单细胞水平群体多样性：解码遗传与细胞变异的转化性研究范式

这篇综述系统阐述了群体规模单细胞基因组学（scRNA-seq/ATAC-seq）如何通过高通量多组学（multiomics）和多重遗传扰动技术，揭示遗传变异与细胞异质性的互作机制。文章重点探讨了计算生物学方法（如mux-seq、CRISPR-Select）在解析分子变异定量分析中的应用，并展望了长读长测序和生成式机器学习模型对疾病相关遗传变异（如SLE、Crohn's病）功能注释的潜力。

　　

引言

群体遗传学的奠基者Ronald Fisher将"群体"定义为具有特定遗传特征的个体集合。现代研究揭示，人类疾病复杂遗传模式不仅涉及编码区和非编码区变异，还受群体特异性变异频率与环境互作的影响。单细胞生物学发现，尽管个体内细胞基因组成基本一致（免疫细胞V(D)J重组和体细胞突变除外），表观遗传状态和微环境响应仍驱动显著细胞异质性。

实验技术突破

从Tang等开创单细胞全转录组测序，到微流控（如10x Genomics）和组合索引（sci-Plex）技术的商业化，通量从单细胞提升至百万级。遗传多重分析（mux-seq）通过单核苷酸多态性（SNP）将细胞溯源至供体，而MULTI-seq脂质标记寡核苷酸技术实现无基因差异样本的标记。scifi-RNA-seq通过流体组合索引使液滴系统通量提升百倍，SCITO-seq则实现150+抗体的百万细胞规模蛋白检测。

多模态整合

GWAS揭示非编码变异主要通过转录调控影响疾病（如SLE）。单细胞表观组学突破包括：

1. 染色质可及性（scATAC-seq）定位细胞类型特异性调控元件

2. 组蛋白修饰（scCUT&Tag）解析H3K27ac/H3Kme3动态

3. CITE-seq同步检测表面蛋白（如CD4⁺ T细胞标记）

   多组学队列研究（如GTEx）显示，仅15%的eQTL与sQTL重叠，提示需多模态关联分析。

基因-环境互作

mux-seq在250例SLE患者中发现：

• 初始CD4⁺ T细胞减少与髓系细胞I型干扰素刺激基因上调负相关

• 64个体外周血单核细胞（PBMC）五重扰动实验揭示环境响应性eQTL

  iPSC分化为中脑神经元的研究（215细胞系）证实，分化阶段特异性eQTL能解释更多GWAS位点。

编码变异功能注释

蛋白语言模型（ESM/AlphaMissense）对ClinVar致病突变预测AUC达0.91。CRISPR-Select实现内源编辑表型多维量化：

• TP53/KRAS错义突变分型（功能缺失/获得功能）

• 碱基编辑（ABE/CBE）筛查50,000+临床变异

• 先导编辑（prime editing）精准安装阿尔茨海默病相关SNP

计算生物学挑战

memento算法通过矩估计解析：

1. 平均表达量遗传效应

2. 基因变异性（如转录爆发噪声）

3. 基因共表达网络

   多模态混合模型（如TEA-seq）需解决批次效应和层次实验设计问题。

体外功能验证

TOPMed计划发现97%变异频率<1%，46%为私有变异。VEXAS综合征案例显示体细胞UBA1突变可模拟风湿性多软骨炎。创新技术包括：

• CRISPEY细菌逆转录子实现16,000+自然变异并行编辑

• scSNV-seq（Tapestri平台）同步检测DNA编辑与转录组

• 增强子-基因互作筛选中，33%调控关系跨越最近基因

细胞间与个体间变异

酵母实验显示：

• 组成型基因表达呈亚泊松分布

• 染色质开放度与表达噪声负相关

  X染色体失活（XCI）偏斜现象解释女性IEI外显率差异，Klinefelter综合征男性SLE风险升高印证剂量效应。

未来方向

1. 长读长测序解析单倍型（Telomere-to-Telomere计划）

2. 疾病模型优化：iPSC"细胞村落"（cell villages）模拟发育轨迹

3. 生成式AI预测变异跨模态效应

   这些进展将深化对遗传架构的理解，推动精准医学发展。