基于基因组特征分析的神经肌肉疾病基因基本特性鉴定

《Human Molecular Genetics》：Identifying fundamental properties of neuromuscular disorder genes through genomic feature analysis

　　

神经肌肉疾病（NMDs）包括影响外周神经系统的多种疾病，通常由损害骨骼肌功能的遗传改变引起。分子诊断仍具挑战性，因为部分致病基因尚未被识别。因此，研究人员采用特征选择方法来表征区分NMD基因与其他蛋白编码基因的基因组特性。将经整理的与NMD相关的基因（n=639；GeneTable of NMDs）与134个常染色体蛋白编码基因的基因组特征（涵盖基因复杂性、遗传变异、表达模式及其他基因性状）进行整合。结合基于机器学习的Boruta特征选择与统计分析，比较NMD基因与其他蛋白编码基因的差异。研究人员还评估了NMD基因与高置信度非NMD疾病基因的比较，考察了NMD亚组间的变异，并分析了2020年至2024年间新增至NMD目录的基因。与其他蛋白编码基因相比，NMD基因在疾病相关组织（包括骨骼肌和心脏）中表现出更高的表达水平；更高的转录本复杂性和群体遗传约束性；以及在多个进化指标上更强的保守性。在区分NMD基因与高置信度非NMD疾病基因及其他常染色体基因的33个特征中，有28个为表达指标。不同NMD亚组的特征谱存在差异，而2020至2024年间新增的基因在所有Boruta确认的特征上均显示出与已确立NMD基因相似的特征谱。本研究确定了能够区分NMD基因与高置信度疾病基因及更广泛的常染色体蛋白编码基因的基因组特征。这些发现揭示了NMD基因在基因结构、表达、约束和进化保守性方面的特性，并可能为遗传学未解明的NMD病例中的候选基因优先级排序提供依据。

研究背景

神经肌肉疾病是一类影响外周神经系统（包括运动神经元、神经肌肉接头和骨骼肌）的异质性疾病群，全球约有1500万人受累，患病率约为千分之一。大多数神经肌肉疾病具有遗传病因，尽管测序技术的进步已鉴定出超过600个致病基因，但分子诊断率仍低于60%。许多患者因现有基因面板和外显子测序的局限性、变异解读的复杂性以及致病变异位于尚未与神经肌肉疾病关联的基因和基因组区域而长期无法确诊，面临漫长的“诊断之旅”。由于人类基因组包含近20000个蛋白编码基因，系统性识别未知致病神经肌肉疾病基因对于指导遗传诊断和理解疾病机制至关重要。

研究目的

为解决上述问题，研究人员假设在全基因组范围内对神经肌肉疾病所有亚型应用特征选择方法可揭示其共享的生物学特征并提供对其遗传结构的洞察。为此，他们整合了来自多个公共数据集的广泛基因组注释，并与已知神经肌肉疾病基因列表相结合，应用Boruta特征选择和互补分析方法，旨在识别区分神经肌肉疾病基因与其他蛋白编码基因的最重要特征，进一步将其与其他高置信度疾病基因进行比较，考察亚组间变异，并评估新近加入目录的基因是否呈现相同特征模式。

主要技术方法

研究人员首先从GeneTable of NMDs获取639个神经肌肉疾病基因，并从Ensembl等来源获取17880个其他常染色体蛋白编码基因。随后构建了包含134个基因组特征的数据集，分为四大类别：基因复杂性（38个）、遗传变异（11个）、基因表达（81个）和基因性状（4个）。缺失值使用MICE R包通过预测均值匹配进行插补。特征选择采用Boruta随机森林算法（R Boruta包，最大迭代250次），并通过Wilcoxon秩和检验计算效应量进行互补统计分析。此外，利用Gene Curation Coalition的高置信度疾病基因作为对照，并进行了神经肌肉疾病亚组分析和时间序列比较（2020年与2024年基因列表）。

研究结果

1. 基因组特征区分神经肌肉疾病基因与其他常染色体蛋白编码基因

Boruta算法将134个特征中的107个分类为“确认”特征。排名前10的特征包括：骨骼肌基因表达（GTEx t统计量）位列最重要特征，其次是心脏左心室表达、心脏Tau（组织特异性评分）、转录本计数、基于恒河猴和狨猴omega值的进化指标、心脏心耳表达、小鼠同源物百分比同一性，以及gnomAD功能丧失和错义观察值与期望值比。Wilcoxon效应量分析显示，转录本计数、外显子计数指标、最大转录本长度和小鼠同源性在神经肌肉疾病基因中显著更高。两种排名方法呈中等正相关（Spearman ρ=0.54）。

2. 与其他高置信度疾病基因的比较识别神经肌肉疾病特异性特征

在与3468个高置信度非神经肌肉疾病基因的比较中，33个特征符合神经肌肉疾病区分标准，其中28个为基因表达指标。骨骼肌和心脏左心室表达在神经肌肉疾病基因中显著高于其他疾病基因，而心脏Tau则较低。小鼠同源物百分比同一性和转录本计数也显著较高。相比之下，灵长类omega值和gnomAD错配观察值与期望值比在两组间无显著差异，表明约束和进化特征在疾病基因中更为广泛共享。

3. 基因组特征在不同神经肌肉疾病亚组间存在差异

亚组分析显示，骨骼肌和心脏表达在肌病和心肌病组中最高，而在共济失调、截瘫、神经病变等神经学亚组中相对较低。转录本计数在肌肉和神经学障碍中均升高。短串联重复序列计数在遗传性共济失调、运动感觉神经病变、截瘫和心肌病中最高。小鼠同源性普遍较高，而斑马鱼和果蝇同源性呈现更异质的模式，代谢性肌病基因在两者中均显示高保守性，远端肌病基因在果蝇中同源性特别低。

4. 已确立与新近添加的神经肌肉疾病基因具有相似的基因组特征谱

对比2020年前已确立的550个基因与2020至2024年间新增的89个基因，在所有107个Boruta确认特征上的中位特征百分位数呈强正相关（Spearman ρ=0.77），在前10个特征中相关性更强（ρ=0.88），表明新近发现的基因具有与已确立基因相似的基因组特征模式。

讨论与结论

本研究发现神经肌肉疾病基因在疾病相关组织表达、基因和转录本复杂性、群体遗传约束和跨物种保守性方面区别于其他蛋白编码基因。与高置信度疾病基因的比较分离出广泛共享的特性与神经肌肉疾病更特异性的特征，后者主要由组织表达指标主导。这些模式在亚组间存在差异，并在2020年后新增基因中同样显现。

研究人员得出结论：神经肌肉疾病基因呈现出由疾病相关组织表达、基因复杂性和进化保守性组成的一致基因组模式。与其他高置信度疾病基因的比较显示，若干特性在疾病基因中更广泛共享，而组织表达特征提供了最清晰的区分。亚组分析展示了实质性异质性，但整体特征谱在新近加入目录的基因中得到再现。这些发现仅限于常染色体基因。这种一致性为在未来的前瞻性候选基因优先级研究中测试这些特征的价值提供了基础。若经验证，改进的基因优先级排序可提高神经肌肉疾病的分子诊断率，从而有益于疾病监测、治疗决策、遗传咨询和支持资源获取。本研究识别的基因组特征也可能为未解决病例的遗传数据解读提供额外背景。