每個(gè)人的遺傳密碼之間的差異對(duì)他們的個(gè)人發(fā)展和健康意味著什么？有幾個(gè)因素阻礙了研究人員回答這個(gè)問題的能力。首先，理解遺傳變異需要分析大量的序列，因?yàn)槲覀償y帶許多罕見的變異。大多數(shù)這些都沒有效果，只有幾個(gè)會(huì)導(dǎo)致遺傳病。其次，我們對(duì)遺傳變異的大部分理解來自于對(duì)單核苷酸變異(SNV)的研究，但超過50個(gè)核苷酸長度的結(jié)構(gòu)變異才是導(dǎo)致疾病的主要因素。第三，我們對(duì)蛋白質(zhì)編碼序列之外的變異缺乏理解。

近期，Nature及其子刊在同日發(fā)表了7篇文章，通過分析GnomAD數(shù)據(jù)庫的相關(guān)數(shù)據(jù)，嘗試解決上述問題。其中Nature 4篇，Nature Medicine 1篇，Nature Communications 2篇。

gnomAD項(xiàng)目是游戲規(guī)則改變者ExAC項(xiàng)目進(jìn)一步完善的數(shù)據(jù)庫，該項(xiàng)目對(duì)超過6萬人的基因組蛋白質(zhì)編碼部分(稱為外顯子組)的遺傳變異進(jìn)行了收錄編排。ExAC為協(xié)調(diào)分析制定了新的標(biāo)準(zhǔn)--將來自不同項(xiàng)目的數(shù)據(jù)納入共同的通道進(jìn)行再分析--并為數(shù)據(jù)共享設(shè)定了新的標(biāo)準(zhǔn)。早在2016年該項(xiàng)目發(fā)表之前，科學(xué)家就可以獲得ExAC的數(shù)據(jù)，它對(duì)研究人員、醫(yī)生和遺傳顧問如何解釋遺傳病患者的基因組產(chǎn)生了深遠(yuǎn)的影響。

在第一篇論文中，Karczewski等人闡述了gnomAD數(shù)據(jù)庫收集的125,748個(gè)外顯子和15,708個(gè)全基因組。對(duì)整個(gè)基因組進(jìn)行測(cè)序尤其令人興奮，因?yàn)閷?duì)非編碼序列的分析提供了關(guān)于結(jié)構(gòu)變異和調(diào)控基因表達(dá)的DNA序列變異的信息。gnomAD包含來自不同群體的序列，比如亞洲和非洲的個(gè)體。然而，正如作者所指出的那樣，仍然需要來自更多不同群體的代表來獲得人類變異的全部圖譜，并捕捉更多特定群體的特定變異。

Karczewski等人接著分析了他們數(shù)據(jù)集中的蛋白質(zhì)編碼變體。他們建立在ExAC小組開發(fā)的一種度量標(biāo)準(zhǔn)上，以評(píng)估一個(gè)基因是否能夠“容忍”這些通過預(yù)測(cè)會(huì)阻止其編碼蛋白質(zhì)正常功能的變異，也就是說，這些預(yù)測(cè)的功能喪失(PLoF)變體是否對(duì)生理影響很小或沒有影響，或者是否會(huì)導(dǎo)致嚴(yán)重的健康問題或死亡。這種類型的分析很有用，因?yàn)?/span>對(duì)LoF不耐受的基因可能是生命所必需的，或者它們的突變可能會(huì)導(dǎo)致遺傳病。

ExAC指標(biāo)衡量在整個(gè)群體中觀察到的一個(gè)基因中有多少個(gè)pLoF變體，并與整個(gè)進(jìn)化過程中，在考慮基因組中出現(xiàn)突變的速度，預(yù)計(jì)會(huì)有多少個(gè)pLoF變體相比。然而，由于pLoF變體非常罕見，6萬個(gè)外顯子不足以確定所有研究的基因-特別是小基因-是否都對(duì)pLoF不耐受。因此，這些數(shù)據(jù)被表示為給定基因耐受pLoF的概率。

相比之下，gnomAD中增加的隊(duì)列大小可以更直接地衡量基因?qū)?/span>LoF的耐受性。Karczewski等人根據(jù)基因包含的pLoF變體的頻率與預(yù)期的相比，將基因分成10組，生成了pLoF耐受性的頻譜。更大的樣本量意味著基因長度在gnomAD分析中不是什么問題，但即便如此，作者也不能準(zhǔn)確地評(píng)估在其中30%基因中的pLoF情況，這些基因根據(jù)預(yù)期會(huì)有少量pLoF變異。

盡管存在這一限制，該小組仍使用他們的方法來獲得對(duì)疾病遺傳學(xué)的新見解。例如，他們發(fā)現(xiàn)，在不耐受LoF的基因中，智力殘疾或自閉癥譜系障礙的人比不耐受LoF的人更容易出現(xiàn)罕見的變異。這些數(shù)據(jù)可能有助于研究人員理解這些特征背后的復(fù)雜遺傳結(jié)構(gòu)。

在第二篇論文中，Cummings等人調(diào)查了為什么似乎對(duì)pLoF不耐受的基因有時(shí)會(huì)攜帶這些變異，并且僅造成很小的后果。基因可以以不同的方式轉(zhuǎn)錄，一些蛋白質(zhì)編碼區(qū)(外顯子)只能以有限的方式表達(dá)。Cummings等人證明，當(dāng)一個(gè)人攜帶“不耐受”基因中的pLoF變體時(shí)，該變體通常位于顯示這種限制性表達(dá)的外顯子中，從而限制了其效果。

在第三篇論文中，Minikel等人評(píng)估了pLoF數(shù)據(jù)庫如何提高我們識(shí)別藥物基因靶點(diǎn)的能力。在藥物發(fā)現(xiàn)中，識(shí)別在給定基因中攜帶兩個(gè)pLoF變體的個(gè)體是可取的--如果這些個(gè)體在特定特征上也表現(xiàn)出變化，這就提供了證據(jù)，表明該基因可能是一個(gè)很好的藥物靶點(diǎn)。該文表明，在識(shí)別pLoF變體時(shí)仍然存在許多錯(cuò)誤；在識(shí)別這些變體時(shí)需要進(jìn)行質(zhì)量控制；一個(gè)人在同一基因中攜帶兩個(gè)pLoF變體的情況非常罕見，以至于我們需要大約比gnomAD大1000倍的隊(duì)列來收集它們?cè)诖蠖鄶?shù)基因中存在的確鑿證據(jù)。

gnomAD項(xiàng)目最激動(dòng)人心的方面之一是制作一個(gè)結(jié)構(gòu)變體目錄，Collins和他的同事在最后一篇論文中對(duì)此進(jìn)行了描述。在使用長閱讀測(cè)序技術(shù)對(duì)結(jié)構(gòu)變體進(jìn)行編目方面已經(jīng)做出了出色的努力。然而，由于這種方法的費(fèi)用和缺乏標(biāo)準(zhǔn)化分析通道，樣本量一直很小。相比之下，識(shí)別短讀取序列中的結(jié)構(gòu)變異在技術(shù)上是具有挑戰(zhàn)性的，因?yàn)樽儺愅ǔ１鹊湫偷亩绦蛄凶x出大，它們可以通過各種突變機(jī)制產(chǎn)生，導(dǎo)致許多變異類型(例如，DNA的復(fù)制、缺失或倒置)，每種變異類型都會(huì)在基因組中留下不同的足跡。這導(dǎo)致了許多工具的開發(fā)，用于從短閱讀中識(shí)別結(jié)構(gòu)變體，但沒有“標(biāo)準(zhǔn)”通道。

Collins等人試圖通過創(chuàng)建一條通道來解決這個(gè)問題，該通道允許對(duì)數(shù)千個(gè)基因組進(jìn)行協(xié)調(diào)分析；這可能成為在種群規(guī)模上從短鏈序列中檢測(cè)結(jié)構(gòu)變異的行業(yè)標(biāo)準(zhǔn)。作者生成了一個(gè)包含30多萬個(gè)高質(zhì)量結(jié)構(gòu)變體的目錄-是之前分析的兩倍多。然后，他們開始評(píng)估結(jié)構(gòu)變異對(duì)生理特征的貢獻(xiàn)。這一分析揭示了自然選擇對(duì)控制基因表達(dá)的非編碼序列中的結(jié)構(gòu)變體的一些證據(jù)。不出所料，在蛋白質(zhì)編碼區(qū)，針對(duì)結(jié)構(gòu)變異的選擇更強(qiáng)。這表明，與編碼區(qū)相比，非編碼區(qū)可以容忍更多的變異，需要更大的隊(duì)列(或其他方法)才能開始有力地剖析非編碼區(qū)的變異。作者還發(fā)現(xiàn)，結(jié)構(gòu)變異約占蛋白質(zhì)截?cái)嗍录乃姆种弧?/span>

常規(guī)的結(jié)構(gòu)變異分析，與SNV和基因表達(dá)的分析相結(jié)合，對(duì)于解釋單個(gè)基因組將是至關(guān)重要的。Collins等人在這個(gè)方向上邁出了重要的一步，gnomAD資源為其他人提供了在這條道路上繼續(xù)前進(jìn)的工具。

另外，同一天，在Nature Medicine和Nature Communications也發(fā)表了三篇關(guān)于該數(shù)據(jù)庫的文章，有興趣的同學(xué)可以自己下載下來看一下，囿于篇幅原因，在此不再一一介紹。

這些論文中一個(gè)有趣的反復(fù)出現(xiàn)的主題是，盡管隊(duì)列的規(guī)模很大，但我們?nèi)匀蝗狈υS多分析所需的數(shù)量。毫無疑問，這個(gè)隊(duì)列將會(huì)越來越大。然而，僅靠這種方法并不能使我們?cè)诩?xì)胞和生物水平上完全理解人類基因和特征之間的關(guān)系。我們需要可擴(kuò)展的方法來將遺傳變異編程到人類細(xì)胞中，并且需要可以監(jiān)測(cè)的具有良好特性的細(xì)胞特征，以使我們能夠直接詢問這種變異的生理影響。這種介入性生物學(xué)將極大地增強(qiáng)群體遺傳學(xué)，并加速我們對(duì)人類生物學(xué)的理解。

gnomAD數(shù)據(jù)庫已經(jīng)將其數(shù)據(jù)公之于眾。該項(xiàng)目對(duì)科學(xué)的影響將遠(yuǎn)遠(yuǎn)超出我們的想象，或?qū)⒏淖兾覀兘忉寙蝹€(gè)基因組的方式。該數(shù)據(jù)庫的工作揭示了我們遺漏了多少關(guān)于人類變異的信息，并提供了幫助我們?cè)谌后w和個(gè)體水平上更好地理解基因組的工具。

Karczewski, K. J. et al. Nature 581, 434–443 (2020).

4. Cummings, B. B. et al. Nature 581, 452–458 (2020).

5. Minikel, E. V . et al. Nature 581, 459–464 (2020).