Rett syndrome (RTT) is a rare disease but still one of the most abundant causes for intellectual disability in females. Typical symptoms are onset at month 6-18 after normal pre- and postnatal development, loss of acquired skills and severe intellectual disability. The type and severity of symptoms are individually highly different. A single mutation in one gene, coding for methyl-CpG-binding protein 2 (MECP2), is responsible for the disease. The most important action of MECP2 is regulating epigenetic imprinting and chromatin condensation, but MECP2 influences many different biological pathways on multiple levels. In this review the known changes in metabolite levels, gene expression and biological pathways in RTT are summarized. It is discussed how they are leading to some characteristic RTT phenotypes and identifies the gaps of knowledge, namely which phenotypes have currently no mechanistic explanation leading back to MECP2 related pathways. As a result of this review the visualization of the biologic pathways showing MECP2 up- and downstream regulation was developed and published on WikiPathways.

Low melatonin levels are a frequent finding in autism spectrum disorder (ASD) patients. Melatonin is important for normal neurodevelopment and embryonic growth and highly effective in protecting DNA from oxidative damage. Melatonin deficiency, possibly due to low CYP1A2 activity, could be an etiologic factor. As the fetus does not produce melatonin, low maternal melatonin levels should be involved. We measured 6-sulfatoxymelatonin in urine of 60 mothers of a child with ASD that attended our sleep clinic for people with an intellectual disability (ID), and asked for coffee consumption habits, as these are known to be related to CYP1A2 activity. 6-Sulfatoxymelatonin levels were significantly lower in mothers than in controls (p = 0.005), as well as evening coffee consumption (p = 0.034).

This dataset provides information about monogenic, rare diseases with a known genetic cause supplemented with manually extracted provenance of both the disease and the discovery of the underlying genetic cause of the disease. We collected 4166 rare monogenic diseases according to their OMIM identifier, linked them to 3163 causative genes which are annotated with Ensembl identifiers and HGNC symbols. The PubMed identifier of the scientific publication, which for the first time describes the rare disease, and the publication which found the gene causing this disease were added using information from OMIM, Wikipedia, Google Scholar, Whonamedit, and PubMed. The data is available as a spreadsheet and as RDF in a semantic model modified from DisGeNET. This dataset relies on publicly available data and publications with a PubMed IDs but this is to our knowledge the first time this data has been linked and made available for further study under a liberal license. Analysis of this data reveals the timeline of rare disease and causative genes discovery and links them to developments in methods and databases.

Rett syndrome (RTT) is a rare disorder causing severe intellectual and physical disability. The cause is a mutation in the gene coding for the methyl-CpG binding protein 2 (MECP2), a multifunctional regulator protein. Purpose of the study was integration and investigation of multiple gene expression profiles in human cells with impaired MECP2 gene to obtain a data-driven insight in downstream effects. Information about changed gene expression was extracted from five previously published studies. We identified a set of genes which are significantly changed not in all but several transcriptomics datasets and were not mentioned in the context of RTT before. Using overrepresentation analysis of molecular pathways and gene ontology we found that these genes are involved in several processes and molecular pathways known to be affected in RTT. Integrating transcription factors we identified a possible link how MECP2 regulates cytoskeleton organization via MEF2C and CAPG. Integrative analysis of omics data and prior knowledge databases is a powerful approach to identify links between mutation and phenotype especially in rare disease research where little data is available.

Abstract Due to its involvement in physiological and pathological processes, histone deacetylase 6 (HDAC6) is considered a promising pharmaceutical target for several neurological manifestations. However, the exact regulatory role of HDAC6 in the central nervous system (CNS) is still not fully understood. Hence, using a semi-automated literature screening technique, we systematically collected HDAC6-protein interactions that are experimentally validated and reported in the CNS. The resulting HDAC6 network encompassed 115 HDAC6-protein interactions divided over five subnetworks: (de)acetylation, phosphorylation, protein complexes, regulatory, and aggresome-autophagy subnetworks. In addition, 132 indirect interactions identified through HDAC6 inhibition were collected and categorized. Finally, to display the application of our HDAC6 network, we mapped transcriptomics data of Alzheimer’s disease, Parkinson’s disease, and Amyotrophic Lateral Sclerosis on the network and highlighted that in the case of Alzheimer’s disease, alterations predominantly affect the HDAC6 phosphorylation subnetwork, whereas differential expression within the deacetylation subnetwork is observed across all three neurological disorders. In conclusion, the HDAC6 network created in the present study is a novel and valuable resource for the understanding of the HDAC6 regulatory mechanisms, thereby providing a framework for the integration and interpretation of omics data from neurological disorders and pharmacodynamic assessments.