Nat Neurosci︱新发现！人脑细胞特异性表达数量性状位点可识别精神和神经疾病的新风险基因
撰文︱周 宁
责编︱王思珍
编辑︱杨彬伟
脑部疾病的全基因组关联分析研究（GWAS）的大多数遗传关联位于基因组的非编码区域内，这对于鉴定风险基因以探究这些风险变异在不同脑细胞类型中如何调节基因表达提出了严重挑战[1]。表达数量性状位点（expression quantitative trait loci，eQTL），即解释基因表达水平变化的基因组区域，已成为揭示与基因组非编码区域中复杂性状和疾病相关变异的分子基础的有力工具[2]。
eQTL相关性高度依赖于细胞类型、细胞状态以及人脑发育阶段[3-4]。大多数先前人脑eQTL研究都是使用大量组织完成的，并且通过将GWAS结果与组织水平eQTL相结合。然而，这仅部分成功地对疾病风险基因进行了优先排序。最近有研究调查了特定脑细胞类型中的eQTL，比如，诱导多能干细胞衍生的多巴胺能神经元， 经分选的原代人类小胶质细胞。
2022年8月1日，瑞士罗氏（F. Hoffmann-La Roche Ltd.）的Dheeraj Malhotra团队和哥伦比亚大学欧文医学中心的Julien Bryois团队合作在Nature Neuroscience上发表了题为“Cell-type-specific cis-eQTLs in eight human brain cell types identify novel risk genes for psychiatric and neurological disorders”的文章，作者对成人脑组织进行了单核RNA测序并进行了系统的eQTL分析发现，基因表达的遗传控制具有明显的细胞类型特异性；细胞类型eQTL与GWAS结果的整合分析表明，在大多数GWAS基因座中，单个基因共定位在单个脑细胞类型中。因此该研究不仅提供了对疾病相关基因的见解，而且还确定了风险基因的新的细胞机制。
为了鉴定不同脑细胞类型中调节基因表达的遗传变异，作者对来192名基因分型供体的脑样本进行了单核RNA-seq并绘制了8种主要的脑细胞类型的cis-eQTLs，这些脑细胞类型来源于前额叶皮层、颞叶皮层和深部白质；综合基因分型（genotyping）鉴定cis-eQTL基因（总共7607个），进而对这些cis-eQTL基因进行细胞类型特异性遗传效应分析，同时整合细胞类型eQTL结果与GWAS结果，从而确定脑部疾病的风险基因（图1）。
图1 研究总结图
（图源：Julien Bryois, et al., Nat Neurosci, 2022）
作者通过测试每个表达基因的转录起始位点（TSS）周围的1兆碱基（Mb）窗口内的所有单核苷酸多态性（SNP），同时调整已知协变量（已有的研究与疾病状态）和推断协变量（基因型首要主成分与表达主成分），在上述八种不同的脑细胞类型（4799个独特基因）中发现了7607个具有cis-eQTL的基因（图1），检测到的eQTL数量在细胞类型之间有很大差异（图2a），并且这些eQTL数量与细胞类型的细胞核总数显示出高度相关性（图2b），这提示更多的细胞核可以更好地量化基因表达，并最终产生更多eQTL。神经元cis-eQTLs的分析数据复制率略高于胶质细胞cis-eQTL（图2c），可能是因为胶质细胞细胞类型不如皮层中的神经元普遍。cis-eQTL在TSS周围富集（图2d）。
有趣的是，通过基因功能丧失（loss of function）评分发现，神经胶质细胞类型中发现cis-eQTL基因与未检测到任何eQTL基因受到一样的遗传限制（控制）；仅在神经元细胞类型中，有cis-eQTL的基因比没有eQTL的基因所受遗传限制更少，但比在“组织样”分析中检测到的基因更受遗传限制（图2e）。这些结果表明在细胞类型水平上检测到的eQTLs 基因比在组织水平上检测到的eQTLs基因更受到严格的遗传控制基因，提示它们可能与疾病更相关。作者还进行了精细映射以鉴定cis-eQTL的因果SNPs。具有高因果概率的精细映射SNPs的示例包括：rs2207000作为抑制性神经元AHI1eQTL的可能因果SNP，以及rs17096421作为GLUD1兴奋性神经元eQTL的可能因果SNP（图2g），AHI1基因与大脑的异常发育相关，GLUD1基因则参与抑制性突触的形成。
图2 cis-eQTL分析结果
（图源：Julien Bryois, et al., Nat Neurosci, 2022）
基于上述发现，进一步地，作者通过应该转座酶研究染色质可进入性的单核高通量测序（即snATAC-seq）分析，可以确定脑细胞类型eQTLs与脑细胞类型特异性调控区域的重叠区域（图3a）。在胶质细胞类型（包括星形胶质细胞、小胶质细胞、少突胶质细胞和少突胶质细胞前体细胞/定向少突胶质细胞前体细胞等）中的特定ATAC-seq峰富集在相同细胞类型中发现的cis-eQTLs的周围，而非在其他细胞类型中富集，表明这些神经胶质细胞eQTL位于与细胞类型特异性基因调控功能相关的基因组区域。
进一步地，作者使用负二项式混合模型研究了7607个cis-eQT在不同细胞类型中的遗传效应。通过分别与：（1）其他七种细胞类型的平均遗传效应、（2）七种细胞类型中的至少一个细胞类型、以及（3）所有其他七种细胞类型，进行相比，作者分别发现了2661、3537和185个基因（图3b）。与非细胞类型特异性的eQTL相比，来自（1）和（2）的特定cis-eQTL更接近TSS。在所有细胞类型特异性eQTL中，神经元特异性eQTL基因比共享的神经元eQTL基因受到的遗传限制明显更少。有趣的是，185个细胞类型特异性eQTL基因与非细胞类型特异性eQTL基因的遗传效应不同，且更受到遗传控制，这些基因包括少突胶质细胞CHRM5、AVEN、TMPRSS5，以及小胶质细胞RNF150和FBN2（图 3d-f）。
接着，作者使用qvalue统计分析（Q-value estimation for false discovery rate control）评估了具有细胞类型特异性效应的eQTL的比例，发现，细胞类型特异性遗传效应的范围从9%到88%，具体取决于所比较的细胞类型。例如，在兴奋性神经元中检测到的所有eQTL在抑制性神经元中具有相似的遗传效应，而88%的小胶质细胞eQTL在兴奋性神经元中具有不同的遗传效应。同时，基于细胞类型特异性的遗传效应的估计比例，少突胶质细胞、少突胶质细胞前体细胞/定向少突胶质细胞前体细胞、星形胶质细胞可以被聚类（图 3c）；神经元也可以被聚类，估计只有9-41%的eQTL在其他神经元类型中具有不同的遗传效应。这些结果表明，不同脑细胞类型的基因表达的遗传调控存在显著差异，这可能与脑部疾病有关。
图3 细胞类型特异性遗传对基因表达的影响
（图源：Julien Bryois, et al., Nat Neurosci, 2022）
作者使用Coloc（用于分析两个相关表型的基因共定位）探究了与阿尔茨海默病（AD）、帕金森病（PD）、精神分裂症（SCZ）和多发性硬化症（MS）风险相关的遗传变异是否可能通过脑细胞类型cis-eQTLs发挥作用[5-8]。结果发现61-90%的共定位基因座含有一个通常发生在单个细胞类型中的共定位基因（图4a, b），表GWAS基因座的疾病风险通常是由作用于特定细胞类型的单个基因所介导。
在AD小胶质细胞检测到许多基因共定位信号，包括BIN1、CASS4、CD2AP、FCER1G等。作者利用eQTL分析整合GWAS数据的等位基因信息来预测增加基因表达对疾病风险的影响，发现ADAMTS4、APH1B, BIN1、INPP5D等基因的表达增加与AD风险的增加有关，而CASS4、PICALM、TREM2等基因的表达增加与AD风险的降低有关（图4c）。PD则具有更复杂的共定位信号模式（图4d）。一些基因在多种细胞类型中共定位（包括BIN3、CAMLG 、GPNMB) ），一些基因座具有与多种基因的共定位信号（包括MAPT、LRRC37A、LRRC37A2）。然而，对于大多数基因座，单个基因共定位在单个细胞类型中（比如SPTSSB、TMEM163）。这表明PD的遗传风险涉及多种脑细胞类型的多个基因的复杂相互作用。对于MS，作者观察到，脑细胞类型和免疫细胞类型之间的多效性在MS基因座中很常见，并确定了脑细胞类型中MS的风险基因，包括IQCB1、EAF2、SLC15A2 等（图4e），但这些结果应该根据免疫细胞类型的共定位结果来解释。而SCZ具有最多的共定位信号（图4f），大多数集中在兴奋性神经元中，比如FURIN、ZNF823等。
图4 GWAS遗传变异（基因座）与cis-eQTLs的共定位结果
（图源：Julien Bryois, et al., Nat Neurosci, 2022）
作者接下来评估了GWAS SNPs是否在共定位细胞类型中与共定位基因附近的调控区域重叠。通过邻近连接辅助ChIP测序（PLAC-seq）发现，在AD GWAS SNPs中，rs10792832和rs3851179与小胶质细胞特异性PICALM的增强子区域重叠（图5a,g），rs10933431与小胶质细胞特异性INPP5D的增强子区域重叠（图5b,h）。Ars117618017与APH1B启动子重叠（图5c），而另一个rs7515905位于少突胶质细胞CR1基因体内的增强子区域（图5d）。同样地，作者发现，6个PD GWAS SNPs与接近GPNMB TSS（4-27kb）的增强子及其启动子区域重叠（图5e），5个MS GWAS SNPs与星形胶质细胞NR1H3下游的两个增强子区域重叠（图5f）。
图5 GWAS SNPs围绕共定位基因的表观基因组重叠
（图源：Julien Bryois, et al., Nat Neurosci, 2022）
综上所述，该研究首次通过利用来自大量个体的单核RNA-seq数据对成人大脑中所有主要细胞类型进行表达数量性状位点（eQTL）研究，定义了脑细胞类型特异性eQTLs的参考数据集，并将eQTLs与GWAS和细胞类型特异性调控元件整合，鉴定高置信度的风险基因，为疾病相关细胞类型中的高置信度共定位基因提供了基础资源。
但这项研究仍有几个局限。（1）与大块脑组织的eQTL研究相比，样本量相对较小。（2）作者没有测量可能在疾病中起重要作用的基因剪接，这可能会丢失一部分GWAS SNPs与基因调控调控区域的重叠（即共定位信号）。（3）稀有细胞类型中发现的eQTL数量有限。（4）使用的GWAS均与疾病风险相关，与疾病进展无关，因此，共定位基因可能与疾病治疗无关。
原文链接：https://doi.org/10.1038/s41593-022-01128-z
【1】人才招聘︱“ 逻辑神经科学 ”诚聘文章解读/撰写岗位 ( 网络兼职, 在线办公)
【5】eClinicalMedicine︱荟萃分析：重复经颅磁刺激对帕金森病的疗效【6】NSMB | 从药理、结构到配体发现：血清素5A亚型受体的系统研究【7】PNAS︱许琪团队发现重度抑郁症DNA甲基化生物标志物BICD2并揭示其作用机制【8】Transl Psychiatry︱乔志宏课题组揭示过度暴露于新冠信息会放大情绪困扰【9】eLife︱ɑ-突触核蛋白的突触定位对基底外侧杏仁核病理性谷氨酸能突触传递起决定性作用【10】Nat Commun︱周艺课题组发现内侧视前区感知环境温度后介导摄食行为的拮抗性调控
参考文献（上下滑动阅读）
.1 Edwards, S. L., Beesley, J., French, J. D. & Dunning, M. Beyond GWASs: illuminating the dark road from association to function. Am. J. Hum. Genet. 93, 779–797 (2013).
2 GTEx Consortium. The GTEx Consortium atlas of genetic regulatory effects across human tissues. Science 369, 1318–1330 (2020).
3 Neavin, D. et al. Single cell eQTL analysis identifies cell type-specific genetic control of gene expression in fibroblasts and reprogrammed induced pluripotent stem cells. Genome Biol. 22, 76 (2021).
4 Werling, D. M. et al. Whole-genome and RNA sequencing reveal variation and transcriptomic coordination in the developing human prefrontal cortex. Cell Rep. 31, 107489 (2020).
5 Schwartzentruber, J. et al. Genome-wide meta-analysis, fine-mapping and integrative prioritization implicate new Alzheimer’s disease risk genes. Nat. Genet. 53, 392–402 (2021).
6 Nalls, M. A. et al. Identification of novel risk loci, causal insights, and heritable risk for Parkinson’s disease: a meta-analysis of genome-wide association studies. Lancet Neurol. 18, 1091–1102 (2019).
7 Trubetskoy, V. et al. Mapping genomic loci implicates genes and synaptic biology in schizophrenia. Nature 604, 502–508 (2022).
8 International Multiple Sclerosis Genetics Consortium. Multiple sclerosis genomic map implicates peripheral immune cells and microglia in susceptibility. Science 365, eaav7188 (2019)
本文完