Summary

Étude fonctionnelle In Vivo des variantes humaines rares associées à la maladie utilisant la drosophile

Published: August 20, 2019
doi:

Summary

L’objectif de ce protocole est de décrire la conception et la performance d’expériences in vivo dans Drosophila melanogaster pour évaluer les conséquences fonctionnelles des variantes génétiques rares associées aux maladies humaines.

Abstract

Les progrès de la technologie de séquençage ont rendu les ensembles de données à génome entier et à l’exome entier plus accessibles pour le diagnostic clinique et la recherche de pointe en génétique humaine. Bien qu’un certain nombre d’algorithmes in silico aient été développés pour prédire la pathogénicité des variantes identifiées dans ces ensembles de données, les études fonctionnelles sont essentielles pour déterminer comment des variantes génomiques spécifiques affectent la fonction protéique, en particulier pour le mauvais sens Variantes. Dans le Réseau des maladies non diagnostiquées (UDN) et d’autres consortiums de recherche sur les maladies rares, des organismes modèles (MO), y compris Drosophila, C. elegans, le poisson zèbre et les souris sont activement utilisés pour évaluer la fonction de la maladie humaine putative causant des maladies Variantes. Ce protocole décrit une méthode pour l’évaluation fonctionnelle des variantes humaines rares utilisées dans le centre de dépistage des organismes modèles Drosophila Core de l’UDN. Le flux de travail commence par la collecte d’informations humaines et MO à partir de plusieurs bases de données publiques, en utilisant la ressource Web MARRVEL pour évaluer si la variante est susceptible de contribuer à l’état d’un patient ainsi que la conception d’expériences efficaces basées sur disponibles connaissances et ressources. Ensuite, des outils génétiques (p. ex., T2A-GAL4 et UAS-human cDNA lines) sont générés pour évaluer les fonctions des variantes d’intérêt dans Drosophila. Lors du développement de ces réactifs, des essais fonctionnels à deux volets basés sur des expériences de sauvetage et de surexpression peuvent être effectués pour évaluer la fonction de la variante. Dans la branche de sauvetage, les gènes de la mouche endogène sont « humanisés » en remplaçant le gène orthologue Drosophila par des transgènes humains de référence ou de variante. Dans la branche de surexpression, les protéines humaines de référence et de variante sont exogènes entraînées dans une variété de tissus. Dans les deux cas, tout phénotype évolutif (p. ex. létalité, morphologie des yeux, électrophysiologie) peut être utilisé comme lecture, quelle que soit la maladie d’intérêt. Les différences observées entre les alleles de référence et les alleles de variante suggèrent un effet variante-spécifique, et donc la pathogénie probable. Ce protocole permet des évaluations rapides et in vivo des variantes humaines présumées causant des maladies des gènes avec des fonctions connues et inconnues.

Introduction

Les patients atteints de maladies rares subissent souvent un voyage ardu appelé « odyssée diagnostique » pour obtenir un diagnostic précis1. On pense que la plupart des maladies rares ont une forte origine génétique, ce qui rend les analyses génétiques/génomiques des éléments critiques de la prise de contrôle clinique. En plus du séquençage des panneaux génétiques candidats et de l’analyse de la variation des nombres de copies basée sur les microréseaux chromosomiques, les technologies de séquençage du génome entier (WGS) sont devenues des outils de plus en plus précieux au cours de la dernière décennie2, 3. À l’heure actuelle, le taux de diagnostic pour l’identification d’une variante pathogène connue dans WES et WGS est de 25 % (plus élevé dans les cas pédiatriques)4,5. Pour la plupart des cas qui restent non diagnostiqués après le WES/WGS clinique, un problème commun est qu’il y a beaucoup de gènes et de variantes de candidat. Le séquençage de nouvelle génération identifie souvent des variantes nouvelles ou ultra-rares dans de nombreux gènes, et il est difficile d’interpréter si ces variantes contribuent aux phénotypes de la maladie. Par exemple, bien que la plupart des mutations absurdes ou de changement d’image dans les gènes soient considérées comme des allèles de perte de fonction (LOF) en raison de la désintégration non-écrite de la transcription codée, les mutations tronquantes trouvées dans les derniers exons échappent à ce processus et peuvent fonctionner comme alleles bénins ou de gain de fonction (GOF)6.

En outre, prédire les effets d’un allèle de mauvais sens est une tâche intimidante, car il peut entraîner un certain nombre de scénarios génétiques différents comme décrit pour la première fois par Herman Muller dans les années 1930 (c.-à-d., amorphe, hypomorphe, hypermorphe, antimorphe, néomorphe, ou isomorphe)7 . De nombreux programmes et méthodologies silico ont été développés pour prédire la pathogénicité des variantes de mauvais sens basées sur la conservation évolutive, le type de changement d’acide aminé, la position dans un domaine fonctionnel, la fréquence d’allèle dans la population générale, et d’autres paramètres8. Cependant, ces programmes ne sont pas une solution complète pour résoudre le problème complexe de l’interprétation des variantes. Fait intéressant, une étude récente a démontré que cinq algorithmes de prédiction de la pathogène variante largement utilisés (Polyphen9, SIFT10, CADD11, PROVEAN12, Mutation Taster) s’accordent sur la pathogénicité 80 % du temps8 . Notamment, même lorsque tous les algorithmes sont d’accord, ils renvoient une prédiction erronée de la pathogénicité jusqu’à 11% du temps. Ceci mène non seulement à l’interprétation clinique défectueuse mais peut également dissuader des chercheurs de suivre vers le haut de nouvelles variantes en les énumérant faussement comme bénins. Une façon de compléter la limitation actuelle de la modélisation silico est de fournir des données expérimentales qui démontrent l’effet de la fonction de variante in vitro, ex vivo (par exemple, les cellules cultivées, les organoïdes), ou in vivo.

Les études fonctionnelles in vivo des variantes associées aux maladies rares dans MO ont des forces uniques13 et ont été adoptées par de nombreuses initiatives de recherche sur les maladies rares à travers le monde, y compris le Réseau des maladies non diagnostiquées (UDN) aux États-Unis et Rare Diseases Models and Mechanisms (RDMM) Networks in Canada, Japan, Europe, and Australia14. En plus de ces efforts coordonnés visant à intégrer les chercheurs de MO dans le flux de travail du diagnostic des maladies rares et des études mécanistes à l’échelle nationale, un certain nombre d’études individuelles en collaboration entre les chercheurs cliniques et les chercheurs de MO ont mené à la découverte et la caractérisation de nombreux nouveaux gènes et variantes pathogènes82,83,84.

Dans l’UDN, un centre centralisé de dépistage des organismes modèles (MOSC) reçoit des soumissions de gènes et de variantes candidats avec une description de l’état du patient et évalue si la variante est susceptible d’être pathogène à l’aide d’outils informatiques et in vivo Expériences. Dans la phase I (2015-2018) de l’UDN, le MOSC composé d’un drosophila Core [Baylor College of Medicine (BCM)] et Zebrafish Core (University of Oregon) qui a travaillé en collaboration pour évaluer les cas. En utilisant l’analyse informatique et un certain nombre de stratégies expérimentales différentes dans la drosophile et le poisson zèbre, le MOSC a jusqu’à présent contribué au diagnostic de 132 patients, l’identification de 31 nouveaux syndromes55, la découverte de plusieurs nouveaux humains gènes de la maladie (par exemple, EBF315, ATP5F1D16, TBX217, IRF2BPL18, COG419, WDR3720) et l’expansion phénotypique de la maladie connue (p. ex., CACNA1A21,ACOX122).

En plus des projets au sein de l’UDN, les chercheurs du MOSC Drosophila Core ont contribué à de nouvelles découvertes de gènes pathogènes en collaboration avec les Centers for Mendelian Genomics et d’autres initiatives (p. ex. ANKLE223, TM2D3 24, NRD125, OGDHL25, ATAD3A26, ARIH127, MARK328, DNMBP29) en utilisant le même ensemble d’informatique et de génétique stratégies développées pour l’UDN. Compte tenu de l’importance des études de MO sur le diagnostic des maladies rares, le MOSC a été élargi pour inclure un noyau de C. elegans et un deuxième noyau de poisson zèbre (tous deux à l’Université de Washington à St. Louis) pour la phase II (2018-2022) de l’UDN.

Ce manuscrit décrit un protocole d’étude fonctionnel in vivo qui est activement utilisé dans le noyau d’ODN MOSC Drosophila pour déterminer si les variantes de mauvais sens ont des conséquences fonctionnelles sur la protéine d’intérêt à l’aide de mouches transgéniques qui expriment l’homme Protéines. L’objectif de ce protocole est d’aider les chercheurs de MO à travailler en collaboration avec des groupes de recherche clinique afin de fournir des preuves expérimentales qu’une variante candidate d’un gène d’intérêt a des conséquences fonctionnelles, facilitant ainsi le diagnostic clinique. Ce protocole est le plus utile dans un scénario dans lequel un chercheur de Drosophila est approché par un chercheur clinique qui a un patient rare de maladie avec une variante spécifique de candidat dans un gène d’intérêt.

Ce protocole peut être divisé en trois éléments : (1) la collecte d’informations pour évaluer la probabilité que la variante d’intérêt soit responsable du phénotype du patient et la faisabilité d’une étude fonctionnelle dans Drosophila, (2) la collecte d’outils génétiques existants et d’en établir de nouveaux, et (3) d’effectuer des études fonctionnelles in vivo. Le troisième élément peut en outre être subdivisé en deux sous-éléments en fonction de la façon dont la fonction d’une variante d’intérêt peut être évaluée (expérience de sauvetage ou stratégies basées sur la surexpression). Il est important de noter que ce protocole peut être adapté et optimisé à de nombreux scénarios en dehors de la recherche sur les maladies monogéniques rares (p. ex., maladies courantes, interactions gènes-environnement et écrans pharmacologiques/génétiques pour identifier des cibles thérapeutiques). La capacité de déterminer la fonctionnalité et la pathogénicité des variantes profitera non seulement au patient d’intérêt en fournissant un diagnostic moléculaire précis, mais aura également des impacts plus larges sur la recherche scientifique translationnelle et fondamentale.

Protocol

1. Collecte d’informations humaines et MO pour évaluer: Probabilité d’une variante de l’intérêt étant responsable des phénotypes de la maladie et la faisabilité des études fonctionnelles dans la drosophile Effectuer des recherches approfondies dans les bases de données et la littérature afin de déterminer si les gènes et les variantes d’intérêt spécifiques sont de bons candidats pour expliquer le phénotype du patient d’intérêt. Plus précisément, recueillir les informations s…

Representative Results

Étude fonctionnelle de la variante de de novo Missense dans EBF3 liée aux phénotypes neurodéveloppementauxChez un homme de 7 ans présentant des phénotypes neurodéveloppementaux, y compris l’hypotonie, l’ataxie, le retard de développement global et le trouble de la parole expressif, les médecins et les généticiens humains du National Institutes of Health Undiagnosed Diseases Project (UDP) a identifié une variante de de novo missense (p.R.R163Q) dans EBF3 (Early B-Cell…

Discussion

Les études expérimentales utilisant le melanogaster de Drosophila fournissent un système d’ascompte robuste pour évaluer les conséquences des variantes humaines maladie-associées. Cela est dû à l’ampleur des connaissances et des divers outils génétiques qui ont été générés par de nombreux chercheurs dans le domaine de la mouche au cours du siècle dernier89. Tout comme tout autre système expérimental, cependant, il est important de reconnaître les mises en garde et les l…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nous remercions Jose Salazar, Julia Wang et karen Schulze pour la lecture critique du manuscrit. Nous reconnaissons les Drs Ning Liu et Xi Luo pour la caractérisation fonctionnelle des variantes TBX2 discutées ici. Le Centre de dépistage des organismes modèles du Réseau des maladies non diagnostiquées a reçu l’appui du National Institutes of Health (NIH) Common Fund (U54 NS093793). H. T. C. a également reçu l’appui des NIH[CNCDP-K12 et NINDS (1K12 NS098482)], de l’American Academy of Neurology (Neuroscience Research grant), burroughs Wellcome Fund (Career Award for Medical Scientists), Child Neurology Society et Child Neurology Foundation ( PERF Elterman), et le Prix pour l’indépendance anticipée du directeur des NIH (DP5 OD026426). M. F. W. a également reçu le soutien de la Fondation Simons (Prix SFARI : 368479). S. Y. a également reçu le soutien des NIH (R01 DC014932), de la Fondation Simons (Prix SFARI : 368479), de la Alzheimer’s Association (New Investigator Research Grant : 15-364099), du Fonds familial Naman pour la recherche fondamentale et du Fonds de droit Caroline Wiess pour la recherche en Médecine moléculaire. La microscopie confocale au BCM est appuyée en partie par la subvention U54HD083092 des NIH au centre de neurovisualisation du Centre de recherche sur les déficiences intellectuelles et développementales (CRDI).

Materials

Drosophila Stocks for UAS-human cDNA transgenesis
Injection strains for transgenesis (D. melanogaster) BDSC #24871 Specific Reagent: VK33 (3rd chromosome) Injection line
Injection strains for transgenesis (D. melanogaster) BDSC #24872 Specific Reagent: VK37 (2nd chromosome) Injection line
Plasmid DNA
Cloning vector Thermo Fisher #12536-017 Specific Reagent: pDONR221
Drosophila transgenesis vector Gift from Drs. Johannes Bischof and Konrad Basler (Bischof et al., 2013 PNAS) Specific Reagent: pGW-HA.attB
Molecular biology kits and reagents
Agarose Sigma-Aldrich #A2790 Specific Reagent: Agarose (molecular biology grade)
Chemically Competent Cells (E. coli) Thermo Fisher #18265017 Specific Reagent: DH5α
DNA Gel Extraction kit Thermo Fisher #K210012 Specific Reagent: PureLink Gel Extraction Kit
DNA Isolation and purification kit Qiagen #27104 Specific Reagent: QIAprep Spin Miniprep Kit
High Fidelity Polymerase NEB #M0491 Specific Reagent: Q5 Polymerase kit
Recombinase mediated cloning system Thermo Fisher #11789020 Specific Reagent: Gateway BP Clonase kit
Recombinase mediated cloning system Thermo Fisher #11791100 Specific Reagent: Gateway LR Clonase II Enzyme kit
Site Directed Mutagenesis kit Agilent #200523 Specific Reagent: Quick Change II Mutagenesis kit
Electroretinogram Rig related equipment
ERG Analysis Molecular Devices N/A Specific Reagent: Axon pCLAMP 10 Data Software Package
ERG Data Collection LabX #R150358 Specific Reagent: ISO-DAM Isolated Biologic Amplifier
ERG Stimulator Astro-Med #S48 Specific Reagent: Square Pulse Stimulator

References

  1. Boycott, K. M., et al. International Cooperation to Enable the Diagnosis of All Rare Genetic Diseases. The American Journal of Human Genetics. 100 (5), 695-705 (2017).
  2. Lupski, J. R., et al. Whole-Genome Sequencing in a Patient with Charcot-Marie-Tooth Neuropathy. New England Journal of Medicine. 362 (13), 1181-1191 (2010).
  3. Boycott, K. M., Vanstone, M. R., Bulman, D. E., MacKenzie, A. E. Rare-disease genetics in the era of next-generation sequencing: discovery to translation. Nature Reviews Genetics. 14 (10), 681-691 (2013).
  4. Yang, Y., et al. Molecular Findings Among Patients Referred for Clinical Whole-Exome Sequencing. JAMA. 312 (18), 1870 (2014).
  5. Lee, H., et al. Clinical Exome Sequencing for Genetic Identification of Rare Mendelian Disorders. JAMA. 312 (18), 1880 (2014).
  6. Coban-Akdemir, Z., et al. Identifying Genes Whose Mutant Transcripts Cause Dominant Disease Traits by Potential Gain-of-Function Alleles. The American Journal of Human Genetics. 103 (2), 171-187 (2018).
  7. Muller, H. J. Further studies on the nature and causes of gene mutations. Proceedings of the Sixth International Congress of Genetics. , 213-255 (1932).
  8. Ghosh, R., Oak, N., Plon, S. E. Evaluation of in silico algorithms for use with ACMG/AMP clinical variant interpretation guidelines. Genome Biology. 18 (1), 225 (2017).
  9. Adzhubei, I. A., et al. A method and server for predicting damaging missense mutations. Nature Methods. 7 (4), 248-249 (2010).
  10. Vaser, R., Adusumalli, S., Leng, S. N., Sikic, M., Ng, P. C. SIFT missense predictions for genomes. Nature Protocols. 11 (1), 1-9 (2016).
  11. Rentzsch, P., Witten, D., Cooper, G. M., Shendure, J. l., Kircher, M. CADD: predicting the deleteriousness of variants throughout the human genome. Nucleic Acids Research. , (2018).
  12. 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. 7 (10), 46688 (2012).
  13. Wangler, M. F., et al. Model Organisms Facilitate Rare Disease Diagnosis and Therapeutic Research. Genetics. 207 (1), 9-27 (2017).
  14. Oriel, C., Lasko, P. Recent Developments in Using Drosophila as a Model for Human Genetic Disease. International Journal of Molecular Sciences. 19 (7), 2041 (2018).
  15. Chao, H. T., et al. A Syndromic Neurodevelopmental Disorder Caused by De Novo Variants in EBF3. American Journal of Human Genetics. 100 (1), 128-137 (2017).
  16. Oláhová, M., et al. Biallelic Mutations in ATP5F1D, which Encodes a Subunit of ATP Synthase, Cause a Metabolic Disorder. American Journal of Human Genetics. 102 (3), 494-504 (2018).
  17. Liu, N., et al. Functional variants in TBX2 are associated with a syndromic cardiovascular and skeletal developmental disorder. Human Molecular Genetics. 27 (14), 2454-2465 (2018).
  18. Marcogliese, P. C., et al. IRF2BPL Is Associated with Neurological Phenotypes. American Journal of Human Genetics. 103 (2), 245-260 (2018).
  19. Ferreira, C. R., et al. A Recurrent De Novo Heterozygous COG4 Substitution Leads to Saul-Wilson Syndrome, Disrupted Vesicular Trafficking, and Altered Proteoglycan Glycosylation. The American Journal of Human Genetics. 103 (4), 553-567 (2018).
  20. Kanca, O., et al. De novo variants in WDR37 are associated with epilepsy, colobomas and cerebellar hypoplasia. Americal Journal of Human Genetics. , (2019).
  21. Luo, X., et al. Clinically severe CACNA1A alleles affect synaptic function and neurodegeneration differentially. PLOS Genetics. 13 (7), 1006905 (2017).
  22. Chung, H., et al. ACOX1 induces autoimmunity whereas a de novo gain of function variant induces elevated ROS and glial loss in humans and flies. Cell Metabolism. , (2019).
  23. Yamamoto, S., et al. A Drosophila Genetic Resource of Mutants to Study Mechanisms Underlying Human Genetic Diseases. Cell. 159 (1), 200-214 (2014).
  24. Jakobsdottir, J., et al. Rare Functional Variant in TM2D3 is Associated with Late-Onset Alzheimer’s Disease. PLoS Genetics. 12 (10), 1006327 (2016).
  25. Yoon, W. H., et al. Loss of Nardilysin, a Mitochondrial Co-chaperone for α-Ketoglutarate Dehydrogenase, Promotes mTORC1 Activation and Neurodegeneration. Neuron. 93 (1), 115-131 (2017).
  26. Harel, T., et al. Recurrent De Novo and Biallelic Variation of ATAD3A, Encoding a Mitochondrial Membrane Protein, Results in Distinct Neurological Syndromes. American Journal of Human Genetics. 99 (4), 831-845 (2016).
  27. Tan, K. L., et al. Ari-1 Regulates Myonuclear Organization Together with Parkin and Is Associated with Aortic Aneurysms. Developmental Cell. 45 (2), 226-244 (2018).
  28. Ansar, M., et al. Visual impairment and progressive phthisis bulbi caused by recessive pathogenic variant in MARK3. Human Molecular Genetics. 27 (15), 2703-2711 (2018).
  29. Ansar, M., et al. Bi-allelic Loss-of-Function Variants in DNMBP Cause Infantile Cataracts. The American Journal of Human Genetics. 103 (4), 568-578 (2018).
  30. Wang, J., et al. MARRVEL: Integration of Human and Model Organism Genetic Resources to Facilitate Functional Annotation of the Human Genome. The American Journal of Human Genetics. 100 (6), 843-853 (2017).
  31. Wang, J., Liu, Z., Bellen, H., Yamamoto, S. MARRVEL, a web-based tool that integrates human and model organism genomics information. Journal of Visualized Experiments. , (2019).
  32. Mungall, C. J., et al. The Monarch Initiative: an integrative data and analytic platform connecting phenotypes to genotypes across species. Nucleic Acids Research. 45, 712-722 (2017).
  33. Hu, Y., Comjean, A., Mohr, S. E., Perrimon, N., Perrimon, N. Gene2Function: An Integrated Online Resource for Gene Function Discovery. Genes|Genomes|Genetics. 7 (8), 2855-2858 (2017).
  34. Ioannidis, N. M., et al. An Ensemble Method for Predicting the Pathogenicity of Rare Missense Variants. The American Journal of Human Genetics. 99 (4), 877-885 (2016).
  35. Szklarczyk, D., et al. The STRING database in 2017: quality-controlled protein–protein association networks, made broadly accessible. Nucleic Acids Research. 45 (1), 362-368 (2017).
  36. Hu, Y., et al. Molecular Interaction Search Tool (MIST): an integrated resource for mining gene and protein interaction data. Nucleic Acids Research. 46 (1), 567-574 (2018).
  37. Lawson, C. L., et al. EMDataBank unified data resource for 3DEM. Nucleic Acids Research. 44 (1), 396-403 (2016).
  38. Bienert, S., et al. The SWISS-MODEL Repository-new features and functionality. Nucleic Acids Research. 45 (1), 313-319 (2017).
  39. Webb, B., Sali, A. Comparative Protein Structure Modeling Using MODELLER. Current Protocols in Bioinformatics. 54, 1-37 (2016).
  40. Kelley, L. A., Mezulis, S., Yates, C. M., Wass, M. N., Sternberg, M. J. E. The Phyre2 web portal for protein modeling, prediction and analysis. Nature Protocols. 10 (6), 845-858 (2015).
  41. Bamshad, M. J., et al. The Centers for Mendelian Genomics: A new large-scale initiative to identify the genes underlying rare Mendelian conditions. American Journal of Medical Genetics Part A. 158 (7), 1523-1525 (2012).
  42. Sobreira, N. L. M., et al. Matchmaker Exchange. Current Protocols in Human Genetics. 95, 1-15 (2017).
  43. Temple, G., et al. The completion of the Mammalian Gene Collection (MGC). Genome Research. 19 (12), 2324-2333 (2009).
  44. Katzen, F. Gateway ®Recombinational cloning: a biological operating system. Expert Opinion on Drug Discovery. 2 (4), 571-589 (2007).
  45. Venken, K. J. T., He, Y., Hoskins, R. A., Bellen, H. J. P[acman]: A BAC Transgenic Platform for Targeted Insertion of Large DNA Fragments in D. melanogaster. Science. 314 (5806), 1747-1751 (2006).
  46. Bischof, J., et al. A versatile platform for creating a comprehensive UAS-ORFeome library in Drosophila. Development. 140 (11), 2434-2442 (2013).
  47. Bischof, J., Sheils, E. M., Björklund, M., Basler, K. Generation of a transgenic ORFeome library in Drosophila. Nature Protocols. 9 (7), 1607-1620 (2014).
  48. Laible, M., Boonrod, K. Homemade site directed mutagenesis of whole plasmids. Journal of Visualized Experiments. (27), e1135 (2009).
  49. Balana, B., Taylor, N., Slesinger, P. A. Mutagenesis and Functional Analysis of Ion Channels Heterologously Expressed in Mammalian Cells. Journal of Visualized Experiments. (44), e2189 (2010).
  50. Bischof, J., Maeda, R. K., Hediger, M., Karch, F., Basler, K. An optimized transgenesis system for Drosophila using germ-line-specific C31 integrases. Proceedings of the National Academy of Sciences. 104 (9), 3312-3317 (2007).
  51. Ringrose, L. Transgenesis in Drosophila melanogaster. Methods in Molecular Biology. 561, 3-19 (2009).
  52. Venken, K. J. T., He, Y., Hoskins, R. A., Bellen, H. J. P[acman]: A BAC Transgenic Platform for Targeted Insertion of Large DNA Fragments in D. melanogaster. Science. 314 (5806), 1747-1751 (2006).
  53. Groth, A. C., Fish, M., Nusse, R., Calos, M. P. Construction of transgenic Drosophila by using the site-specific integrase from phage phiC31. Genetics. 166 (4), 1775-1782 (2004).
  54. Greenspan, R. . Fly Pushing: The Thory and Practice of Drosophila Genetics. , (2004).
  55. Ashburner, M., Golic, K., Hawley, R. S. . Drosophila: A Laboratory Handbook. , (2005).
  56. Diao, F., White, B. H. A Novel Approach for Directing Transgene Expression in Drosophila: T2A-Gal4 In-Frame Fusion. Genetics. 190 (3), 1139-1144 (2012).
  57. Diao, F., et al. Plug-and-Play Genetic Access to Drosophila Cell Types using Exchangeable Exon Cassettes. Cell Reports. 10 (8), 1410-1421 (2015).
  58. Bellen, H. J., et al. The Drosophila Gene Disruption Project: Progress Using Transposons With Distinctive Site Specificities. Genetics. 188 (3), 731-743 (2011).
  59. Lee, P. -. T., et al. A gene-specific T2A-GAL4 library for Drosophila. eLife. 7, (2018).
  60. Venken, K. J. T., et al. MiMIC: a highly versatile transposon insertion resource for engineering Drosophila melanogaster genes. Nature Methods. 8 (9), 737-743 (2011).
  61. Li-Kroeger, D., et al. An expanded toolkit for gene tagging based on MiMIC and scarless CRISPR tagging in Drosophila. eLife. 7, (2018).
  62. Salazar, J. L., Yamamoto, S. Integration of Drosophila and Human Genetics to Understand Notch Signaling Related Diseases. Advances in Experimental Medicine and Biology. 1066, 141-185 (2018).
  63. Wangler, M. F., Yamamoto, S., Bellen, H. J. Fruit Flies in Biomedical Research. Genetics. 199 (3), 639-653 (2015).
  64. Duffy, J. B. GAL4 system indrosophila: A fly geneticist’s swiss army knife. Genesis. 34 (1-2), 1-15 (2002).
  65. Nagarkar-Jaiswal, S., et al. A library of MiMICs allows tagging of genes and reversible, spatial and temporal knockdown of proteins in Drosophila. eLife. 4, (2015).
  66. Dolph, P., Nair, A., Raghu, P. . Electroretinogram Recordings of Drosophila. (1), (2011).
  67. Lauwers, E., Verstreken, P. Assaying Mutants of Clathrin-Mediated Endocytosis in the Fly Eye. Methods in Molecular Biology. 1847, 109-119 (2018).
  68. Rhodes-Mordov, E., Samra, H., Minke, B. Electroretinogram (ERG) Recordings from Drosophila. Bio-Protocol. 5 (21), (2015).
  69. Deal, S., Yamamoto, S. Unraveling novel mechanisms of neurodegeneration through a large-scale forward genetic screen in Drosophila. Frontiers in Genetics. , (2019).
  70. Chouhan, A. K., et al. Uncoupling neuronal death and dysfunction in Drosophila models of neurodegenerative disease. Acta Neuropathologica Communications. 4 (1), 62 (2016).
  71. Lek, M., et al. Analysis of protein-coding genetic variation in 60,706 humans. Nature. 536 (7616), 285-291 (2016).
  72. Liberg, D., Sigvardsson, M., Akerblad, P. The EBF/Olf/Collier family of transcription factors: regulators of differentiation in cells originating from all three embryonal germ layers. Molecular and Cellular Biology. 22 (24), 8389-8397 (2002).
  73. Prasad, B. C., et al. Unc-3, a gene required for axonal guidance in Caenorhabditis elegans, encodes a member of the O/E family of transcription factors. Development. 125 (8), 1561-1568 (1998).
  74. Jinushi-Nakao, S., et al. Knot/Collier and Cut Control Different Aspects of Dendrite Cytoskeleton and Synergize to Define Final Arbor Shape. Neuron. 56 (6), 963-978 (2007).
  75. Pozzoli, O., Bosetti, A., Croci, L., Consalez, G. G., Vetter, M. L. Xebf3 is a regulator of neuronal differentiation during primary neurogenesis in Xenopus. Developmental Biology. 233 (2), 495-512 (2001).
  76. Wang, S. S., Lewcock, J. W., Feinstein, P., Mombaerts, P., Reed, R. R. Genetic disruptions of O/E2 and O/E3 genes reveal involvement in olfactory receptor neuron projection. Development. 131 (6), 1377-1388 (2004).
  77. Fulp, C. T., et al. Identification of Arx transcriptional targets in the developing basal forebrain. Human Molecular Genetics. 17 (23), 3740-3760 (2008).
  78. Gécz, J., Cloosterman, D., Partington, M. ARX: a gene for all seasons. Current Opinion in Genetics & Development. 16 (3), 308-316 (2006).
  79. Dubois, L., Vincent, A. The COE–Collier/Olf1/EBF–transcription factors: structural conservation and diversity of developmental functions. Mechanisms of Development. 108 (1-2), 3-12 (2001).
  80. Cook, R. K., et al. The generation of chromosomal deletions to provide extensive coverage and subdivision of the Drosophila melanogaster genome. Genome Biology. 13 (3), 21 (2012).
  81. Chao, H. -. T., et al. A Syndromic Neurodevelopmental Disorder Caused by De Novo Variants in EBF3. The American Journal of Human Genetics. 100 (1), 128-137 (2017).
  82. Sleven, H., et al. De Novo Mutations in EBF3 Cause a Neurodevelopmental Syndrome. The American Journal of Human Genetics. 100 (1), 138-150 (2017).
  83. Harms, F. L., et al. Mutations in EBF3 Disturb Transcriptional Profiles and Cause Intellectual Disability, Ataxia, and Facial Dysmorphism. The American Journal of Human Genetics. 100 (1), 117-127 (2017).
  84. Tanaka, A. J., et al. De novo variants in EBF3 are associated with hypotonia, developmental delay, intellectual disability, and autism. Molecular Case Studies. 3 (6), 002097 (2017).
  85. Blackburn, P. R., et al. Novel de novo variant in EBF3 is likely to impact DNA binding in a patient with a neurodevelopmental disorder and expanded phenotypes: patient report, in silico functional assessment, and review of published cases. Molecular Case Studies. 3 (3), 001743 (2017).
  86. Lopes, F., Soares, G., Gonçalves-Rocha, M., Pinto-Basto, J., Maciel, P. Whole Gene Deletion of EBF3 Supporting Haploinsufficiency of This Gene as a Mechanism of Neurodevelopmental Disease. Frontiers in Genetics. 8, 143 (2017).
  87. Liu, N., et al. Functional variants in TBX2 are associated with a syndromic cardiovascular and skeletal developmental disorder. Human Molecular Genetics. 27 (14), 2454-2465 (2018).
  88. Mesbah, K., et al. Identification of a Tbx1/Tbx2/Tbx3 genetic pathway governing pharyngeal and arterial pole morphogenesis. Human Molecular Genetics. 21 (6), 1217-1229 (2012).
  89. Bellen, H. J., Yamamoto, S. Morgan’s legacy: fruit flies and the functional annotation of conserved genes. Cell. 163 (1), 12-14 (2015).
  90. Richards, S., et al. 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. Genetics in Medicine. 17 (5), 405-423 (2015).
  91. McGary, K. L., Park, T. J., Woods, J. O., Cha, H. J., Wallingford, J. B., Marcotte, E. M. Systematic discovery of nonobvious human disease models through orthologous phenotypes. Proceedings of the National Academy of Sciences of the United States of America. 107 (14), 6544-6549 (2010).
  92. Yamamoto, S., et al. A Drosophila Genetic Resource of Mutants to Study Mechanisms Underlying Human Genetic Diseases. Cell. 159, 200-214 (2014).
  93. Ausubel, F. M. . Current Protocols in Molecular Biology. , (1989).
  94. Rubin, G., Spradling, A. Genetic transformation of Drosophila with transposable element vectors. Science. 218 (4570), 348-353 (1982).
  95. Sun, Y., Sriramajayam, K., Luo, D., Liao, D. J. A Quick, Cost-Free Method of Purification of DNA Fragments from Agarose Gel. Journal of Cancer. 3, 93-95 (2012).
  96. Ronaghi, M. DNA Sequencing :A Sequencing Method Based on Real-Time Pyrophosphate. Science. 281 (5375), 363-365 (1998).
  97. Ho, S. N., Hunt, H. D., Horton, R. M., Pullen, J. K., Pease, L. R. Site-directed mutagenesis by overlap extension using the polymerase chain reaction. Gene. 77 (1), 51-59 (1989).

Play Video

Cite This Article
Harnish, J. M., Deal, S. L., Chao, H., Wangler, M. F., Yamamoto, S. In Vivo Functional Study of Disease-associated Rare Human Variants Using Drosophila. J. Vis. Exp. (150), e59658, doi:10.3791/59658 (2019).

View Video