基于462种哺乳动物的基因丢失与错义变异约束图谱：GISMO和GISMO-mis揭示基因必需性并改善疾病基因优先级

《Nature Genetics》：The landscape of gene loss and missense variation across the mammalian tree informs on gene essentiality

　　

基因和序列在物种间的保守模式为自然选择下的基因必需性提供了线索。研究人员开发了两个跨462种哺乳动物的种间约束指标：哺乳动物直系同源基因身份评分（Gene Identity Score of Mammalian Orthologs, GISMO），其按与人类的进化距离加权量化基因丢失；以及GISMO-mis，其利用跨哺乳动物错义/同义变异比值衡量错义约束。两指标均与大规模测序研究得到的人类功能缺失（loss-of-function, LoF）、错义和剂量约束强相关，但在很大程度上独立于编码序列长度。GISMO和GISMO-mis可识别现有人类单一物种指标漏掉的关键必需基因，尤其是短基因。约束最强十分位中的基因富集于与生育力降低相关疾病的罕见变异关联，包括精神分裂症、自闭症和神经发育障碍，并显示常见变异遗传力的强富集。这些十分位还表现出拷贝数变异（copy number variation, CNV）减少，与剂量敏感性一致。此外，GISMO改善隐性致病基因的优先级，并捕获跨哺乳动物树的纯合选择特征。总体而言，GISMO和GISMO-mis利用深时哺乳动物进化，提供互补且对长度稳健的基因必需性度量，从而增强疾病-基因优先级并阐明塑造人类生物学的选择压力。

研究背景：大规模测序使人类基因必需性得以量化，功能缺失（loss-of-function, LoF）与错义变异的耐受程度可反映选择约束；Genome Aggregation Database（gnomAD）衍生的LoF observed/expected upper bound fraction（LOEUF）和most observed/expected upper bound fraction（MOEUF）已用于临床遗传学。但LOEUF对短基因校准不足，短基因可突变位点少，难以判断观察数低是否由期望数低所致；种内变异量化还需极大规模样本和高成本。跨物种保守性长期用于变异致病性预测，直系同源基因跨物种常保留相似序列和功能，哺乳动物比较基因组学可提供深时选择信号。该论文发表于《Nature Genetics》，研究人员据此在462种胎盘哺乳动物中刻画基因丢失和固定错义差异，开发GISMO和GISMO-mis，并评估其与人类约束、拷贝数变异（copy number variation, CNV）、疾病遗传信号及疾病基因优先级的关系。结论是两指标与人类LoF、错义和剂量约束相关且对编码序列长度稳健，可识别LOEUF漏掉的短必需基因，捕获常见变异遗传力和罕见变异关联，并改善隐性致病基因优先级。其意义在于提供互补、长度稳健的基因必需性度量，增强疾病-基因优先级并揭示塑造人类生物学的选择压力。

关键技术方法：以462种胎盘哺乳动物和人类GENCODE v38注释为基础，采用TOGA（从基因组比对推断直系同源基因的工具）推断直系同源基因并判定开放阅读框破坏；构建跨物种密码子比对和哺乳动物共识序列，统计错义/同义变异；按与人类进化距离加权计算GISMO，以平均错义/同义比值计算GISMO-mis；使用UK Biobank外显子CNV数据（n=197,306）、Genotype-Tissue Expression（GTEx）、Online Mendelian Inheritance in Man（OMIM）以及Deciphering Developmental Disorders研究14,000个三人组等资源，并以LD score回归等进行遗传力分区和基因集基准评估。

研究结果：
跨哺乳动物基因丢失、错义和同义变异的表征：研究人员用462种胎盘哺乳动物直系同源和密码子比对发现，每基因中位18个基因丢失事件，每物种中位1,130个可能基因丢失事件；仅NAP1L1、ZC3H14、MEIS2、STRIP1、CCT5和ATP6V0D1六个基因无丢失。每基因平均错义计数的中位数为27.7，同义为53.4；每物种中位610,603个错义变异和1,084,983个同义变异。

定义GISMO和GISMO-mis：GISMO按与人类进化距离加权估计跨462种哺乳动物的基因丢失比例，低值表示更保守；GISMO-mis为平均哺乳动物错义/同义比值。GISMO覆盖GENCODE v38中97.7%的基因。最受约束十分位富集小鼠杂合致死、纯合致死和细胞系必需基因，最少约束十分位富集非必需和嗅觉基因；两指标与LOEUF、MOEUF、pHaplo、pTriplo、AlphaMissense和sHet相关，UK Biobank CNV中约束最强十分位缺失和重复最少。

利用GISMO识别较短的不耐受基因：GISMO和GISMO-mis与编码序列（coding sequence, CDS）长度相关性均为R=?0.12，而LOEUF为R=?0.50；前15%最受约束基因中，GISMO和GISMO-mis不耐受基因的中位CDS分别短于LOEUF不耐受基因。LOEUF耐受但GISMO不耐受的基因富集小鼠精子不动、顶体缺失和肌动蛋白骨架异常形态等基因集。

识别LOEUF中潜在性染色体偏倚：LOEUF高度约束而GISMO最低约束的不一致基因富集X连锁基因；仅限X连锁基因时，未发现孟德尔病基因或必需表型显著富集，提示LOEUF可能因半合子、性别偏倚选择或短读长变异检测技术难题而高估部分性连锁位点约束。

哺乳动物基因丢失和固定错义差异捕获人类疾病信号：UK Biobank 276个独立性状的遗传力分区显示，两指标约束十分位呈线性遗传力富集，最少约束十分位富集最低；自闭症、精神分裂症和神经发育障碍等生育力降低相关性状的罕见变异关联随约束增强。

改善隐性疾病-基因优先级：OMIM 1,183个隐性基因在GISMO最受约束十分位富集（OR=3.37），GISMO-mis无显著富集；709个显性基因在两指标最受约束十分位均富集。Deciphering Developmental Disorders 14,000个三人组中，高置信隐性发育障碍基因分布类似孟德尔隐性基因，有限和中等证据类别受LOEUF高约束影响，反映强杂合选择。

跨哺乳动物和人类遗传学的推荐用法：建议尽量连续使用两指标，分类时可用十分位；人类遗传学中最受约束十分位富集剂量敏感、模型致死和孟德尔病基因，GISMO-mis与LOEUF、AlphaMissense一致，GISMO对重复或难映射基因仍保留评分能力；比较基因组学中低GISMO反映长期进化必需性，高GISMO提示谱系特异可缺失或适应丢失；保守指标不受当代人口统计学影响，X染色体上GISMO和GISMO-mis约束分布更均匀。

讨论与结论：讨论指出，GISMO是首批跨哺乳动物树量化基因丢失的指标之一，仅六个基因无丢失；基因丢失为基因组中开放阅读框破坏，类似种内纯合LoF携带者，可解释其对临床隐性基因的优先级。GISMO-mis在经典d_N/d_S基础上采用多物种共识和进化距离，与LOEUF、AlphaMissense相关性更强。限制包括哺乳动物保守未必反映人类近期选择、GISMO同时反映纯合和杂合选择需与LOEUF和GISMO-mis联用、物种抽样存在存活和可及性偏倚、非系统发育版本与系统发育版本关系等。研究结论译述：总体而言，研究人员证明哺乳动物基因丢失和错义固定是选择的重要度量；开发的GISMO和GISMO-mis分别量化基因丢失的进化约束和分子适应，提供基因重要性排序，有助于更好理解基因必需性和疾病关联。