编辑推荐：
摘要专业翻译
全基因组关联研究（GWAS）所鉴定的疾病相关位点可能通过改变转录因子（TF）结合而产生效应。然而，由于群体水平的TF结合实验数据稀缺，识别这些被扰动的TF仍具挑战性。为应对这一问题，研究人员提出了TFXcan框架，该框架将遗传预测的TF结合与表型
摘要专业翻译
全基因组关联研究（GWAS）所鉴定的疾病相关位点可能通过改变转录因子（TF）结合而产生效应。然而，由于群体水平的TF结合实验数据稀缺，识别这些被扰动的TF仍具挑战性。为应对这一问题，研究人员提出了TFXcan框架，该框架将遗传预测的TF结合与表型相关联，以提名可能调控复杂性状的TF-组织配对。在该框架内，研究人员引入了Enpact——一种基于深度学习的方法，整合Enformer与IMPACT以推断个体化的TF结合事件。借助Enpact，研究人员将700个TF-组织配对的预测结合谱与前列腺癌风险相关联，在风险位点识别出多个涉及的TF。矩阵分解进一步揭示了TF-组织配对聚类（称为“程序”），这些程序可作为疾病风险的候选驱动因素。TFXcan是首个能够从基因型数据大规模预测TF结合的方法，可实现复杂性状背后TF及调控程序的系统识别。
论文解读文章
一、研究背景与问题
全基因组关联研究（GWAS）已成功鉴定出大量与复杂疾病相关的遗传位点，其中绝大多数位于基因组的非编码调控区域，被认为通过调控基因表达而发挥作用。然而，精确阐明这些位点的作用机制仍是重大挑战。学界普遍认为，转录因子（TF）结合调控在这些位点赋予疾病风险中扮演重要角色。既往研究已发现疾病遗传力在体内外实测TF结合位点、可及性TF序列基序及预测TF结合位点中的高度富集。例如，类风湿关节炎遗传力高度集中于FOXP3结合位点，而T-bet结合降低与黏膜自身免疫疾病风险等位基因相关。
然而，这些研究存在共同局限：未能考虑TF结合在个体间的变异，以及结合位点中结合可能受遗传决定的情况。Baca等人开发的cistrome-wide association study（CWAS）框架虽可利用遗传预测的TF结合与组蛋白修饰来解释疾病GWAS位点，但训练单个CWAS模型需要至少100个样本的大型参考表观基因组panel，对于绝大多数TF、细胞类型和表观基因组标记而言，这类数据均不可得，使CWAS难以规模化应用。Reshef等人虽利用Basset深度卷积神经网络识别改变TF结合的等位基因，并整合GWAS汇总统计开发了signed linkage disequilibrium profile（SLDP）回归方法，但该方法假设TF对疾病具有一致效应方向，在TF结合对疾病风险效应方向可变的情况下会削弱全基因组效应。此外，Enformer等表观基因组预测模型在预测效应方向上存在符号不稳定问题。
鉴于上述挑战，研究人员开发了TFXcan框架——一种类比转录组全关联研究（TWAS）策略的方法，将遗传预测的TF结合概率与表型相关联，以机制性解释GWAS位点。
二、研究内容与核心发现
TFXcan框架的核心创新在于Enpact模型——一种结合Enformer与IMPACT方法的深度学习预测模型。Enpact利用参考遗传和表观遗传数据，跨组织预测个体基因型的TF结合。其线性版本SNP-Enpact从单核苷酸多态性（SNP）剂量信息生成跨组织TF预测，是TFXcan框架的核心预测器。研究人员基于关联强度而非符号构建方法，以避免不同结合位点TF结合效应方向相反或表观遗传预测因子相关符号不一致导致的统计效力损失。在完整实现中，TFXcan对700个SNP-Enpact预测的TF-组织配对与GWAS性状进行关联检验，结果以“Tenerife图”（热图）可视化，展示位点处TF-组织结合与前列腺癌（PrCa）之间与符号无关的关联强度（即Z2）。为提升生物学解释性，研究人员还提名可能驱动疾病风险的TF程序（即相关TF-组织配对聚类）。
三、主要关键技术方法
研究人员利用CistromeDB下载TF染色质免疫沉淀测序（ChIP-seq）峰数据确定全基因组结合状态，选取最多40,000个TF基序位点进行训练（结合与未结合位点各半），以参考DNA序列为中心应用Enformer计算包含5,313个表观基因组特征的参考表观基因组谱，随后训练弹性网络逻辑回归模型预测结合分数。为生成SNP-Enpact线性预测器，研究人员利用1000 Genomes计划中521例欧洲个体（EUR）的基因型数据，以Enpact计算各TF-组织配对的计算机模拟参考TF结合数据集，训练传统的基于群体的弹性网络SNP预测器。验证阶段使用Baca等人提供的121例个体前列腺AR结合实测数据及CWAS训练的SNP预测器作为基准。
四、研究结果
Enpact模型在ChIP-seq数据上训练并跨组织预测TF结合概率：研究人员为54个组织中的204个TF训练了Enpact模型，涵盖700个TF-组织配对。模型在保留基序上表现出高预测性能，AUROC中位数为0.960，AUPRC中位数为0.960。98.6%的TF-组织配对显示结合位点与未结合位点的预测分数存在显著差异。特征消融实验表明模型不依赖相关特征，而是捕获TF结合相关的广义调控逻辑。特征贡献分析显示TF ChIP-seq特征贡献最大，组蛋白ChIP-seq和染色质可及性次之，CAGE表达测量影响最小。在开放染色质区域内，98%的TF-组织配对仍能区分结合与未结合位点，表明预测性能并非仅由染色质可及性驱动。
AR-前列腺Enpact预测器预测个体间结合变异并捕获遗传组分：利用121例个体的群体规模AR结合数据，Enpact预测分数与实测AR峰强度显著相关。与CWAS预测相比，Enpact和CWAS预测在89%的ARBS（π1统计量=0.89）上显著相关，93%的ARBS在FDR<0.05水平显著相关，表明Enpact分数与AR结合的遗传调控组分高度相关。尽管存在已知的效应方向反转问题，但TF结合的方向不一致位点比例显著低于基因表达水平。
SNP线性预测器是Enpact预测TF结合的良好代理：SNP-Enpact与标准Enpact预测的中位交叉验证相关系数为0.98（IQR=0.94–0.99）。TF结合的遗传结构可能稀疏而非多基因，平均每个位点约155个SNP（占测试SNP的2.9%）用于预测模型，效应量最大的SNP位于ARBS附近。85%的ARBS至少有一个SNP预测器位于AR ChIP-seq峰内。
SNP-Enpact预测的AR-前列腺结合与PrCa风险的关联复现CWAS结果：利用140,306例PrCa GWAS汇总统计，研究人员鉴定出164个显著ARBS（p<0.05/18,612），位于74个独立LD区块。Enpact-based方法在FDR<0.05水平复现了77%（57/74）的CWAS PrCa风险ARBS。Enpact新发现的118个PrCa ARBS中，44个与CWAS发现的ARBS无连锁不平衡，其基因集富集分析显示与PrCa相关的通路（如CXCR趋化因子受体结合、IL-17信号通路、炎症相关通路及抗原加工呈递）。
TFXcan框架检验数百个TF与GWAS性状的关联：TFXcan应用于140个显著PrCa位点，对700个TF-组织配对进行结合-PrCa关联评估。总体上未发现特定TF或组织持续比其他更显著，多数位点观察到多个显著关联的TF-组织配对，提示PrCa风险涉及多个TF和组织的复杂TF结合簇破坏。
TFXcan突出PrCa病因中涉及的TF程序：通过经验贝叶斯矩阵分解（EBMF）框架对Tenerife矩阵进行分解，经1,000次重采样共识分析，鉴定出9个共识程序。其中“激素受体”程序由AR、RUNX1、FOXA1和NR3C1驱动；REST程序与CTCF程序分别由单一TF主导；另有肝脏、骨髓、血液和结肠等组织特异性程序。STRING蛋白-蛋白相互作用分析显示“激素受体”程序、程序1和程序2中前导TF的相互作用数高于随机预期。功能富集分析显示“激素受体”程序富集于细胞群体增殖调控、转录共激活因子结合及AR调控等条目；程序1显著富集于PI3K/AKT/mTOR信号通路；程序2富集于粒细胞生成相关过程。研究人员最终利用分解的载荷矩阵将每个PrCa风险位点分配给最可能被扰动的转录程序。
五、讨论与结论
TFXcan解决了生成数百个TF-组织配对TF结合数据的高昂成本以及GWAS规模下深度学习模型的计算负担两大问题。该方法无需先验知识即可同时评估多个TF，识别可能协同介导疾病风险的TF聚类。TFXcan具有可扩展性和可延伸性，可自然整合到TWAS等现有分析框架中。研究局限性包括对TF结合数据可用性和质量的依赖、对TF结合基序序列的先验知识需求、预测器跨个体泛化的假设，以及与TWAS类方法共有的假阳性问题（如与多个结合位点关联的变异导致的假阳性，以及LD驱动的关联混杂）。总体而言，TFXcan利用最先进的统计和深度学习方法，识别与疾病相关的遗传预测TF结合，无需先验知识即可同时评估多个TF，识别可能协同介导疾病风险的TF聚类，为理解调控复杂表型的分子过程提供了有力工具。
