2021-03-24
在分子水平注释人类疾病仍然是一个挑战，因为93%与疾病相关的突变位点位于基因组的非编码区域，而这些区域如何调控基因的转录和翻译仍然未知。为此，来自麻省理工学院的研究人员基于多个大型合作基因组图谱项目（包括ENCODE、Roadmap Epigenomics、Genomics of Gene Regulation）的数据，提出了一个新的人类表观基因组图谱，命名为EpiMap（Epigenome Integration across Multiple Annotation Projects）。这项研究结果以 “Regulatory genomic circuitry of human disease loci by integrative epigenomics”为题于近日发表在Nature上。
文章发表于Nature
利用EpiMap，研究人员：
基于多个表观遗传修饰信号注释了染色质状态（chromatin states），同时结合DNA可及性注释增强子；
将增强子分为不同的模块（enhancer modules），并根据转录因子motif和GO富集结果推断每个模块的上游调控转录因子和下游远程调控基因；
整合增强子位置，增强子和基因的远程交互作用和GWAS SNP结果，预测SNP的靶基因和组织特异性；
将GWAS性状划分为“单因子”和“多因子”性状，揭示了它们与疾病的关系；
区分了“单效”和“多效”位点，并发现得分最高的位点通常有多个驱动突变，通过不同的方式发挥“多效”功能：多个增强子和一个共同的靶基因、调控单个组织中的多个基因或多个组织中发挥功能。
研究内容与结果
研究人员使用统一的数据处理流程分析了来自859个样本的3,030个数据集，并另外使用算法推算出了14,952个数据集，极大地扩展了数据集的覆盖范围。
接着研究人员使用表观基因组数据注释了18中不同的染色质状态（chromatin states），并结合其中的活跃增强子状态与DNase-seq数据注释了210万个活跃的增强子区域。这些区域累积覆盖13%的基因组区域，单个生物样本平均覆盖率达到了0.8%，这相对于ENCODE 2020版本增加了两倍以上。
图1. EpiMap资源概述，来源：Nature
研究人员在833个生物样本中定义了基于H3K27ac的局部活性水平，并基于此将增强子分为300个增强子模块（enhancer modules），包括290个组织特异性模块和10个广泛活跃的模块。
结合表观基因组-转录组的相关性以及增强子与邻近基因的距离，研究人员预测了330万个组织特异性的增强子-基因交互（enhancer-gene links），这在预测的交互数量上和生物学相关性上都超越了以前的方法。
研究人员预测了其中273个模块的上游调控转录因子，涉及1,175个motifs，分为160个原型（archetypes），包括152个组织特异性原型和8个通用原型。组织特异性的转录因子motif包括：血液和免疫样本中的GATA和SPI1；大脑和周围神经系统中的NEUROD2和RFX4；消化组织中的KLF4；胎盘、肌卫星和上皮细胞中的TEAD3。通用的motif包括肝，肾和胰腺中的HNF1A（与NR5A2共同作用）；免疫，骨骼和癌症样本中的AP-1（也称为JUN）或JDP2；TEAD3在不同的组织中与不同的转录因子协作：MYF6（肌球蛋白），TFAP2A（胎盘）和AP-1（基质）。
Motif富集将组织分类为不同的亚组，比如心脏被划分为胚胎心脏（NFIX和E2F1）、主动脉和动脉（SRF和PAX5）以及心腔（MEF2D和ESRRG）；大脑被细分为胚胎（NFIX和NEUROD2），成人大脑（RFX2和SOX10）和星形胶质细胞（NFE2L2和JDP2）；造血细胞被细分为为自然杀伤细胞（ETV2）、B细胞（NFKB2和SPIB）和多能祖细胞（GATA1和NFE2L2）。
图2. 增强子模块回路，来源：Nature
接下来，研究人员使用210万个增强子注释及其组织特异性来解释与复杂性状相关的GWAS位点。研究人员汇总了了一份来自803项GWAS研究的GWAS位点数据集，捕获了70,000 多个GWAS位点。研究人员发现了17,658个显著的性状-组织富集，覆盖了245个性状中的27,000多个候选GWAS SNP。
研究人员结合表观基因组学的注释和增强子-基因的远程交互作用，对疾病相关的位点产生了新的认识。例如乳腺癌GWAS富集在上皮细胞和癌细胞样本中，其中SNP rs17356907位于靠近USP44基因的增强子内部，但与另一个基因NTN4交互，而NTN4与肿瘤发生和血管生成有关。精神分裂症GWAS在中额叶皮质样本中富集，其中SNP rs2007044位于一组靠近DCP1B启动子的增强子内部，所有这些增强子都与CACNA1C交互，已知CACNA1C编码与神经精神疾病有关的钙通道蛋白，提示多种变异可能共同导致其失调。研究人员已经提供了一个交互式网站（http://compbio.mit.edu/epimap），用于探索与500多个性状相关的超过30,000个额外的GWAS位点。
图3. 基于增强子活性距离的833个生物样本的层次聚类，来源：Nature
然后，研究人员研究了性状-组织、性状-性状和组织-组织表观基因组GWAS共富集模式，以了解它们之间复杂的相互作用。
首先，研究人员使用在每个性状中富集的组织数量来将性状划分为两类：56个“单因子”性状（22%）在一个组织中具有最多富集（例如，心脏的QT间期、脑的受教育程度和免疫细胞的甲状腺功能减退），而192个“多因子”性状（79%）平均富集在五个组织类别中（例如，免疫细胞和大脑中的阿尔茨海默病；脂肪、肌肉、肾脏和消化组织中的腰臀比），其中26个“多因子”性状（11%）平均富集在14个组织类别中（包括冠状动脉疾病（CAD）在19个组织组中，包括肝脏、心脏、脂肪、肌肉和内分泌样本）。
根据组织的共富集特性来区分每个GWAS性状的“主要”组织（例如免疫细胞，肝脏，心脏，大脑和脂肪组织）与“伙伴”组织（例如，消化、肺、肌肉和上皮组织），“主要”组织和“伙伴”组织相比始终表现出更高的富集，这表明它们具有驱动作用而不是辅助作用。特定的主要-伙伴组织共同发生的频率比预期的要高，并且揭示了它们可能在性状上共同发挥作用，包括：肝脏与脂肪组织（胆固醇特征）、消化组织（胆结石）和血细胞（血清蛋白水平）；以及脂肪组织与内皮细胞（腰臀比）、心脏组织（心房颤动）和肌肉组织（血压）。
图4. 性状-性状网络，来源：Nature
最后，研究人员将“多因子”性状的SNPs划分为组织特异性的组分。例如，339个与CAD相关的SNPs划分为：195个富含动脉、心脏和血管形态发生的心脏增强子SNPs；171个脂质稳态的内分泌增强子SNPs；169个胆固醇和脂质代谢和转运的肝脏增强子SNPs；轴突导向和局灶粘附中122个脂肪增强子SNPs，与脂肪组织神经支配过程一致；112个胚胎干细胞衍生的肌肉增强子SNPs，富含中隔形态发生、腔和主动脉发育。
这些分区也显示出不一样的协同关系。例如：心脏，肌肉和内皮细胞增强子中的CAD SNPs均与与高血压和心房颤动相关；肝脏和内分泌增强子中的CAD SNPs与收缩压相关；脂肪增强CAD SNP与腰臀比相关；以及肝脏，脂肪和内分泌CAD SNPs与HDL胆固醇相关。
从单个多因子性状位点来看，既有在单个组织中富集的，也有在多个组织中富集的。一些CAD SNP位点仅与心脏增强子重叠（例如EDNRA、TCF21和ADAMTS7），一些仅与肝脏增强子重叠例如PCSK9），一些不位于任何增强子中，许多位于广泛活跃的增强子中（例如，LDLR、APOE、SH2B3和COL4A1），这表明即使在单个SNP位点水平上也存在多种调控机制。
即使看似单一的SNP也会在其他组织里：rs17114046在肝脏中有很强的信号，同时它位于多个增强子中，并调控基因PLPP3，肝脏特异性PLPP3缺失会增加动脉粥样硬化；然而这个SNP也同时连接到另一个肝脏产生的补体因子C8A，并通过心脏特异性和肌肉特异性的交互连接到PRKAA2。这说明单个SNP也可能具有多种功能，这一特性存在与许多高度富集的SNP中。
图5. 多因子性状的划分，来源：Nature
小结
该研究结果证明了高通量、丰富多维、高分辨率的表观基因组和调控回路注释在研究基因调控、复杂性状和疾病位点机制研究中的实用性，使得生物空间和疾病复杂性的规模、范围和覆盖面达到较大的程度。
