基于群体染色质可及性数据的基因型推断揭示遗传调控机制

《Genome Biology》：Genotype inference from aggregated chromatin accessibility data reveals genetic regulatory mechanisms

编辑推荐：本研究通过开发创新性分析流程，从10,293个公共ATAC-seq样本中直接推断基因型并鉴定24,159个染色质可及性数量性状位点(caQTL)，揭示了caQTL与eQTL及GWAS信号的共定位关系，为解析非编码区变异影响复杂性状的分子机制提供了重要资源。

　　

染色质可及性的动态变化是基因调控的关键环节，但如何系统解析遗传变异对染色质状态的调控一直是领域内的重要挑战。传统研究受限于样本规模小、组织来源单一，且多数公共ATAC-seq数据缺乏配套基因型信息。约翰霍普金斯大学等机构的研究团队创新性地开发了从ATAC-seq数据直接推断基因型的分析流程，通过对653项研究中10,293个样本的系统分析，构建了迄今最全面的caQTL图谱，相关成果发表于《Genome Biology》。

研究采用三大关键技术：1) 基于Gencove低通量测序流程从ATAC-seq数据推断全基因组基因型，在HapMap LCL样本中验证准确率达88%；2) 使用Genrich算法跨样本联合检测1,659,379个染色质开放区域；3) 整合1454名供体的多组学数据，通过tensorQTL进行caQTL定位，并采用COLOC方法分析caQTL与GWAS/eQTL的共定位关系。

主要研究发现包括：
"Accurate genotyping and imputation"部分证实ATAC-seq数据可实现高精度基因型推断，10kb窗口内caQTL检测召回率达90%，优于传统GATK流程。通过样本相关性分析成功鉴别出1454名独立供体，解决了公共数据中样本重复的难题。

"Peak calling across all samples"显示鉴定的开放区域显著富集于增强子（H3K4me1修饰）和启动子区，且与ENCODE转录因子结合位点高度重叠，验证了数据质量。值得注意的是，27%的基因组区域被鉴定为细胞类型特异的染色质开放区。

"caQTL mapping"章节报道了24,159个显著caQTL，其lead变异体精准定位于开放区域中心。这些位点与GTEx中49个组织的eQTL存在1.73-4.75倍富集，且13%的caQTL与eQTL共享lead变异，提示其直接调控基因表达的潜力。

"Colocalization analyses"揭示caQTL可解释37%的UK Biobank GWAS信号，其中28%为eQTL未能覆盖的位点。典型案例显示1p13胆固醇位点的caQTL与SORT1基因表达及血脂性状共定位，验证了C/EBP转录因子结合变异的调控机制。

"Cluster-specific caQTL"通过UMAP聚类发现11个生物学相关组别。淋巴母细胞系（cluster 9）特异性caQTL能解释71%的独特eGene共定位事件，证实组织特异性调控的存在。整合全局与簇特异性分析使GWAS信号解释率提升至64%。

该研究建立了从公共数据挖掘遗传调控信息的范式，其创新性体现在：1) 开发了不依赖基因型芯片的caQTL检测体系；2) 构建了跨组织、跨人群的最大规模caQTL资源；3) 揭示了caQTL通过改变转录因子结合（如ZNF135）介导远端基因调控的分子机制。这些发现为解读非编码GWAS信号提供了新视角，未来可通过单细胞多组学进一步解析细胞状态特异的调控网络。