Nature Genetics| 多变量eQTL方法发现精神疾病潜在机制

原创 风不止步 图灵基因 2022-02-13 07:03

收录于话题#前沿分子生物学技术

撰文：风不止步

IF=38.33

推荐度：⭐⭐⭐⭐⭐

亮点：

文章综合分析确定候选因果变体，并阐明精神分裂症、双相情感障碍和阿尔茨海默病基础基因的潜在调节机制。

2022年1月20日，西奈山伊坎医学院的Panos Roussos博士等人在《Nature genetics》上发表了一篇“Multi-ancestry eQTL meta-analysis of human brain identifies candidate causal variants for brain-related traits”的文章，文章开发了多变量QTL方法，并进行了大规模、多方位的eQTL元分析，以提高功率和精细映射分辨率。

全基因组关联研究已将数百个位点与神经精神和神经退行性状联系起来。然而，阐明这些性状的分子机制仍然具有挑战性，因为大多数风险变体都是非编码的，并且由于连锁不平衡（LD）而高度相关。风险位点与表达量性状位点的整合 (eQTL)已被广泛采用来识别基因和候选因果变体。最近，基因型-组织表达（GTEx）联盟在838个个体和49个组织中检测到95%的蛋白质编码基因和>60%的长非编码RNA基因的eQTLs。虽然检测初级（即最重要的关联）eQTLs的能力非常高，但在鉴定组织和细胞类型特异性效应、条件独立效应以及性状相关组织和细胞类型的候选因果变体方面的进展，有望进一步为疾病的分子病理学提供信息。

最初的努力包括通过实验纯化特定的细胞类型来分析人脑中的细胞类型特异性eQTL，但这种研究的样本量必然受到实验成本增加的限制，而且数据质量会受到额外实验步骤的影响。捕捉细胞类型特异性效应的另一种策略是统计学上定义条件性或环境依赖性eQTLs。虽然现有的研究有足够的能力来检测初级eQTLs，但识别条件独立的eQTLs，捕捉更微妙的细胞类型特异性效应，需要大样本量。

在eQTL检测之后，统计精细映射确定可能驱动表达变化的候选因果变体。通过整合GWAS和基因表达特征的联合统计精确定位可以定义那些增加疾病的候选因果变异。融合GWAS和基因表达特征，可定义那些通过基因表达的改变而增加疾病风险的候选因果变体。对这些变异体的解释和验证可以确定诸如FURIN、BIN1和C4等基因，以及在实验系统中进一步研究分子机制。然而，由于样本量有限和缺乏横断面分析，eQTL和GWAS的统计精细映射的分辨率并不完整。

为实现多方位eQTL精细映射和与大脑相关的GWAS结果整合的潜力，作者开发了多变量多QTL（mmQTL）管道，并将其应用于PsychENCODE、宗教秩序研究，记忆与衰老项目（ROSMAP）和GTEx的脑组织的综合分析。用线性混合模型进行eQTL检测，识别条件独立的eQTLs，并将各数据集的结果与随机效应元分析结合起来，该元分析对来自共享个体的多个脑区之间的相关性进行建模。然后，联合精细映射确定了基因表达和GWAS性状之间共享的候选因果变体。这种综合分析确定了候选因果变体，并阐明了精神分裂症（SZ）、双相情感障碍（BD）和阿尔茨海默病（AD）基础基因的潜在调节机制。

尽管是在批量RNA-seq数据上进行的，分析能够复制在纯化的小胶质细胞和神经元中发现的eQTLs，而且复制率大大高于PsychENCODE。此外，确定富集在细胞类型特异性开放染色质区域的候选因果变体。虽然最近很多工作都在追求从纯化的细胞群中产生eQTLs，而且从单细胞/细胞核RNA-seq中发现eQTL也变得可行，但从大块组织中进行的eQTL元分析表明，大样本量和复杂的统计模型有能力复制来自纯化细胞类型的小型研究的eQTLs。

虽然具有可检测的eQTLs的基因数量接近饱和，但增加样本量也有很大的价值。在mmQTL工作流程中使用不同血统的个体与线性混合模型配对，以提高统计精细映射的分辨率。此外，进行条件性eQTL分析确定具有多达12个独立eQTL的基因。这些条件性eQTLs往往具有较低的MAF，离转录起始位点较远，影响的基因更具有细胞类型的特异性。具有二级和三级eQTLs的基因数量似乎并不接近饱和，强调了尚待确定的调控变化。

在数百个复杂的性状中整合eQTLs和GWAS的统计精细图谱，使人们能够深入了解候选的因果变体、疾病遗传机制和多态性。专注于大脑相关性状的基因调控机制，确定20个基因和候选因果变体，预测它们会驱动SZ和BD的风险，另外还有5个AD的风险。其他方法侧重于发现疾病基因，而文章侧重于发现疾病风险的基因-变异体对，以阐明传达风险的分子机制。

进一步将多组学数据与多方位精细绘图和大规模GWAS结合起来，有望对疾病风险的分子机制有进一步的了解。未来的研究准备在多个组织或脑区进行多种基因组检测，即RNA-seq和ATAC-seq，并通过分选或单细胞/细胞核方法针对多种细胞类型。mmQTL方法将使该领域能够利用这些重复测量数据集，同时模拟效应大小的异质性并控制假阳性率。追踪从变异体和分子机制到复杂表型的多态性的因果关系链的努力，有望产生对新的治疗目标的洞察力。（所有的结果都可以从Brain eQTL元分析资源（icahn.mssm.edu/brema）获得）

教授介绍

Panos Roussos是西奈山伊坎医学院的精神病学和遗传学及基因组学教授，也是Pamela Sklar精神病基因组学部门的主任。他是伊坎数据科学和基因组技术研究所和弗里德曼大脑研究所的成员，也是James J. Peters退伍军人医疗中心的退伍军人/MIRECC研究医师。在希腊克里特大学获得医学和博士学位，并在西奈山伊坎医学院完成了精神病学住院医师（研究方向），随后获得了MIRECC精神分裂症的研究奖学金。早期研究集中在对中间认知表型的遗传探索，包括人类受试者的惊吓反射的前冲抑制，以及使用药物基因组学方法恢复缺陷。在西奈山伊坎医学院精神病学住院医师期间（医生-科学家研究方向），通过将基因组学与基因表达和基因网络方法相结合，从事人类尸检研究。研究重点是利用先进的生物统计学方法整合高维数据，如基因组学、表观基因组学和转录组学，以确定风险遗传变异增加神经精神疾病风险的一些机制。

参考文献

Biao Zeng, Jaroslav Bendletal.Multi-ancestry eQTL meta-analysis of human brain identifies candidate causalvariants for brain-related traits(2022)