2021-03-24
在分子水平注釋人類疾病仍然是一個挑戰，因為93%與疾病相關的突變位點位于基因組的非編碼區域，而這些區域如何調控基因的轉錄和翻譯仍然未知。為此，來自麻省理工學院的研究人員基于多個大型合作基因組圖譜項目（包括ENCODE、Roadmap Epigenomics、Genomics of Gene Regulation）的數據，提出了一個新的人類表觀基因組圖譜，命名為EpiMap（Epigenome Integration across Multiple Annotation Projects）。這項研究結果以 “Regulatory genomic circuitry of human disease loci by integrative epigenomics”為題于近日發表在Nature上。
文章發表于Nature
利用EpiMap，研究人員：
基于多個表觀遺傳修飾信號注釋了染色質狀態（chromatin states），同時結合DNA可及性注釋增強子；
將增強子分為不同的模塊（enhancer modules），并根據轉錄因子motif和GO富集結果推斷每個模塊的上游調控轉錄因子和下游遠程調控基因；
整合增強子位置，增強子和基因的遠程交互作用和GWAS SNP結果，預測SNP的靶基因和組織特異性；
將GWAS性狀劃分為“單因子”和“多因子”性狀，揭示了它們與疾病的關系；
區分了“單效”和“多效”位點，并發現得分最高的位點通常有多個驅動突變，通過不同的方式發揮“多效”功能：多個增強子和一個共同的靶基因、調控單個組織中的多個基因或多個組織中發揮功能。
研究內容與結果
研究人員使用統一的數據處理流程分析了來自859個樣本的3,030個數據集，并另外使用算法推算出了14,952個數據集，極大地擴展了數據集的覆蓋范圍。
接著研究人員使用表觀基因組數據注釋了18中不同的染色質狀態（chromatin states），并結合其中的活躍增強子狀態與DNase-seq數據注釋了210萬個活躍的增強子區域。這些區域累積覆蓋13%的基因組區域，單個生物樣本平均覆蓋率達到了0.8%，這相對于ENCODE 2020版本增加了兩倍以上。
圖1. EpiMap資源概述，來源：Nature
研究人員在833個生物樣本中定義了基于H3K27ac的局部活性水平，并基于此將增強子分為300個增強子模塊（enhancer modules），包括290個組織特異性模塊和10個廣泛活躍的模塊。
結合表觀基因組-轉錄組的相關性以及增強子與鄰近基因的距離，研究人員預測了330萬個組織特異性的增強子-基因交互（enhancer-gene links），這在預測的交互數量上和生物學相關性上都超越了以前的方法。
研究人員預測了其中273個模塊的上游調控轉錄因子，涉及1,175個motifs，分為160個原型（archetypes），包括152個組織特異性原型和8個通用原型。組織特異性的轉錄因子motif包括：血液和免疫樣本中的GATA和SPI1；大腦和周圍神經系統中的NEUROD2和RFX4；消化組織中的KLF4；胎盤、肌衛星和上皮細胞中的TEAD3。通用的motif包括肝，腎和胰腺中的HNF1A（與NR5A2共同作用）；免疫，骨骼和癌癥樣本中的AP-1（也稱為JUN）或JDP2；TEAD3在不同的組織中與不同的轉錄因子協作：MYF6（肌球蛋白），TFAP2A（胎盤）和AP-1（基質）。
Motif富集將組織分類為不同的亞組，比如心臟被劃分為胚胎心臟（NFIX和E2F1）、主動脈和動脈（SRF和PAX5）以及心腔（MEF2D和ESRRG）；大腦被細分為胚胎（NFIX和NEUROD2），成人大腦（RFX2和SOX10）和星形膠質細胞（NFE2L2和JDP2）；造血細胞被細分為為自然殺傷細胞（ETV2）、B細胞（NFKB2和SPIB）和多能祖細胞（GATA1和NFE2L2）。
圖2. 增強子模塊回路，來源：Nature
接下來，研究人員使用210萬個增強子注釋及其組織特異性來解釋與復雜性狀相關的GWAS位點。研究人員匯總了了一份來自803項GWAS研究的GWAS位點數據集，捕獲了70,000 多個GWAS位點。研究人員發現了17,658個顯著的性狀-組織富集，覆蓋了245個性狀中的27,000多個候選GWAS SNP。
研究人員結合表觀基因組學的注釋和增強子-基因的遠程交互作用，對疾病相關的位點產生了新的認識。例如乳腺癌GWAS富集在上皮細胞和癌細胞樣本中，其中SNP rs17356907位于靠近USP44基因的增強子內部，但與另一個基因NTN4交互，而NTN4與腫瘤發生和血管生成有關。精神分裂癥GWAS在中額葉皮質樣本中富集，其中SNP rs2007044位于一組靠近DCP1B啟動子的增強子內部，所有這些增強子都與CACNA1C交互，已知CACNA1C編碼與神經精神疾病有關的鈣通道蛋白，提示多種變異可能共同導致其失調。研究人員已經提供了一個交互式網站（//compbio.mit.edu/epimap），用于探索與500多個性狀相關的超過30,000個額外的GWAS位點。
圖3. 基于增強子活性距離的833個生物樣本的層次聚類，來源：Nature
然后，研究人員研究了性狀-組織、性狀-性狀和組織-組織表觀基因組GWAS共富集模式，以了解它們之間復雜的相互作用。
首先，研究人員使用在每個性狀中富集的組織數量來將性狀劃分為兩類：56個“單因子”性狀（22%）在一個組織中具有最多富集（例如，心臟的QT間期、腦的受教育程度和免疫細胞的甲狀腺功能減退），而192個“多因子”性狀（79%）平均富集在五個組織類別中（例如，免疫細胞和大腦中的阿爾茨海默病；脂肪、肌肉、腎臟和消化組織中的腰臀比），其中26個“多因子”性狀（11%）平均富集在14個組織類別中（包括冠狀動脈疾病（CAD）在19個組織組中，包括肝臟、心臟、脂肪、肌肉和內分泌樣本）。
根據組織的共富集特性來區分每個GWAS性狀的“主要”組織（例如免疫細胞，肝臟，心臟，大腦和脂肪組織）與“伙伴”組織（例如，消化、肺、肌肉和上皮組織），“主要”組織和“伙伴”組織相比始終表現出更高的富集，這表明它們具有驅動作用而不是輔助作用。特定的主要-伙伴組織共同發生的頻率比預期的要高，并且揭示了它們可能在性狀上共同發揮作用，包括：肝臟與脂肪組織（膽固醇特征）、消化組織（膽結石）和血細胞（血清蛋白水平）；以及脂肪組織與內皮細胞（腰臀比）、心臟組織（心房顫動）和肌肉組織（血壓）。
圖4. 性狀-性狀網絡，來源：Nature
最后，研究人員將“多因子”性狀的SNPs劃分為組織特異性的組分。例如，339個與CAD相關的SNPs劃分為：195個富含動脈、心臟和血管形態發生的心臟增強子SNPs；171個脂質穩態的內分泌增強子SNPs；169個膽固醇和脂質代謝和轉運的肝臟增強子SNPs；軸突導向和局灶粘附中122個脂肪增強子SNPs，與脂肪組織神經支配過程一致；112個胚胎干細胞衍生的肌肉增強子SNPs，富含中隔形態發生、腔和主動脈發育。
這些分區也顯示出不一樣的協同關系。例如：心臟，肌肉和內皮細胞增強子中的CAD SNPs均與與高血壓和心房顫動相關；肝臟和內分泌增強子中的CAD SNPs與收縮壓相關；脂肪增強CAD SNP與腰臀比相關；以及肝臟，脂肪和內分泌CAD SNPs與HDL膽固醇相關。
從單個多因子性狀位點來看，既有在單個組織中富集的，也有在多個組織中富集的。一些CAD SNP位點僅與心臟增強子重疊（例如EDNRA、TCF21和ADAMTS7），一些僅與肝臟增強子重疊例如PCSK9），一些不位于任何增強子中，許多位于廣泛活躍的增強子中（例如，LDLR、APOE、SH2B3和COL4A1），這表明即使在單個SNP位點水平上也存在多種調控機制。
即使看似單一的SNP也會在其他組織里：rs17114046在肝臟中有很強的信號，同時它位于多個增強子中，并調控基因PLPP3，肝臟特異性PLPP3缺失會增加動脈粥樣硬化；然而這個SNP也同時連接到另一個肝臟產生的補體因子C8A，并通過心臟特異性和肌肉特異性的交互連接到PRKAA2。這說明單個SNP也可能具有多種功能，這一特性存在與許多高度富集的SNP中。
圖5. 多因子性狀的劃分，來源：Nature
小結
該研究結果證明了高通量、豐富多維、高分辨率的表觀基因組和調控回路注釋在研究基因調控、復雜性狀和疾病位點機制研究中的實用性，使得生物空間和疾病復雜性的規模、范圍和覆蓋面達到較大的程度。
