← 返回首頁

疾病風險寫在哪種細胞裡?逾500萬免疫細胞描出基因調控圖譜

TenK10K將1,925人的全基因組與單細胞資料配對,追查常見及罕見變異如何改變基因表現。這張圖譜讓疾病相關的遺傳訊號有了更細緻的細胞座標,也為治療標的研究提供待驗證的線索。

By SURL BioNews

找到與疾病有關的DNA變異,往往只是解題的開端:它究竟影響哪個基因,又在哪一種細胞中發揮作用?10月28日刊於《Nature》的TenK10K第一階段研究,將逾500萬個免疫細胞的基因表現與個人基因組逐一對照,嘗試補上疾病風險與細胞運作之間的缺口。

研究納入1,925人的全基因組定序,以及28類免疫細胞的單細胞RNA定序資料。歐洲基因組與表型資料庫(EGA)的兩份紀錄確認,這些資料來自相互配對的參與者;其中,全基因組定序平均達30倍覆蓋深度,提供辨識常見與罕見變異的基礎。RNA資料則讓團隊觀察,各類細胞中的基因表現量如何隨遺傳差異而改變。

這類分析稱為表現數量性狀基因座分析,簡稱eQTL分析。它尋找的是DNA變異與基因表現量之間的統計關聯。團隊採用SAIGE-QTL方法,直接對單細胞資料建模,希望捕捉在混合細胞訊號中容易被掩蓋的差異,尤其是過去較難研究的低頻與罕見變異。

依Garvan醫學研究所經News-Medical發布的說明,研究辨識出超過18萬項常見及罕見變異對基因表現的影響,涵蓋約2.1萬個基因。其中,近5,000個具有遺傳調控訊號的基因,未曾在先前最大規模的全血研究中被辨識出來。這裡計算的是調控效應,不能直接解讀為找到同等數量的致病突變。

細胞分類之所以關鍵,在於約一半的調控效應只出現在一種或少數幾種細胞。若把不同細胞混在一起觀察,局部變化可能被平均值沖淡。這也說明,同一項遺傳差異的意義,需要放回細胞種類與狀態中理解,才能更接近它在人體內的實際作用。

對藥物研究而言,圖譜的用途是協助縮小搜尋範圍:把疾病相關的遺傳區域,接到可能受影響的基因與細胞。然而,表現量的統計關聯尚不足以證明致病機制,更不能保證調節該基因就能安全治病;後續仍須透過功能實驗與臨床研究驗證。

這份資源也有適用邊界。論文分析的參與者為歐洲血統,樣本取自周邊血液單核細胞,對其他族群與組織的解釋力不能直接類推。Garvan的說明指出,團隊計畫擴大參與人數、疾病涵蓋範圍與遺傳多樣性。這些擴充將有助於檢驗,目前描出的調控關係能否延伸到更多人的疾病經驗。

References

  1. Nature
  2. News-Medical (Garvan Institute of Medical Research release)
  3. European Genome-phenome Archive
  4. European Genome-phenome Archive