network-biology based approach for the evaluation of novel treatment targets for Spinal Muscular Atrophy (SMA)A

Tapken, Ines

Published

A network-biology based approach for the evaluation of novel treatment targets for Spinal Muscular Atrophy (SMA)

German
English

Spinale Muskelatrophie (SMA) ist eine neurodegenerative Erkrankung, welche durch Mutationen oder Deletionen des survival of motor neuron (SMN1) Gens verursacht wird (Lefebvre et al., 1995). SMN1 codiert für das Survival motor neuron (SMN) Protein. SMN wird ubiquitär exprimiert, weshalb sich der teilweise Verlust der SMN-Proteinmenge auf mehrere Organe und Zellen auswirkt cells (Hamilton and Gillingwater, 2013). SMA-Patienten sterben hauptsächlich an progressiver Muskelatrophie nach dem Absterben der unteren Alpha-Motoneuronen (MN) im Rückenmark und im Hirnstamm. Auch periphere Organe sind vom SMN-Verlust betroffen. Unterschiedliche Einzelechanismen wurden gut untersucht, aber das Netzwerk der SMN-abhängigen molekularen Mechanismen auf systemischer Ebene bleibt unklar. Im letzten Jahrzehnt der Forschung wurden drei Therapien entwickelt, die alle die SMN-Proteinspiegel durch verschiedene Strategien erhöhen. Dies war ein Durchbruch für SMA-Patienten und die Forschung. Die meisten Patienten überleben jetzt; jedoch kann die Erhöhung der SMN Proteinmenge SMA nicht heilen. Mittlerweile wird SMA als multi-systemische Krankheit auf monogenetischer Basis betrachtet, welches neue Fragen für Forschung und Kliniken aufwirft (Hensel et al., 2020b; Schorling et al., 2020).

Diese Thesis analysiert SMA auf systemischer Ebene durch netzwerkbasierte Methoden. Es wurden verschiedene experimentelle Modelle verwendet, um die Merkmale unterschiedlicher Krankheitsschweregrade und ihre Überschneidungen zu betrachten. Wir stellen die Hypothese auf, dass die Netzwerkbiologie auf systemischer Ebene molekulare Veränderungen widerspiegelt, die über die SMA bekannt sind, und Proteine mit hoher modulativer Kapazität für SMA-Mechanismen hervorhebt. Das erste Kapitel identifiziert einen neurotrophen Hub, welcher beim Menschen, Mäusen und C. elegans verändert ist. Wir konnten auch die Neurodegeneration über diesen Hub in C. elegans verhindern. Im zweiten Kapitel haben wir Proteom- und Phosphoproteom-Datensätze des Rückenmarks von zwei SMA-Mausmodellen gemessen. Wir hypothesieren, dass diese Daten modellspezifische Entitäten und systemische Überschneidungen widerspiegeln, wobei sie alle Teile des Krankheitsspektrums aufzeigen. Ein SMN-SMA-Krankheitsnetzwerk wurde durch die Einbeziehung von SMN-Proxisom-Datensätzen erstellt. SMN-abhängige Dysfunktionen wurden identifiziert, wobei Netzwerkhubs und Bottlenecks Schlüsselmodulationsproteine der Krankheitsmechanismen darstellen. Im dritten Kapitel wurde ein künstliches Intelligenz-basiertes Krankheitsnetzwerk unter Verwendung der Qiagen Knowledge Base (QKB) durch molekulare Analyse von Rückenmarks- und Nierenproben von SMA-Mäusen validiert. Im vierten Kapitel wurde ein Bootstrap-Ansatz zur Bewertung der Reproduzierbarkeit in der Genset-Enrichment-Analyse entwickelt. Im abschließenden fünften Kapitel haben wir Literatur zur Rolle von SMN bei der Makrophagendifferenzierung und -funktion revidiert. Diese Revision zielt darauf ab, die Bedeutung der Forschung von SMN in Immunzellen zu betonen, die für die Homöostase, insbesondere da die Patienten mittlerweile älter werden, entscheidend sind.

Zusammenfassend betrachten alle Kapitel SMA als eine multi-systemische Krankheit, die neuronale, signalweg-basierte und periphere Aspekte einschließt, um die Interpretation von molekularen Dysregulationen auf systemischer Ebene zu ermöglichen. Proteom-basierte, biochemische und bioinformatische Methoden wurden kombiniert, um Hubs, Bottlenecks, Biomarker sowie organspezifische und grundlegende SMN-abhängige Dysregulationen zu identifizieren. Die Netzwerkbiologie ermöglicht ein besseres Verständnis der Komplexität von SMA und die Möglichkeit, alle Ebenen mit einem ähnlichen Arbeitsmodell anzusprechen. Die Arbeit hebt Proteine in regulatorischer Posititon innerhalb verschiedener Modelle hervor, welches die Wahrscheinlichkeit einer effektiven Behandlung erhöht.

Spinal Muscular Atrophy (SMA) is a neurodegenerative disease caused by mutations or deletions of the survival of motor neuron 1 (SMN1) gene (Lefebvre et al., 1995). SMN1 encodes the Survival motor neuron (SMN) protein. SMN is expressed ubiquitously, therefore, the decrease in SMN protein levels affects several organs and cells (Hamilton and Gillingwater, 2013). SMA patients primarily die of progressive muscle degeneration after lower alpha motoneuron (MN) death in the spinal cord and brain stem. Peripheral organs are also affected by SMN loss. Distinct mechanisms have been studied well, but the network of SMN-dependent molecular mechanisms on a systemic level remains elusive. In the last decade of research, three therapies were developed, all increasing SMN protein levels by different strategies. This was a breakthrough for SMA patients and research. Most patients now survive; however, restoration cannot cure SMA. SMA is now considered as a multi-system disease based on a monogenic background, opening new questions to research and clinics (Hensel et al., 2020b; Schorling et al., 2020).

This thesis addresses SMA on a systemic level by network-biology approaches. Thereby, different experimental models were used, to disentangle the characteristics of different severities and their overlaps. We hypothesize that network biology on a systemic level reflects molecular changes known in SMA and highlights proteins with a high modulative capacity for SMA mechanisms. The firstchapter identifies a neurotrophic signaling hub altered in humans, mice, and C. elegans. We could also rescue neurodegeneration via this hub in C. elegans. In the second chapter we measured high quality spinal cord proteome and phosphoproteome data sets of two SMA mouse models. We hypothesize that these data reflect model-specific entities and systemic overlaps, whereby they all display parts of the disease spectrum. A SMN-SMA disease network was built by inclusion of SMN-proxisome data sets. SMN-dependent dysfunctions were identified, whereby network hubs and bottlenecks display key modulatory proteins of disease mechanisms. In the third chapter an artificial intelligence-based disease network using the Qiagen Knowledge Base (QKB) was validated by molecular analysis of spinal cord and kidney samples of SMA mice. In the fourth chapter, a bootstrap approach for the evaluation of reproducibility in gene set enrichment analysis was developed. And in the final fifth chapter, we revised the literature for the role of SMN in macrophage differentiation and function. This review aims to stress the importance of research in immune cells which are key in homeostasis, especially as the patients get older.

In summary, all chapters consider SMA as a multi-system disease including neuronal, signaling and peripheral aspects to enable the interpretation of molecular dysregulations on a systemic level. Proteomic, biochemical and bioinformatic methods were combined to identify hubs, bottlenecks, biomarkers as well as organ-specific and more basal SMN-dependent dysregulations. Network biology enables a better understanding of the complexity of SMA and the possibility to address all organs on a similar working model. The thesis highlights proteins in upstream and regulatory positions of different models which increase the probability of effective treatment.