J., Rack-Hoch A., Reiter K., Albert M.H., Endres S., Rothenfusser S., Klein C., Koenig L.M., Hauck F. A. Novel Complete Autosomal-Recessive STAT1 LOF Variant Causes Immunodeficiency with Hemophagocytic Lymphohistiocytosis-Like Hyperinflammation. J. Allergy Clin. Immunol. Pract. 2020; 8 (9): 3102-11. DOI: http://doi.org/10.1016/j.jaip.2020.06.034

5. Lorenzini T., Dotta L., Giacomelli M., Vairo D., Badolato R. STAT mutations as program switchers: turning primary immunodeficiencies into autoimmune diseases. J. Leukoc. Biol. 2017; 101 (1): 29-38. DOI: http://doi.org/10.1189/jlb.5RI0516-237RR

6. Boisson-Dupuis S., Kong X.F., Okada S., Cypowyj S., Puel A., Abel L., Casanova J.L. Inborn errors of human STAT1: allelic heterogeneity governs the diversity of immunological and infectious phenotypes. Curr. Opin. Immunol. 2012; 24 (4): 364-78. DOI: http://doi.org/10.1016/j.coi.2012.04.011

7. Asano T., Utsumi T., Kagawa R., Karakawa S., Okada S. Inborn errors of immunity with loss- and gain-of-function germline mutations in STAT1. Clin. Exp. Immunol. 2023; 212 (2): 96-106. DOI: http://doi.org/10.1093/cei/uxac106

8. Liu L., Okada S., Kong X.F., Kreins A.Y., Cypowyj S., Abhyankar A., Toubiana J., Itan Y., Audry M., Nitschke P., Masson C., Toth B., Flatot J., Migaud M, Chrabieh M, Kochetkov T., Bolze A., Borghesi A., Toulon A., Hiller J., Eyerich S., Eyerich K, Gulácsy V., Chernyshova L., Chernyshov V., Bondarenko A., Grimaldo R.M., Blancas-Galicia L., Beas I.M., Roesler J., Magdorf K., Engelhard D., Thumerelle C., Burgel P.R., Hoernes M., Drexel B., Seger R., Kusuma T., Jansson A.F., Sawalle-Belohradsky J., Belohradsky B., Jouanguy E., Bustamante J., Bué M., Karin N., Wildbaum G., Bodemer C., Lortholary O., Fischer A., Blanche S., Al-Muhsen S., Reichenbach J., Kobayashi M., Rosales F.E., Lozano C.T., Kilic S.S., Oleastro M., Etzioni A., Traidl-Hoffmann C., Renner E.D., Abel L., Picard C., Maródi L., Boisson-Dupuis S., Puel A., Casanova J.L. Gain-of-function human STAT1 mutations impair IL-17 immunity and underlie chronic mucocutaneous candidiasis. J. Exp. Med. 2011; 208 (8): 1635-48. DOI: http://doi.org/10.1084/jem.20110958

9. Zimmerman O., Olbrich P., Freeman A.F., Rosen L.B., Uzel G., Zerbe C.S., Rosenzweig S.D., Kuehn H.S., Holmes K.L., Stephany D., Ding L., Sampaio E.P., Hsu A.P., Holland S.M. STAT1 Gain-of-Function Mutations Cause High Total STAT1 Levels With Normal Dephosphorylation. Front. Immunol. 2019; 10: 1433. DOI: http://doi.org/10.3389/fimmu.2019.01433

10. Erdős M., Jakobicz E., Soltész B., Tóth B., Bata-Csörgő Z., Maródi L. Recurrent, Severe Aphthous Stomatitis and Mucosal Ulcers as Primary Manifestations of a Novel STAT1 Gain-of-Function Mutation. Front. Immunol. 2020; 11: 967. DOI: http://doi.org/10.3389/fimmu.2020.00967

11. Toubiana J., Okada S, Hiller J., Oleastro M., Lagos Gomez M., Aldave Becerra J.C., Ouachée-Chardin M., Fouyssac F., Girisha K.M., Etzioni A., Van Montfrans J., Camcioglu Y., Kerns L.A., Belohradsky B., Blanche S., Bousfiha A., Rodriguez-Gallego C., Meyts I., Kisand K., Reichenbach J., Renner E.D., Rosenzweig S., Grimbacher B., van de Veerdonk F.L., Traidl-Hoffmann C., Picard C., Marodi L., Morio T., Kobayashi M., Lilic D., Milner J.D., Holland S., Casanova J.L., Puel A. International STAT1 Gain-of-Function Study Group. Heterozygous STAT1 gain-of-function mutations underlie an unexpectedly broad clinical phenotype. Blood. 2016; 127 (25): 3154-64. DOI: http://doi.org/10.1182/blood-2015-11-679902

12. Dhalla F., Fox H., Davenport E.E., Sadler R., Anzilotti C., van Schouwenburg P.A., Ferry B., Chapel H., Knight J.C., Patel S.Y. Chronic mucocutaneous candidiasis: characterization of a family with STAT-1 gain-of-function and development of an ex-vivo assay for Th17 deficiency of diagnostic utility. Clin. Exp. Immunol. 2016; 184 (2): 216-27. DOI: http://doi.org/10.1111/cei.12746

13. Depner M., Fuchs S., Raabe J., Frede N., Glocker C., Doffinger R., Gkrania-Klotsas E., Kumararatne D., Atkinson T.P., Schroeder H.W. Jr., Niehues T., Dückers G., Stray-Pedersen A., Baumann U., Schmidt R., Franco J.L., Orrego J., Ben-Shoshan M., McCusker C., Jacob C.M., Carneiro-Sampaio M., Devlin L.A., Edgar J.D., Henderson P., Russell R.K., Skytte A.B., Seneviratne S.L., Wanders J., Stauss H., Meyts I., Moens L., Jesenak M., Kobbe R., Borte S., Borte M., Wright D.A., Hagin D., Torgerson T.R., Grimbacher B. The Extended Clinical Phenotype of 26 Patients with Chronic Mucocutaneous Candidiasis due to Gain-of-Function Mutations in STAT1. J. Clin. Immunol. 2016; 36 (1): 73-84. DOI: http://doi.org/10.1007/s10875-015-0214-9

14. Maddur M.S., Miossec P., Kaveri S.V., Bayry J. Th17 cells: biology, pathogenesis of autoimmune and inflammatory diseases, and therapeutic strategies. Am. J. Pathol. 2012; 181 (1): 8-18. DOI: http://doi.org/10.1016/j.ajpath.2012.03.044

15. Bystrom J., Clanchy F.I.L., Taher T.E., Al-Bogami M., Ong V.H., Abraham D.J., Williams R.O., Mageed R.A. Functional and phenotypic heterogeneity of Th17 cells in health and disease. Eur. J. Clin. Invest. 2019; 49 (1): e13032. DOI: http://doi.org/10.1111/eci.13032

16. Ng W.F., von Delwig A., Carmichael A.J., Arkwright P.D., Abinun M., Cant A.J., Jolles S., Lilic D. Impaired T(H)17 responses in patients with chronic mucocutaneous candidiasis with and without autoimmune polyendocrinopathy-candidiasis-ectodermal dystrophy. J. Allergy Clin. Immunol. 2010; 126 (5): 1006-15. DOI: http://doi.org/10.1016/j.jaci.2010.08.027

17. Bitar M., Boldt A., Binder S., Borte M., Kentouche K., Borte S., Sack U. Flow cytometric measurement of STAT1 and STAT3 phosphorylation in CD4+ and CD8+ T cells-clinical applications in primary immunodeficiency diagnostics. J. Allergy Clin. Immunol. 2017; 140 (5): 1439-41. DOI: http://doi.org/10.1016/j.jaci.2017.05.017

18. Karczewski K.J., Francioli L.C., Tiao G., Cummings B.B., Alföldi J., Wang Q., Collins R.L., Laricchia K.M., Ganna A., Birnbaum D.P., Gauthier L.D., Brand H., Solomonson M., Watts N.A., Rhodes D., Singer-Berk M., England E.M., Seaby E.G., Kosmicki J.A., Walters R.K., Tashman K., Farjoun Y., Banks E., Poterba T., Wang A., Seed C., Whiffin N., Chong J.X., Samocha K.E., Pierce-Hoffman E., Zappala Z., O’Donnell-Luria A.H., Minikel E.V., Weisburd B., Lek M., Ware J.S., Vittal C., Armean I.M., Bergelson L., Cibulskis K., Connolly K.M., Covarrubias M., Donnelly S., Ferriera S., Gabriel S., Gentry J., Gupta N., Jeandet T., Kaplan D., Llanwarne C., Munshi R., Novod S., Petrillo N., Roazen D., Ruano-Rubio V., Saltzman A., Schleicher M., Soto J., Tibbetts K., Tolonen C., Wade G., Talkowski M.E.; Genome Aggregation Database Consortium; Neale B.M., Daly M.J., MacArthur D.G. The mutational constraint spectrum quantified from variation in 141,456 humans. Nature. 2020; 581 (7809): 434-43. DOI: http://doi.org/10.1038/s41586-020-2308-7

19 Kircher M., Witten D.M., Jain P., O’Roak B.J., Cooper G.M., Shendure J. A general framework for estimating the relative pathogenicity of human genetic variants. Nat. Genet. 2014; 46 (3): 310-5. DOI: http://doi.org/10.1038/ng.2892

20 Adzhubei I.A., Schmidt S., Peshkin L., Ramensky V.E., Gerasimova A., Bork P., Kondrashov A.S., Sunyaev S.R. A method and server for predicting damaging missense mutations. Nat. Methods. 2010; 7 (4): 248-9. DOI: http://doi.org/10.1038/nmeth0410-248

21 Ng P.C., Henikoff S. Predicting deleterious amino acid substitutions. Genome Res. 2001; 11 (5): 863-74. DOI: http://doi.org/10.1101/gr.176601

22 Choi Y., Sims G.E., Murphy S., Miller J.R., Chan A.P. Predicting the functional effect of amino acid substitutions and indels. PLoS One. 2012; 7 (10): e46688. DOI: http://doi.org/10.1371/journal.pone.0046688

23 Jaganathan K., Kyriazopoulou Panagiotopoulou S., McRae J.F., Darbandi S.F., Knowles D., Li Y.I., Kosmicki J.A., Arbelaez J., Cui W., Schwartz G.B., Chow E.D., Kanterakis E., Gao H., Kia A., Batzoglou S., Sanders S.J., Farh K.K. Predicting Splicing from Primary Sequence with Deep Learning. Cell. 2019; 176 (3): 535-48.e24. DOI: http://doi.org/10.1016/j.cell.2018.12.015

24.  Richards S., Aziz N., Bale S., Bick D., Das S., Gastier-Foster J., Grody W.W., Hegde M., Lyon E., Spector E., Voelkerding K., Rehm H.L.; ACMG Laboratory Quality Assurance Committee. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genet. Med. 2015; 17 (5): 405-24. DOI: http://doi.org/10.1038/gim.2015.30

25. Рыжкова О.П., Кардымон О.Л., Прохорчук Е.Б., Коновалов Ф.А., Масленников А.Б., Степанов В.А., Афанасьев А.А., Заклязьминская Е.В., Ребриков Д.В., Савостьянов К.В., Глотов А.С., Костарева А.А., Павлов А.Е., Голубенко М.В., Поляков А.В., Куцев С.И. Руководство по интерпретации данных, полученных методами массового параллельного секвенирования (MPS). Медицинская Генетика. 2017; 16 (7): 4-17. DOI: http://doi.org/10.25557/2073-7998.2019.02.3-23

26. Sampaio E.P., Hsu A.P., Pechacek J., Bax H.I., Dias D.L., Paulson M.L., Chandrasekaran P., Rosen L.B., Carvalho D.S., Ding L., Vinh D.C., Browne S.K., Datta S., Milner J.D., Kuhns D.B., Long Priel D.A., Sadat M.A., Shiloh M., De Marco B., Alvares M., Gillman J.W., Ramarathnam V., de la Morena M., Bezrodnik L., Moreira I., Uzel G., Johnson D, Spalding C., Zerbe C.S., Wiley H., Greenberg D.E., Hoover S.E., Rosenzweig S.D., Galgiani J.N., Holland S.M. Signal transducer and activator of transcription 1 (STAT1) gain-of-function mutations and disseminated coccidioidomycosis and histoplasmosis. J. Allergy Clin. Immunol. 2013; 131 (6): 1624-34. DOI: http://doi.org/10.1016/j.jaci.2013.01.052

27. Takezaki S., Yamada M., Kato M., Park M.J., Maruyama K., Yamazaki Y., Chida N., Ohara O., Kobayashi I., Ariga T. Chronic mucocutaneous candidiasis caused by a gain-of-function mutation in the STAT1 DNA-binding domain. J. Immunol. 2012; 189 (3): 1521-6. DOI: http://doi.org/10.4049/jimmunol.1200926

28. Yamazaki Y., Yamada M., Kawai T., Morio T., Onodera M., Ueki M., Watanabe N., Takada H., Takezaki S., Chida N., Kobayashi I., Ariga T. Two novel gain-of-function mutations of STAT1 responsible for chronic mucocutaneous candidiasis disease: impaired production of IL-17A and IL-22, and the presence of anti-IL-17F autoantibody. J. Immunol. 2014; 193 (10): 4880-7. DOI: http://doi.org/10.4049/jimmunol.1401467

29. Korn T., Bettelli E., Oukka M., Kuchroo V.K. IL-17 and Th17 Cells. Annu. Rev. Immunol. 2009; 27: 485-517. DOI: http://doi.org/10.1146/annurev.immunol.021908.132710

30. Van De Veerdonk F.L., Plantinga T.S., Hoischen A., Smeekens S.P., Joosten L.A., Gilissen C., Arts P., Rosentul D.C., Carmichael A.J., Smits-van der Graaf C.A., Kullberg B.J., van der Meer J.W., Lilic D., Veltman J.A., Netea M.G. STAT1 mutations in autosomal dominant chronic mucocutaneous candidiasis. N. Engl. J. Med. 2011; 365 (1): 54-61. DOI: http://doi.org/10.1056/NEJMoa1100102

31. Kim H.S., Lee M.S. STAT1 as a key modulator of cell death. Cellular Signalling. 2007; 19 (3): 454-65. DOI: http://doi.org/10.1016/j.cellsig.2006.09.003

32.  Румянцев А.Г., Демина О.М. Молекулярные пути JAK в патогенезе воспаления при акне. Иммунология. 2021; 42 (1): 38-48. DOI: http://doi.org/10.33029/0206-4952-2021-42-1-38-48

Материалы данного сайта распространяются на условиях лицензии Creative Commons Attribution 4.0 International License («Атрибуция - Всемирная»)