《Nature Genetics》血液基因表达与剪接的多组学探秘

在生命科学的宏大拼图中，基因调控一直是一块关键却又充满神秘色彩的拼图碎片。通过全基因组关联研究（GWAS），科学家们发现了大量与常见疾病和复杂性状相关的遗传变异，然而，其中大多数位于非蛋白质编码序列，这使得这些基因型与表型之间的分子机制犹如隐藏在迷雾之中。为了穿透这层迷雾，深入了解基因调控的奥秘，来自多个研究机构的科研人员开展了一项意义重大的研究，相关成果发表在《Nature Genetics》杂志上。

此前研究的局限性促使科研人员踏上新的探索征程。许多针对分子数量性状位点（QTL）的研究往往局限于单一分子领域，无法全面揭示从遗传变异到复杂性状表型的完整因果分子链。而且，缺乏多组学数据的整合也限制了对遗传效应的深入理解。在这样的背景下，本次研究应运而生。

本研究由多个国外研究机构的科研人员共同参与，其中包括 Wellcome Sanger Institute、British Heart Foundation Cardiovascular Epidemiology Unit 等。研究人员借助 INTERVAL 研究这一生物资源库，对约 50,000 名献血者进行了广泛的多维 “组学” 分析，旨在全面解析基因表达和剪接的 QTLs，并探究它们与各种分子表型和健康结局之间的关系。

研究人员运用了一系列先进的技术方法。首先，对 4732 名献血者的外周血进行了全血 RNA 测序（RNA-seq），以此来量化基因表达水平和转录剪接表型。随后，通过特定的算法和软件，如 tensorQTL 等，进行 QTL 定位分析，确定基因表达和剪接的调控位点。同时，研究人员还整合了来自同一研究的血浆蛋白、血清代谢物等多组学数据，运用统计共定位分析和中介分析等方法，深入探究遗传信号在不同分子层面的共享情况以及转录表型对下游分子表型的因果影响。

下面来详细看看研究的具体成果：

1. 遗传对局部基因表达和剪接的调控：研究人员通过 RNA-seq 对 19,173 个常染色体基因的表达水平和 111,937 个转录剪接表型进行了量化。在此基础上，他们成功识别出 17,233 个基因的顺式表达 QTL（cis-eQTL）和 29,514 个剪接事件的顺式剪接 QTL（cis-sQTL）。这些发现极大地拓展了人们对基因表达和剪接遗传调控的认知。通过条件分析，研究人员还发现了大量独立信号，并且发现 cis-eQTL 和 cis-sQTL 在基因组上的分布具有一定特征，部分信号存在共定位现象，这暗示了它们在基因调控中的协同作用。

2. 遗传对远端基因表达和剪接的影响：研究人员进一步探索了遗传变异对远端基因表达和剪接的调控作用。尽管研究的统计效力低于 eQTLGen，但依然成功复制了部分 eQTLGen 中最显著的反式 eQTL（trans-eQTL）关联。通过针对性分析，研究人员识别出 2,058 个反式 e 基因（trans-eGenes）和 644 个剪接事件的反式关联，这表明遗传变异可以通过顺式作用影响远端基因的表达和剪接，为基因调控网络的复杂性增添了新的证据。

3. 分子性状间的共享遗传病因：研究人员对转录 QTL 与其他组学 QTL 进行了比较分析。通过统计共定位分析，发现许多蛋白质和代谢物的 QTL 与 cis-eQTL 或 cis-sQTL 存在共定位现象，这意味着这些分子性状可能受到共同的遗传调控。研究还发现，不同平台测量的蛋白质在共定位结果上存在差异，并且剪接事件可以通过影响蛋白质结构和分泌来调节血浆蛋白水平，进一步揭示了遗传变异影响分子表型的复杂机制。

4. 转录事件对分子表型的因果影响：为了评估转录表型对下游分子表型的因果关系，研究人员进行了中介分析。结果发现，143 个 cis-e 基因的表达和 106 个剪接事件显著介导了遗传变异对 222 个下游分子表型的影响。这一结果为理解遗传变异如何通过转录调控影响分子表型提供了直接证据，有助于深入剖析复杂疾病的发病机制。

5. 解析 GWAS 位点的分子机制：研究人员将 QTL 数据与疾病相关的遗传关联信号进行共定位分析，发现许多疾病相关信号与 cis-e 基因和 cis-s 基因共定位，揭示了这些基因在疾病发生发展中的潜在作用。例如，IL₇R 的剪接 QTL 与皮炎和湿疹的关联位点共定位，暗示了其可变剪接产生的可溶性异构体在疾病中的作用；WARS1 的剪接 QTL 与高血压风险共定位，为高血压的发病机制提供了新的见解。

6. COVID-19 相关 GWAS 位点的转录机制：鉴于全血 RNA 主要来源于循环免疫细胞，而宿主免疫反应在 COVID-19 中至关重要，研究人员对 eQTL 和 sQTL 与 COVID-19 相关遗传位点进行了共定位分析。结果发现，67 个 cis-e 基因和 42 个 cis-s 基因的信号与 COVID-19 位点共定位，其中 OAS1 和 IFNAR2 基因的相关发现为 COVID-19 的发病机制提供了新的线索，表明遗传变异可能通过影响这些基因的转录和剪接，进而影响疾病的严重程度。

在研究结论与讨论部分，研究人员强调了本研究的重要意义。通过对 4732 名个体的 RNA-seq 分析，研究人员发现了大量的 eQTL 和 sQTL，为全面了解全血基因表达的遗传决定因素提供了丰富的数据资源。研究还发现，非主要信号在基因表达调控和疾病关联中起着重要作用，这凸显了条件分析的价值。通过多组学数据的整合和中介分析，研究人员揭示了遗传变异影响分子表型和疾病风险的多种机制，为深入理解复杂疾病的发病机制提供了新的视角。

不过，本研究也存在一些局限性。在转录剪接分析方面，虽然采用的无注释方法有利于下游分析，但可能忽略了其他转录剪接方面的信息。在全基因组 eQTL 和 sQTL 的反式定位中，统计效力有限，且难以区分反式 QTL 与细胞类型异质性的影响。研究仅分析了血浆中的蛋白质，无法全面反映基因表达和剪接对细胞内蛋白质的影响。不同分子数据类型的内在特性也给结果解释带来了挑战，并且研究队列仅包含欧洲血统的个体，其研究结果在其他血统人群中的可推广性还有待进一步研究。

尽管存在这些不足，本研究依然为基因调控机制的研究开辟了新的道路。它不仅为后续研究提供了宝贵的数据资源和研究思路，也为精准医学的发展奠定了基础。相信在未来，随着研究技术的不断进步和研究范围的不断扩大，我们将对基因调控与健康疾病之间的关系有更深入、更全面的认识。