ISSN: 2155-9880
John F. Carlquist, Jason T. McKinney, Benjamin D. Horne, Nicola J. Camp, Lisa Cannon-Albright, Joseph B. Muhlestein, Paul Hopkins, Jessica L. Clarke, Chrissa P. Mower, James J. Park, Zachary P. Nicholas, John A. Huntinghouse et Jeffrey L. Anderson
Contexte : Le cholestérol total a été l’un des premiers facteurs de risque identifiés pour les maladies coronariennes. Nous avons cherché à identifier des variantes génétiques dans six gènes associés au métabolisme des lipides et à estimer leur contribution respective au risque de maladie coronarienne.
Méthodes : Pour 6 gènes associés aux lipides (LCAT, CETP, LIPC, LPL, SCARB1 et ApoF), nous avons analysé les exons, les régions non traduites 5' et 3' et les sites d'épissage donneurs et accepteurs pour rechercher des variantes à l'aide de l'analyse de courbe Hi-Res Melting® (HRMCA) avec confirmation par séquençage cyclique. Des sujets sains ont été utilisés pour la découverte de SNP (n = 64), la détermination/le marquage d'haplotype, la découverte de SNP (n = 339) et les tests d'association lipidique (n = 786).
Résultats : Dans 17 840 bases de séquence interrogées, 90 SNP variants ont été identifiés ; 19 (21,1 %) n'avaient pas été signalés auparavant. Trente-quatre variants (37,8 %) étaient exoniques (16 non synonymes), 28 (31,1 %) dans les limites intron-exon et 28 (31,1 %) dans les régions 5' et 3' non traduites. Comparé au séquençage cyclique, HRMCA avait une sensibilité de 99,4 % et une spécificité de 97,7 %. Le marquage des SNP (n = 38) expliquait > 90 % de la variation des 6 gènes et identifiait les groupes de déséquilibre de liaison (LD). Des profils lipidiques bénéfiques significatifs ont été observés pour le groupe 2 de CETP LD, les groupes 1 et 7 de LIPC LD et les groupes 1, 3 et 4 de SCARB1 LD. Les profils de risque se sont aggravés pour le groupe 3 de CETP LD et le groupe 4 de LPL LD.
Conclusions : Ces résultats démontrent la faisabilité, la sensibilité et la spécificité de l'HRMCA pour la découverte de SNP. Les variants identifiés dans ces gènes peuvent être utilisés pour prédire le risque associé aux lipides et la reclassification du risque clinique de maladie coronarienne.