A genome-wide deletion map in 125,730 individuals for novel rare disease gene and variant discovery

本研究通过分析英国国家基因组研究图书馆中 125,730 名个体的纯合缺失，构建了一张全面的基因组范围图谱，该图谱不仅提升了罕见病的诊断能力，揭示了非编码启动子缺失的重要性，还鉴定出 43 个候选的新型疾病相关基因。

要点

想象一下，你的 DNA 就像一本长达 30 亿页的巨型说明书，指导着人类的构建与运行。大多数时候，我们都能完美地解读这些指令。但有时，书页会缺失。在遗传学世界中，这些缺失的书页被称为缺失（deletions）。

这篇论文就像一个关于“缺失书页”的宏大侦探故事。研究人员查阅了125,730 人（这是一个庞大的人群！）的遗传说明书，以精确定位缺失的书页。他们寻找的不仅仅是微小的拼写错误；他们是在搜寻被撕去的整个段落，甚至整章内容。

以下是他们发现的故事，分解为简单的部分：

1. “自然敲除”图谱

研究人员绘制了一张巨大的地图，标示出人类基因组中每一个可以完全缺失书页而不会使人患病的位置。

• 类比： 这就像通过移除不同部件来测试汽车引擎。如果你拆掉收音机，车还能开；如果你拆掉引擎，车就停了。
• 发现： 他们发现人类出奇地坚韧。大约7% 的整本说明书可以缺失，而人依然健康。这意味着我们的身体拥有大量“备用零件”或冗余指令。然而，他们也发现，如果你撕掉“引擎室”（蛋白质编码基因）的书页，人们往往会患上罕见疾病。

2. 解开未解之谜

在这项研究中，约有一半患有罕见病的人即使经过标准基因检测仍未得到诊断。为什么？因为标准检测就像是在寻找句子中缺失的一个单词；它们往往无法察觉整句话都消失了的情况。

• 解决方法： 研究人员使用了一种特殊技巧。他们寻找数据中的“静默”。如果 DNA 的某个特定区域通常有很多“噪音”（读数），但在患者身上突然完全静默，那就意味着该区域缺失了。
• 结果： 他们找到了295 名最终获得诊断的患者。缺失的书页位于已知致病的基因中，但之前的检测漏掉了它们。
• “隐藏”线索： 他们还发现，有时缺失的书页并非主要指令，而是封面（启动子或 5'非翻译区）。如果封面没了，即使里面的书页完好无损，这本书也永远无法被打开。他们发现了 19 个案例，其中“封面缺失”是致病的根源。

3. 发现新的“坏蛋”（新基因）

最激动人心的部分是发现了此前无人知晓其危险性的基因。

• 方法： 他们寻找在至少两名症状完全相同的不同患者中缺失的基因。这就像发现两栋不同的房子都有同样的破碎窗户，从而意识到：“嘿，这种窗户类型就是问题所在！”
• 三个新嫌疑犯：
  1. PDC（眼睛守护者）： 他们发现了四名缺失 PDC 基因的人，他们都患有严重的早期失明（莱伯先天性黑蒙）。事实证明，该基因对我们眼睛处理光线的方式至关重要。研究人员推测，这一缺失片段可能是一种在英国常见的“家族传承”突变，源自一位生活在 600 至 1000 年前的祖先。
  2. GCG（胃与脑的连接）： 他们发现了两名缺失 GCG 基因的姐妹。她们在婴儿期患有智力障碍和严重的肠胃问题（腹泻）。该基因产生与大脑和肠道都进行对话的激素。研究人员认为，这解释了为什么这两名姐妹同时出现大脑和肠胃问题。
  3. ENTPD3（大脑的社交开关）： 他们发现了三名缺失 ENTPD3 基因的人，他们都患有智力障碍和自闭症。该基因在大脑中非常活跃，表明它在人类大脑的发育和社交过程中起着关键作用。

4. 为何这很重要（根据论文）

论文得出结论，寻找这些“缺失书页”是解决其他检测会遗漏的医学谜题的有力方法。

• “静默”的成功： 他们发现，研究中 0.5% 的罕见病患者之所以得以确诊，仅仅是因为他们寻找了这些大片段缺失。
• “奠基者”效应： 他们表明，某些缺失书页在特定地区（如英格兰西北部）很常见，这意味着这些地区的医生可能会更多地见到这些特定病症。
• 未来： 通过绘制出说明书中哪些部分可以安全移除（即 7% 的耐受图谱），科学家可以更好地理解哪些基因可以安全地“关闭”以用于未来的疗法，而哪些基因过于危险，不可触碰。

简而言之： 研究人员绘制了一张缺失遗传书页的巨型地图。这张地图帮助他们解决了数百个医学谜题，揭示了“封面缺失”是疾病的隐藏原因，并发现了三个新基因，当它们缺失时，会导致失明、肠胃 - 大脑问题以及自闭症。

技术摘要

技术摘要：用于罕见病基因与变异发现的全基因组缺失图谱

问题陈述
结构变异（SV），特别是纯合缺失，是罕见遗传疾病的重要但常被漏检的病因。尽管短读长基因组测序是临床遗传检测的标准，但其在 SV 检测方面存在固有的局限性，包括高假阳性率和变异漏检，尤其是在重复区域或 GC 富集区域。因此，约有一半的罕见病患者仍未获得遗传学诊断。现有方法往往难以区分真正的纯合缺失与假象，且人类基因组对完全基因丢失（纯合敲除）的耐受性在大尺度上仍未得到充分表征。此外，非编码缺失（如影响启动子或 5'UTR 的缺失）在临床流程中常被忽视，尽管它们可能导致基因转录完全丧失。

方法学
作者利用了英国国家基因组研究图书馆（NGRL）中 125,730 名个体的基因组测序数据，该队列包括来自英国基因组学 10 万基因组项目（Genomics England 100,000 Genomes Project）和 NHS 基因组医学服务的参与者。该队列包含 58,022 名罕见病患者、50,484 名未受影响的家族成员以及 17,224 名招募用于癌症研究的个体。

为了解决 SV 检测中固有的噪声问题，作者开发了一种计算方法，专注于与纯合缺失相关的独特读长深度信号。该流程包括：

1. 数据聚合：整合由三种不同检测工具（Canvas、DRAGEN 和 Manta）识别的推定双等位基因缺失。
2. 高置信度过滤：基于严格的读长深度标准定义高置信度缺失：参与者中的中位读长深度≤1，而对照样本（未受影响的家族成员或生殖系癌症样本）中≥10。此过滤显著降低了噪声，将每个个体的缺失中位数从 1,781 个减少至 464 个。
3. 变异整理：聚合重叠率>80% 的变异，并过滤稀有变异（队列等位基因频率≤0.001）。
4. 诊断与发现分析：
   • 诊断：将缺失与已知疾病基因（PanelApp“绿色”列表和 OMIM 隐性列表）进行交叉比对，并评估表型匹配度。这包括在 IGV 中进行人工审查，以及在可用时进行 RNA 测序验证。
   • 新基因发现：识别在至少两名具有一致表型的个体中存在双等位基因缺失、且无已知疾病关联的基因。该搜索空间仅限于在对照人群中无纯合缺失的基因。
   • 正交验证：将搜索范围扩展至候选基因中的纯合及复合杂合预测功能丧失（pLoF）SNV/Indel，以加强基因 - 疾病关联。

主要结果

• 全基因组耐受性图谱：本研究整理了 535,699 个高置信度纯合缺失 SV，其中 48,735 个为稀有变异。这些缺失总共覆盖了 213 Mb（人类基因组的 6.92%）。值得注意的是，3.11% 的蛋白质编码碱基在至少一名个体中被删除，表明特定基因组区域对完全序列丢失具有显著的耐受性。
• 诊断产出：在 58,022 名罕见病个体的子集中，作者识别出 295 名个体携带可能具有诊断意义的纯合缺失，这些缺失影响了已知疾病基因的蛋白质编码区域。这代表该队列的诊断率为 0.5%。
  • 非编码启动子缺失：一项重要发现是识别出 32 个位于已知疾病基因内或附近的候选非编码 SV，其中 19 个（59.37%）为复发性变异或与致病性一致。这些缺失破坏了 5'UTR 或启动子区域，有效阻断了转录。RNA 测序验证证实了如MICU1和PLEC等病例中转录本的大幅减少，突显了启动子缺失作为罕见病被低估的病因。
  • 近亲结婚：与一般队列相比，携带诊断性双等位基因缺失的先证者其父母近亲结婚的可能性高出近九倍，这与隐性遗传模型一致。
• 新基因发现：作者识别出 43 个此前无罕见病关联的基因，这些基因在两名或更多具有一致表型的个体中存在双等位基因缺失。其中三个基因被详细阐述：
  • PDC（Phosducin）：四名携带涵盖整个基因的纯合 15kb 缺失的先证者表现为莱伯先天性黑蒙症。该缺失被识别为潜在的英国奠基者变异。
  • GCG（Glucagon）：两名姐妹携带整个GCG基因的纯合缺失，表现为智力障碍和复发性婴儿期腹泻。第三名在GCG中携带纯合终止获得性 SNV 的个体表现出相似的表型。
  • ENTPD3：三名在ENTPD3中具有不同纯合缺失的先证者共享智力障碍、小头畸形和自闭症的表型。

意义与主张
该论文声称提供了首个基于如此大规模短读长测序数据推导出的全基因组纯合缺失图谱，证明了读长深度信号在高置信度 SV 检测中的实用性。研究强调，纯合缺失在 NGRL 队列中约占罕见病诊断的 0.5%，由于此前微阵列检测呈阴性，这一数字可能被低估。

至关重要的是，作者断言其方法揭示了“启动子缺失作为罕见病被低估的病因”，证明非编码缺失的致病性可与编码截短相当。通过识别新的候选疾病基因（PDC、GCG、ENTPD3）并表征全基因组对丢失的耐受性，该数据集可作为改善罕见病诊断和制定治疗策略（例如，识别对敲低具有耐受性的基因）的资源。作者总结道，尽管存在关于假阳性以及短读长无法检测极大 SV 的局限性，但该高置信度数据集显著推进了对人类疾病中纯合缺失基因组负担的理解。