Genetic determinants of cytokine production in activated human monocytes

本研究整合了来自 366 名供体的基因组、转录组和细胞因子分泌数据，以鉴定调控单核细胞细胞因子产生的关键遗传位点（包括 CCR5-Δ32 和 OAS1），并揭示其与脂质代谢及疾病风险的关联。

要点

想象一下，你身体的免疫系统就像一支训练有素的安保团队。单核细胞是前线的守卫。当它们发现入侵者（如细菌或病毒）时，并不会只是呆立不动；它们会释放名为细胞因子的化学“警报器”来大声呼救。这些警报器会唤醒免疫系统的其他部分，使其投入战斗。

这篇论文就像一部侦探故事，科学家们提出了这样的问题：“为什么当警报拉响时，有些人的守卫喊声更大或更小？这是因为他们的‘训练’（环境）还是他们的 DNA（遗传）？”

以下是研究人员发现的简化解释：

1. 实验：唤醒守卫

科学家们采集了 366 名健康人的血液样本。他们分离出单核细胞（守卫），并将其放入实验室培养皿中。随后，他们通过两种方式模拟攻击：

• LPS：如同细菌警报（模拟细菌感染）。
• IFN-γ：如同病毒警报（模拟病毒感染）。

他们测量了两项指标：

1. 喊声：释放到培养皿中的细胞因子蛋白有多少。
2. 蓝图：有多少 RNA（遗传指令手册）正在被读取以生成这些喊声。

2. 大惊喜：蓝图并不总是与喊声匹配

通常，你会预期如果细胞读取了更多指令（RNA），它的喊声就会更大（更多蛋白）。但科学家发现这并不总是成立。

• 类比：想象一家工厂。有时，经理写了一份巨大的订单清单（RNA），但工厂车间效率低下，或者工人们决定将产品留待以后生产。有时，经理只写了一份小清单，但工人们效率极高，生产出了海量产品。
• 发现：在许多情况下，细胞在警报拉响之前拥有的“指令”（RNA）数量，并不能预测它会喊得多大声。细胞喊叫的能力通常受指令书写之后的步骤控制，例如信息翻译成喊声的速度，或者喊声的传递方式。

3. 遗传“音量旋钮”

研究人员检查了所有 366 人的 DNA，以查看特定的遗传差异是否充当了这些喊声的“音量旋钮”。他们发现了四个特定的遗传位点，显著改变了细胞因子的释放量：

• 旋钮 #1（"PDGF"开关）：PDGFB 基因附近的一个遗传变异就像一个调光开关。拥有该基因特定版本的人在受到触发时喊声较小。有趣的是，这个相同的遗传开关与溃疡性结肠炎（一种炎症性肠病）和原发性胆汁性肝硬化（一种肝病）的较高风险相关。似乎拥有“更安静”的守卫实际上可能让你更容易患上这些特定疾病。
• 旋钮 #2（"IL-1RA"开关）：另一个遗传位点控制了一种特定的“刹车”化学物质（IL-1RA）的释放，这种物质能阻止炎症。这与细胞如何读取其自身指令有关。
• 旋钮 #3（"CCR5"之谜）：这是一个著名的遗传突变（CCR5-Δ32），已知能保护人体免受 HIV 感染。研究发现，拥有此突变的人在警报拉响时，对两种特定化学物质（MIP-1b 和 RANTES）的喊声更大。似乎因为它们的“受体”（化学物质通常进入的“门”）坏了，化学物质无法被吸收，而是在外部积聚。这种突变也与某些疾病的风险降低和其他疾病的风险增加相关，表明生物学是一种权衡。
• 旋钮 #4（"IP-10"开关）：一个与 IFNB1 基因相关的遗传位点控制了 IP-10 的释放。这表明早期给出的遗传指令（警报后 2 小时）在很大程度上决定了很久之后（警报后 24 小时）的喊声。

4. “血小板”线索

科学家们注意到，两种特定化学物质（BDNF 和 PDGF-BB）的喊声量与粘附在单核细胞上的血小板（帮助凝血的小血细胞）数量有关。

• 类比：这就像守卫（单核细胞）站在一群建筑工人（血小板）旁边。附近的建筑工人越多，守卫喊得越响。这表明“噪音”不仅仅来自守卫自身的 DNA，还来自它们所处的环境。

5. “脂质”联系

当研究人员观察控制 RNA 和蛋白喊声如何连接的基因时，他们发现了一个惊人的模式：脂肪代谢。

• 类比：事实证明，控制喊声音量的“经理”通常是与细胞如何处理脂肪（脂质）相关的基因。就好像细胞喊叫的能力取决于其“油箱”管理得有多好。这将免疫系统的喊声直接与身体处理脂肪的方式联系起来，这对于理解心脏病和炎症至关重要。

6. “新冠”联系

最后，他们观察了一个名为 OAS1 的基因，该基因已知是重症 COVID-19的风险因素。

• 发现：该基因的特定版本并没有改变 RNA 的生成量，但它确实将 RNA 与蛋白喊声解耦了。在拥有该版本的人中，细胞正常读取指令，但对于 10 种不同的细胞因子，其与实际喊声的连接被切断了。这表明，该基因使 COVID-19 病情加重的原因，可能是因为它扰乱了免疫系统“喊声”的时机或协调性。

总结

这篇论文表明，免疫系统的反应不仅仅是基于 DNA 的简单“开/关”开关。它是一个复杂的管弦乐队，其中：

1. 遗传设定了音量旋钮。
2. 时机很重要（早期发生的事会影响晚期发生的事）。
3. 背景很重要（周围有哪些其他细胞会改变噪音）。
4. 脂肪代谢在控制音量方面起着隐藏的作用。

最重要的是，这项研究证明，仅查看“指令”（RNA）不足以了解身体如何对抗疾病；你必须倾听实际的“喊声”（蛋白）才能看到全貌。

技术摘要

技术摘要：激活的人单核细胞中细胞因子产生的遗传决定因素

问题与动机
单核细胞是先天免疫反应的核心介质，通过分泌细胞因子协调炎症。虽然全基因组关联研究（GWAS）和表达数量性状位点（eQTL）作图已成功将遗传变异与基因表达及疾病风险联系起来，但遗传变异与功能性细胞因子分泌之间的关系仍缺乏充分表征。先前的研究表明，调控决定因素具有高度情境依赖性（随细胞类型和激活状态而变化），且 RNA 表达往往无法准确预测蛋白质丰度。此外，全血中的大规模蛋白质 QTL（pQTL）研究可能会遗漏细胞类型特异性或激活特异性的调控机制。本研究旨在绘制先天免疫激活后原代人单核细胞中细胞因子分泌的遗传和转录决定因素图谱，整合基因组、转录组和蛋白质组数据，以定义免疫反应的调控架构。

方法学
本研究利用了一个包含 366 名健康、欧洲血统供体的队列。分离原代单核细胞并施加四种处理条件：未处理（UT）、脂多糖（LPS）刺激 2 小时、LPS 刺激 24 小时以及干扰素-γ（IFN$\gamma$）刺激 24 小时。

• 多组学整合： 对于每个样本，作者使用多重 Luminex 检测量化了 28 种细胞因子的分泌，通过 Illumina HumanHT-12 v4 BeadChip 芯片测量基因表达，并进行全基因组基因分型（Illumina HumanOmniExpress-12v1.0），随后对单倍型参考联盟（Haplotype Reference Consortium）进行插补。
• 统计分析：
  • 细胞因子动态： 使用线性回归模型识别不同条件下细胞因子分泌和 RNA 表达的显著变化。
  • 遗传作图： 执行多变量（MANOVA）和单变量 GWAS，以识别与细胞因子分泌相关的遗传位点。显著性阈值设定为 MANOVA 的 $P < 1.7 \times 10^{-8}$ 和单变量检验的 $P < 6.0 \times 10^{-10}$。
  • 转录相关性： 通过线性回归评估 RNA 表达对蛋白质分泌的预测能力。
  • 共表达 QTL（coExQTL）： 作者绘制了顺式 eQTL 图谱，并测试了基因型与细胞因子分泌之间的相互作用，以识别修饰 RNA 转录与蛋白质分泌之间关系的遗传变异。
  • 共定位： 执行贝叶斯共定位分析，以确定细胞因子分泌 QTL 是否与已知疾病 GWAS 位点共享因果变异。

主要结果

1. 细胞因子分泌的动态变化：

   • LPS 刺激引起 28 种细胞因子中 19 种发生变化，而 IFN$\gamma$ 引起 5 种发生变化。
   • 观察到两种不同的时间模式：早期、持续的变化（如 TNF$\alpha$、IL-1$\beta$）和晚期、孤立的变化（如 GRO$\alpha$、MCP-1）。
   • 细胞因子分泌具有高度协调性，层次聚类揭示了不同的共调控细胞因子组。
   • RNA-蛋白质不一致性： 基线 RNA 表达与诱导后的细胞因子分泌几乎没有或完全没有相关性。虽然刺激的 RNA 表达对某些配对（如 CCL2:MCP-1）的蛋白质分泌具有预测性，但它仅解释了适度比例的方差（$R^2$ 最大为 0.56）。值得注意的是，某些细胞因子（如 IL-2、IL-18）在没有显著并发 RNA 诱导的情况下被分泌，而某些转录本（如 PDGF-BB、IL-8）增加却没有相应的蛋白质变化，这表明转录后调控（翻译、运输、衰变）是主要决定因素。

2. 转录状态预测因子：

   • 基线转录状态通常不能预测细胞因子分泌，例外情况是 JUN 表达预测 IFN$\gamma$ 刺激后的 IL-1$\beta$ 分泌（可能通过炎症小体致敏）。
   • 一个富含血小板特异性基因（指示单核细胞 - 血小板聚集体，MPAs）的基线特征与所有条件下 BDNF 和 PDGF-BB 的分泌显著相关。

3. 细胞因子分泌的遗传决定因素：
   本研究确定了四个全基因组显著位点：

   • PDGFB（顺式）： PDGFB 上游的一个位点（rs5757584）与 IFN$\gamma$ 和 LPS 刺激后 PDGF-BB 分泌减少相关。该变异在刺激的单核细胞中作为 PDGFB 的 eQTL，并与溃疡性结肠炎和原发性胆汁性胆管炎的 GWAS 风险位点共定位。
   • IL1RN（顺式）： IL1RN 附近的一个位点（rs11123160）与 LPS 刺激 24 小时时的 IL-1RA 分泌特异性相关。该变异是刺激单核细胞中 IL1RN 的 eQTL。
   • CCR5-Δ32（反式）： 标记 CCR5-Δ32 缺失的 rs113010081 变异充当反式调节因子。它增加了 IFN$\gamma$ 刺激后的 MIP-1$\beta$ 分泌和 LPS 刺激后的 RANTES 分泌。这种效应独立于 CCL4/CCL5 转录，表明涉及受体介导的反馈或清除的机制。
   • IFNB1/CXCL10（反式）： IFNB1 附近的一个位点（rs13296842）与 LPS 刺激 24 小时时的 IP-10（CXCL10）分泌相关。这反映了一个反式调控级联反应，其中该变异早期（2 小时）作为 IFNB1 的顺式 eQTL，驱动下游 CXCL10 表达和蛋白质分泌在后期（24 小时）发生。

4. RNA-蛋白质关系的遗传调节（coExQTL）：

   • 作者鉴定了 239 个显著的 coExQTL，其中基因型修饰了 RNA 表达与细胞因子分泌之间的相关性。
   • 脂质代谢富集： 与细胞因子分泌相关的具有 coExQTL 的基因在脂质代谢过程中显著富集。
     • PLTP（rs7270354）：一个 coExQTL，将 PLTP RNA 与 IFN$\gamma$ 刺激后 6 种细胞因子（包括 IL-6、IL-10）的分泌联系起来。
     • VLDLR（rs6145）：一个 coExQTL，将 VLDLR RNA 与 LPS 刺激后 5 种细胞因子（包括 TNF、IL-1$\beta$）联系起来。
   • OAS1 亚型特异性： COVID-19 风险位点 rs10774671（OAS1 中的剪接变异）充当 coExQTL，解偶联了 OAS1 ENST00000452357 亚型的表达与 LPS 刺激后 10 种细胞因子的分泌。这种效应具有亚型特异性，且在 RNA-RNA 水平上未观察到，突显了该变异在单核细胞激活中的转录后调控作用。

意义与主张
作者声称，本研究以情境特异性的方式提供了细胞因子分泌的遗传和转录决定因素的全面表征。主要主张包括：

• 情境特异性： 激活单核细胞中细胞因子分泌的遗传决定因素通常与稳态全血 pQTL 研究中观察到的不同，强调了在激活状态下研究免疫细胞以理解疾病机制的必要性。
• 转录后调控： 数据表明，RNA 表达通常不是蛋白质分泌的良好预测因子，表明翻译、运输和衰变是免疫反应中的关键调控层。
• 疾病相关性： 确定的位点（如 PDGFB、CCR5-Δ32、OAS1）与自身免疫性疾病（溃疡性结肠炎、原发性胆汁性胆管炎）和重症 COVID-19 的风险因素共定位或已知相关，表明单核细胞细胞因子产生的失调是遗传风险与疾病病理之间的机制性联系。
• 脂质代谢： 共表达网络中脂质代谢基因的富集表明脂蛋白代谢在调节先天免疫细胞因子反应中起核心作用。

作者承认研究的局限性，包括检测的细胞因子数量适中、使用微阵列限制了剪接分析，以及仅限于健康、欧洲血统的成年人，并指出未来的工作应将这些发现扩展到其他人群和疾病状态。