综述：推进肺部疾病治疗靶点发现：空间探索技术的演变与应用

本综述系统探讨了Hi-C等三维基因组学技术在肺部疾病研究中的突破性应用，揭示了染色质空间结构与基因调控的深层关联，为慢性阻塞性肺疾病（COPD）、哮喘、肺纤维化及肺癌的靶点发现提供了新范式。

　　

2 基于Hi-C技术的历史与应用

三维基因组学研究起源于20世纪80-90年代，但直到2002年染色体构象捕获（3C）技术的出现才真正开启了对染色质空间互作的研究。随后发展的4C、5C等技术逐步拓展了研究维度，而Hi-C技术通过将构象捕获与高通量测序结合，实现了全基因组范围内染色质相互作用的系统性测绘。其核心步骤包括甲醛交联固定空间结构、限制性内切酶消化、生物素标记连接点、连接反应及高通量测序，最终通过数据分析重构染色质三维模型。

Hi-C技术不仅用于研究染色质片段互作和基因组折叠建模，还在基因组组装、单倍型分型及宏基因组组装中发挥重要作用。当与RNA-Seq、ChIP-Seq等多组学数据整合时，更能从基因调控和表观遗传网络层面揭示性状形成机制。近年来涌现的多种衍生技术进一步拓展了应用边界：Capture Hi-C通过特异性探针捕获目标区域，增强特定区域的互作信号；Promoter Capture Hi-C专注启动子区域互作分析；Dip-C首次实现单细胞二倍体全基因组三维结构的高分辨率重建；单细胞Hi-C技术的优化使单细胞水平染色质互作检测精度显著提升；而ChIA-Drop、GAM和SPRITE等连接非依赖技术则能捕获多向互作和高级染色质结构，弥补了Hi-C技术的局限性。

3 Hi-C技术在肺部疾病中的靶点发现能力

3.1 COPD与哮喘

慢性阻塞性肺疾病（COPD）和哮喘作为全球高发呼吸系统疾病，其发病机制涉及遗传与环境因素的复杂交互。全基因组关联研究（GWAS）发现多个疾病相关非编码区域，但其功能机制一直成谜。Hi-C技术通过解析染色质三维结构，揭示了这些非编码区域通过空间互作调控关键基因表达的新机制。

在COPD研究中，Guo等通过Hi-C分析发现4q31区域的远端增强子以SMAD3依赖方式调控HHIP基因转录，而HHIP表达下调会增强TGFβ诱导的上皮-间质转化（EMT），这可能是COPD发病的重要环节。对17q12-q21儿童哮喘易感位点的研究发现，该区域非编码序列通过三维互作调控相邻基因表达。Mak等通过全基因组测序结合Hi-C分析，发现染色体12上新型肺功能相关位点与KITLG基因表达相关，且该基因与空气污染暴露存在交互作用，提示其在过敏炎症调控中发挥作用。

Stuart团队运用Hi-C与CRISPRi技术验证了19q13、17q21和11p15区域非编码序列的增强子功能。Granell等发现9q21.13区域ANXA1基因附近的哮喘易感位点通过调控该基因表达影响过敏性气道炎症。Joo等则通过Hi-C发现LINC02220基因内非编码区与DNAH5基因启动子存在互作，为哮喘患者支气管扩张剂反应性提供新解释。Morin研究通过全基因组亚硫酸氢盐测序与Promoter Capture Hi-C整合分析，发现过敏哮喘相关CpG位点通过三维染色质互作调控基因表达，中等甲基化水平CpG可能成为跨人群稳定的生物标志物。

3.2 肺癌

肺癌作为全球癌症相关死亡的首要原因，其发生发展与遗传变异、拷贝数变异（CNV）、染色体重排和表观遗传改变密切相关。GWAS研究已发现45个可能与肺癌易感性相关的单核苷酸多态性（SNP），其中绝大多数位于非编码区域。

Ji等整合肺癌细胞系Hi-C数据与亚洲人群GWAS数据，系统分析了染色质互作区域内遗传变异与肺癌风险的关联，发现1q21.1、2p23.3、2p15和17q21.2四个新肺癌易感位点。例如rs9309336位点可能通过影响转录因子FOXP1结合位点调控CHD1L基因表达。Li等通过对比肺癌组织与正常组织的Hi-C数据，发现肿瘤组织中存在显著的染色质结构变化，包括A/B区室转换、拓扑关联结构域（TAD）改变和增强子-启动子环形成，这些变化与MAPK、PI3K-AKT、Ras和Wnt等信号通路密切关联。研究还鉴定出SYT16、NCEH1、NXPE3、MB21D2和DZIP1L五个关键基因，其中四个位于3号染色体长臂，实验验证表明这些基因在肺癌发生发展中起重要作用。

Adeel等证实Hi-C数据在检测染色体重排方面与全基因组测序（WGS）同样可靠。Fan团队通过Hi-C发现包含超级增强子的新TAD（chr9:5,400,000-5,600,000），驱动PD-L1和PD-L2同步转录。Wu等开发了增强子RNA（eRNA）定量计算方法，通过整合Hi-C、ChIP-seq和RNA-seq数据揭示转录增强子与肺癌标志物或癌基因的关联。Guo团队开发TARGET计算框架，通过分析TAD边界变化系统识别小细胞肺癌（SCLC）中异常调控的候选基因。

4 讨论

Hi-C技术通过全面绘制染色体相互作用图谱，揭示了基因组不同区域间的空间对话机制，为理解基因调控提供了线性测序无法实现的视角。在肺部疾病研究中，研究人员通过对比健康人与COPD、肺癌患者肺组织Hi-C数据，能够识别导致基因表达异常的染色质互作破坏，快速锁定潜在治疗靶点。

这种高效的工作流程在肺癌研究中尤显价值，传统靶点识别方法耗时昂贵，而Hi-C的空间数据能让研究者聚焦于可能驱动疾病的关键互作，极大简化药物发现流程。将Hi-C与转录组学（RNA-seq）、蛋白质组学等多组学技术整合，能更准确关联染色质互作与基因表达变化，揭示表观遗传驱动机制。例如结合DNA甲基化和组蛋白修饰谱，可全面解析基因组架构与基因调控的相互作用。

当前Hi-C技术仍面临分辨率限制的挑战，尽管单细胞Hi-C等前沿方法有望通过单细胞水平染色质互作分析提供解决方案。肺部疾病的复杂性要求个性化医疗方案，Hi-C及其补充技术将为基于个体基因组和环境特征的精准治疗提供关键支持。

总体而言，Hi-C技术通过阐明基因组三维结构及其对基因调控的影响，为快速识别肺部疾病治疗靶点提供了强大工具。随着该领域不断发展，Hi-C与其他基因组技术的整合将深化我们对肺部疾病及其复杂发病机制的理解，最终推动更有效的治疗策略发展和患者预后改善。