中东近交人群转录组遗传调控图谱：逾700万QTL的系统鉴定与因果位点精细解析

《Nature Genetics》：A catalog of transcriptome genetic regulation in a consanguineous Middle Eastern biobank

　　

针对近亲繁殖（consanguineous）代表性不足的人群，开展转录组调控的祖先特异性遗传图谱绘制对理解基因组功能至关重要。研究人员对1,882名卡塔尔生物银行（Qatar Biobank, QBB）参与者进行了表征，整合了血液RNA测序（RNA sequencing, RNA-seq）、全基因组测序（whole-genome sequencing, WGS）以及涵盖45种临床相关性状的表型数据。研究人员编目了约700万个显著数量性状位点（quantitative trait loci, QTLs），既包括短片段变异也包括结构变异（structural variants, SVs），这些变异影响基因表达、亚型使用（isoform usage）、剪接（splicing）和等位基因特异性表达（allele-specific expression, ASE），并发现了1,379个新eGenes（受顺式eQTL显著调控的基因）。精细定位（fine-mapping）解析出29,953个高置信度、独立的因果位点，其中24%此前未被报道为因果位点，另有1,371个位点在公共数据库中缺失。借助升高的纯合性（autozygosity），研究人员发现因果变异在连续纯合片段（runs of homozygosity, ROH）中呈耗竭分布，符合纯化选择（purifying selection），而近期纯合性增加了纯合调控变异的负荷。研究人员鉴定出对10个孟德尔疾病（Mendelian disease）基因具有隐性有害效应的QTL，以及导致66个基因（包括剂量敏感型基因）极端异常表达的纯合QTL。共定位分析（colocalization analysis）揭示了作用于20种临床相关性状的58个因果变异，涉及新基因包括ATP6V0B和RQCD1，参与代谢与血液疾病。这些发现确立了该QTL目录作为基因组解读（genome interpretation）和基因组医学（genomic medicine）的宝贵中东地区资源。

全基因组关联研究（genome-wide association studies, GWAS）已将空前的遗传变异映射到生物性状与疾病，并随着测序成本快速下降而即将大幅扩展，但解读变异的功能相关性仍是主要瓶颈：约90%的GWAS位点位于非编码区，主要参与基因调控。因此，大规模分子数量性状（molecular quantitative traits）映射成为阐明调控机制的核心。RNA测序（RNA sequencing, RNA-seq）的进步使高分辨率刻画基因表达、亚型使用（isoform usage）、选择性剪接（alternative splicing）与等位基因特异性表达（allele-specific expression, ASE）成为可能，精细定位（fine-mapping）的进步也改进了因果变异识别。既往研究已在全血中绘制多个欧洲及非欧洲人群的调控图谱，揭示转录调控存在显著人群差异，且遗传祖先通过人群特异性调控变异影响疾病易感性。然而，转录组研究在代表性不足的人群中仍然有限，尤其在中东。卡塔尔独特的族群历史、部落结构与高度近亲繁殖（consanguinity）使其成为研究阿拉伯人群的理想模型，卡塔尔生物银行（Qatar Biobank, QBB）与卡塔尔基因组计划（Qatar Genome Program, QGP）为此提供了资源。研究人员对1,882名以健康为主的QBB参与者开展研究，整合全血RNA-seq、DNA测序与45种临床相关性状数据，构建顺式作用QTL目录，涵盖单核苷酸变异（single-nucleotide variants, SNVs）、短插入缺失（insertions/deletions, indels）与结构变异（structural variants, SVs），影响表达数量性状位点（expression quantitative trait loci, eQTLs）、剪接QTL（sQTLs）、亚型使用QTL（isoQTLs）与等位基因特异性表达QTL（aseQTLs），并进一步开展因果位点精细定位及人群分歧、纯合性、隐性效应分析，与相同队列的GWAS信号共定位（colocalization）。该研究是迄今最大规模的中东转录组表征，共鉴定超过700万个显著转录组QTL，精细定位近30,000个高置信度因果变异，发现超过1,300个此前未报道的eGene及大量人群特异性变异；整合表型后将共享因果变异连接到20种临床相关性状，为疾病机制提供见解。

主要关键的技术方法包括：基于QBB/QGP队列6,218名完成全基因组测序（whole-genome sequencing, WGS）并表型化45种临床相关性状的卡塔尔当地人，其中1,882人进一步完成全血RNA-seq；WGS采用HiSeq X Ten平台（150 bp双端读长、平均30×覆盖度），经BWA-MEM比对、GATK联合变异检测获得SNVs与indels，SVs由十种检测工具的共识流程生成；RNA-seq采用TruSeq Stranded mRNA建库、HiSeq 4000测序。基因表达采用Subread featureCounts定量，亚型采用Salmon定量，剪接采用LeafCutter分析，ASE采用phASER计算；单变量QTL扫描采用FastQTL，因果位点精细定位采用sum of single effects（SuSiE）框架，人群等位基因频率比较采用拟泊松广义线性模型（generalized linear model, GLM），连续纯合片段（runs of homozygosity, ROHs）检测采用bcftools roh，异常表达识别采用OUTRIDER，与GWAS位点的共定位采用colac（v5.1.0）SuSiE框架。

研究结果方面，研究队列与数据生成部分显示，经质量控制（quality control, QC）后保留1,882份高质量RNA-seq样本，男女比例1.03，紧密反映更广泛的QBB/QGP队列遗传结构并涵盖多样阿拉伯中东祖先。QTL景观部分通过单变量回归鉴定出1,790万个显著QTL-特征关联、700万个独特QTL与69,900个特征（错误发现率（false discovery rate, FDR）<0.05），超过多个公共数据集；QTL主要富集于转录起始位点（transcription start sites, TSSs）附近（>80%位于0.5 Mb以内）；QBB/QGP相对公共资源新增11%的eGene、30%的eQTL与52%的eQTL-基因对，1,379个eGene仅在本队列检出，富集于全身性红斑狼疮信号、先天与适应性免疫细胞通讯及B细胞发育等免疫与细胞通路。精细定位识别因果变异部分采用SuSiE流程，以个体水平基因型与严格标准，鉴定出40,735个高置信度因果变异-特征对（后验包含概率（posterior inclusion probability, PIP）>0.95且对数贝叶斯因子（log Bayes factor, LBF）>2），涉及29,953个不同变异与10,302个基因，约7%的精细映射对在单变量检验中不显著，凸显精细定位揭示隐匿性调控效应的价值。因果变体的多变量与多基因效应部分显示，多数精细映射QTL调控单一基因，美国医学遗传学与基因组学学会（American College of Medical Genetics and Genomics, ACMG）可干预基因中17%在ClinVar中报告；糖原贮积病相关基因GAA携带最多QTL（n=31）且80%此前未报道，叶酸受体γ基因FOLR3携带最多独立因果eQTL（n=6）。中东祖先特异性QTL部分显示，QBB/QGP与GTEx V8的效应高度一致（r=0.9），人群差异主要由等位基因频率差异驱动；鉴定出26,907个频率显著分歧变异，其中1,739个与所有1KG人群不同或缺失；1,301个精细映射QTL不在公共数据库（含dbSNP），778个在一般阿拉伯人（general Arabs, GAR）、半岛阿拉伯人（peninsular Arabs, PAR）与西欧亚及波斯阿拉伯人（West Eurasian and Persian Arabs, WEP）亚群间差异显著。结构变异QTL景观部分在条件于精细映射SNVs/indels后鉴定出948个独立因果SVs，影响870个基因，70个为QBB/QGP独有并影响141个基因，包括两个覆盖扩展HLA区域16个基因的高频缺失。纯合性与调控变异负荷部分显示，所有类型QTL显著耗竭于ROH中，符合纯化选择（purifying selection），而纯合子携带者比例（homozygous carrier fraction, H2）与长ROH强相关（R²=0.7），表明近期近亲繁殖是隐性调控效应暴露的主要驱动因素。有害隐性调控QTL部分鉴定出177个具显著纯合子耗竭的SNV/indel QTLs，其中33个在gnomAD中复制，影响FCGR3A、NDUFAF4、PROK2、RINT1与PMKP等10个已知在线孟德尔人类遗传学（Online Mendelian Inheritance in Man, OMIM）表型基因，NDUFAF4位点纯合子耗竭最强（z score=?127.2）。驱动极端异常表达的纯合因果eQTL部分在1,652名参与者中鉴定2,965个异常表达基因，83个显著关联涉及66个基因，其中12个呈中至高度剂量敏感性（pLI 0.5–1.0），17个具OMIM表型。与临床相关性状GWAS位点的共定位部分利用6,218人的45种性状GWAS（Thareja等开展），鉴定出58个显著共定位（PIP≥0.5；假设4后验概率（posterior probability of hypothesis 4, PPH4）≥0.5），涉及30个基因与20种表型，包括确认HBA2与红细胞指标、PROCR与凝血指标的已确立联系，提示RQCD1与坐高、ATP6V0B与血小板计数的新因果联系，以及NRBF2、COPZ1、TPM4与平均血小板体积等37个强化文献证据的联系。

讨论部分指出，现有转录组知识多源自欧洲人群，限制了可推广性；本研究提供中东人群全面QTL资源，揭示复杂多基因调控机制（超过一半的QTL-基因对中受调控基因并非最接近QTL的基因）、显著人群特异性（24%的QTL既往未检出、21%频率分歧、778个亚群间差异），支持常规纳入SVs，并证明近交群体QTL在ROH中耗竭而近期纯合性增加隐性负荷，为识别有害隐性调控变异提供有效框架。研究结论为：基于1,882名QBB参与者整合WGS、全血RNA-seq与45种临床相关性状所构建的QTL目录，包含超过700万个显著QTL与29,953个高置信度独立因果位点，揭示了近交背景下隐性调控变异的纯化选择特征与负荷规律，并通过共定位将58个因果变异联系至20种临床表型，提示ATP6V0B、RQCD1等新基因在代谢与血液疾病中的作用，确立了该目录作为中东地区基因组解读与基因组医学的宝贵资源。