Investigating the pathogenicity of missense spliceogenic variants using whole-genome sequencing, RNA-sequencing, and proteomics data from population and clinical research cohorts

人类健康依赖于写在 DNA 中的一套复杂的指令手册，这段代码告诉我们的细胞如何构建生命所需的蛋白质。几十年来，科学家们一直专注于研究这种代码的变化如何改变最终蛋白质的形状和功能，就像是在检查食谱中的一个拼写错误是否会毁掉蛋糕的味道。然而，在最终产品制造出来之前，这份指令手册还有一个关键的编辑步骤。这个过程被称为剪接（splicing），它切除不必要的章节，并将剩余部分缝合在一起，以形成一条清晰、可用的信息。如果这个编辑步骤出错，细胞可能会完全丢弃这条信息，或者产生一个损坏的版本，从而导致疾病。虽然研究人员早已知道这些章节边缘的错误会导致此类问题，但他们此前一直假设，只要最终的蛋白质看起来仍然正确，那么这些章节中间的变化就是安全的。

一项新的研究挑战了这一假设，揭示了许多此前被认为对人体无害的遗传变化实际上破坏了编辑过程。通过分析来自近五十万人的遗传数据并测量其血液中的蛋白质水平，研究人员发现，相当数量的这类“中间”变化干扰了剪接机制。研究团队将这些错误称为错义剪接变异（missense spliceogenic variants），它们之所以经常被目前的诊断工具忽略，是因为这些工具只关注最终的蛋白质形状，而不关注编辑过程。研究结果表明，很大一部分目前被标记为不确定或良性的遗传变异，实际上是通过阻止细胞制造出必要的蛋白质来导致疾病的。

为了理解这一隐藏问题的规模，研究团队转向了英国生物样本库（UK Biobank），这是一个包含约 50 万名志愿者遗传信息和健康记录的海量数据库。他们专注于一种特定类型的遗传变化，称为错义变异（missense variant），即 DNA 代码中单个字母的变化，通常会导致使用不同的构建模块来组成蛋白质。团队检查了超过 800 万个此类变异，以观察是否有任何变异也会干扰剪接过程。他们使用了一种先进的计算机模型来预测每个变异将如何影响遗传信息的编辑。结果令人震惊：大约 2.7% 的错义变异被预测会干扰剪接，这一比例与同义变异（synonymous variants，即完全不改变蛋白质的变异）几乎相同。这表明，编辑过程受干扰的风险在代码的中间部分与在边缘部分一样普遍。

随后，研究人员调查了这些预测的错误是否具有现实世界的后果。研究人员将遗传数据与 5 万多名参与者的血液样本进行了对比，观察了在血液中循环的近 3,000 种不同蛋白质的水平。他们发现，携带这些特定错义变异的个体，其相应蛋白质的水平显著降低。在许多情况下，蛋白质水平的下降程度与那些完全停止蛋白质生产的已知毁灭性遗传错误所导致的下降程度一样严重。这证实了预测的剪接错误不仅仅是理论上的，它们实际上正在阻止人体制造出足够的必要蛋白质。

这项调查的一个关键环节是测试目前医生和遗传学家用于解释这些变异的工具的可靠性。大多数标准软件程序旨在预测遗传变化是否会破坏蛋白质的结构。研究人员发现，对于他们识别出的那些破坏剪接的变异，这些标准工具通常会给出“安全”的评级。事实上，超过一半被预测会破坏剪接过程的变异，被专注于蛋白质结构的工具归类为良性或中性。这造成了一个危险的盲点：一个变异可能因为蛋白质看起来没问题而被标记为无害，但实际上细胞却根本无法生产出该蛋白质。这种差异在蛋白质天然具有柔韧性且缺乏刚性结构的区域尤为明显，而这些区域正是标准工具最不容易预测出问题的区域。

为了证明他们的计算机预测符合生物学现实，团队查看了来自此前未获得诊断的罕见病患者的实际遗传数据。他们识别出了 14 个来自 NHS 基因组医学服务的、其模型预测会破坏剪接的“意义不明”错义变异。当研究人员检查这些患者的 RNA（即遗传信息）时，他们证实了在这些案例中剪接确实受到了破坏，这为将这些变异归类为致病或可能致病提供了强有力的证据。在其中一个案例中，一个此前被认为无害的名为 VRK1 的基因中的变异，被证明会导致细胞跳过整个信息段，从而导致严重的神经系统疾病。在另一个关于 PRG4 基因（会导致关节和心脏问题）的案例中，发现一个变异迫使细胞使用错误的编辑位点，从而删除了信息的关键部分。这些发现提供了直接证据，证明计算机模型能够正确识别出那些被传统方法遗漏的致病错误。

研究人员还将他们的新方法应用于来自“千人基因组计划”（100,000 Genomes Project，一项旨在寻找罕见病遗传原因的国家倡议）的一组未解决病例。通过筛选这些特定的剪接错误，他们为一名多年未确诊的患者找到了一个强有力的诊断候选依据。该患者携带一个此前被视为不确定的 DYSF 基因变化。新分析显示，这一变化破坏了编辑位点，导致了一种形式的肌营养不良症，且研究结果与患者的症状高度吻合，值得进一步临床检查。他们还为另外两名具有类似不明症状的患者找到了强有力的候选依据。这些成功案例表明，关注编辑过程而非仅仅关注最终蛋白质，可以解决长期存在的医学谜团。

研究结论指出，目前解释遗传变化的方式需要进化。多年来，焦点一直在于变化是否破坏了蛋白质的形状，但这项研究表明，如果变化导致信息无法被正确编辑，其危害同样巨大。通过将预测剪接错误的工具整合到标准的诊断流程中，医生可以发现更多患者的真实致病原因。这种视角的转变将该领域从对最终产品的狭隘关注，转向对整个制造过程更广泛的理解，确保没有任何遗传错误仅仅因为隐藏在显眼处而被忽视。