IF31.7｜系统解析结直肠癌风险位点的功能变异与靶基因

整合多组学与高通量报告基因实验，为170个CRC风险位点锁定候选因果变异和208个靶基因。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

结直肠癌（CRC）是全球高发癌症，遗传度较高。大规模GWAS已鉴定出超过200个显著风险位点，但绝大多数位点的功能变异和靶基因仍不清楚。由于连锁不平衡和变异多位于非编码区，传统计算精细定位只能基于LD推测，难以确定因果变异。非编码变异通常通过顺式调控影响基因表达，因此需要结合表观遗传注释、染色质可及性、三维染色质互作和基因表达数据来系统解读。此前研究多依赖单一数据类型，或仅将变异分配给最近基因，可靠性有限。

科学问题

卡在哪里： 尽管已有精细定位和功能注释方法，但大多数CRC风险位点的因果变异仍未被实验验证，靶基因也缺乏可靠预测。已发表的eQTL仅能解释癌症GWAS遗传力的9–13%，且单纯依赖物理距离分配基因不可靠。此外，增强子可调控多个基因，传统方法难以全面捕获。

本文要回答： 本文旨在系统性地为170个CRC风险位点优先排序功能变异，并通过整合多组学数据将变异与靶基因联系起来，揭示CRC易感性的分子基础。

技术路线

作者主要用了：MPRA、ATAC-seq、ChIP-seq、RNA-seq、Micro-C、scRNA-seq、eQTL、SMR、ABC模型。

作者首先利用scRNA-seq和表观遗传数据确定CRC风险位点主要活跃于结肠上皮细胞。然后对每个位点进行统计精细定位（PolyFun+SuSiE），并在多个结肠细胞系中开展MPRA实验，检测变异对转录活性的影响。接着整合MPRA、精细定位、染色质状态、ATAC-seq、CTCF结合、Micro-C互作和Akita预测等注释，对每个变异打分并分层。最后结合eQTL、SMR和ABC模型将优先变异与靶基因关联，并通过文献挖掘和药物数据库评估靶基因的临床潜力。

图 1　Fig. 1。图1展示了整体分析流程：从CRC GWAS的170个风险位点出发，整合MPRA、表观遗传标记（ChIP-seq）、染色质可及性（ATAC-seq）、基因表达（RNA-seq）和长程染色质互作（Micro-C）数据，计算整合评分以优先排序功能变异，并通过结肠特异性eQTL和SMR将变异与靶基因关联。图中GWAS曼哈顿图上的彩色点表示超过显著性阈值的变异，SMR图显示GWAS与eQTL数据的整合结果。

核心亮点

亮点 1｜MPRA实验鉴定275个功能性变异

作者在HT29、SW403和HCEC-1CT三个细胞系中对8,880个变异进行了大规模平行报告基因实验（MPRA），以FDR<10^-3为阈值，共鉴定出275个具有显著等位基因转录活性差异的变异。这些MPRA显著变异更可能被精细定位为因果变异（P=4.39×10^-3），且显著富集于结肠表观基因组的增强子和启动子区域（P=3.66×10^-18）。此外，它们优先定位于开放染色质（P=7.32×10^-35），并倾向于通过Micro-C染色质互作与基因转录起始位点（TSS）相连（P=7.28×10^-4）。

图 2　Fig. 2。图2展示了各风险位点的变异评分分布。每个位点以细胞遗传学条带和top GWAS SNP标记。变异根据注释得分总和排序，得分前20%为Tier 1，后50%为Tier 3，其余为Tier 2。图中可见不同位点的Tier 1变异数量差异较大，部分位点缺乏高评分变异，反映了功能数据的覆盖不均。

亮点 2｜整合评分系统优先排序因果变异

作者将MPRA、精细定位PIP、染色质状态、ATAC-seq、CTCF结合、Micro-C互作、SMR和Akita预测等注释整合为一个评分系统，每个变异根据证据强度获得0–2分。按总分排序，前20%定义为Tier 1变异，后50%为Tier 3，其余为Tier 2。共鉴定出2,406个Tier 1变异，其中42个也是GWAS的top hit。49个位点没有Tier 1变异，16个位点甚至没有任何Tier 2变异，这些区域缺乏功能数据。该评分系统为每个位点提供了候选因果变异的优先列表。

图 3　Fig. 3。图3展示了三个代表性位点的详细解析。a：8q24.21位点，rs6983267和rs7013278相距1.5kb，但rs6983267具有更强的MPRA、转录因子结合、ATAC-seq和Micro-C证据，而rs4733767距离超过150kb，注释独立，可能是真正的独立信号。b：10p12.1位点，rs1248418（与lead SNP rs1773860连锁）位于增强子区域，通过长程互作调控BAMBI。c：1p34.3位点，rs67631072通过SMR和Micro-C证据关联FHL3。

亮点 3｜208个靶基因与TGFβ通路富集

通过整合eQTL、SMR、ABC模型和Micro-C数据，作者将Tier 1变异与208个靶基因关联。其中94个位点由至少两种证据支持，10个位点仅有一种证据。约70%的变异与靶基因位于同一拓扑关联域（TAD）。通路富集分析显示靶基因显著富集于TGFβ信号通路（KEGG Padj=4.31×10^-6）、Hippo通路（Padj=6.50×10^-5）和Wnt通路（Padj=9.38×10^-3）。例如，rs1248418通过长程互作调控BAMBI（TGFβ负调控因子），rs67631072影响FHL3表达，后者与SMAD2/3/4互作，进一步强调TGFβ通路在CRC遗传易感性中的核心作用。

图 4　Fig. 4。图4将整合分析鉴定的基因按生物学或细胞功能分类。方框大小与类别中基因数量成正比。图中显示靶基因涉及多种功能类别，包括信号转导、转录调控、细胞周期等，其中TGFβ、Wnt等通路相关基因占比较大，提示这些通路在CRC遗传易感性中的重要性。

亮点 4｜新靶基因与药物再利用机会

在208个靶基因中，142个在文献中无CRC相关报道，47个在任何癌症中均无已知作用。通过oncoEnrichR分析，10个基因已有获批药物可用于再利用，如crofelemer（靶向ANO1）和misoprostol（靶向PTGER3）。此外，44个基因具有临床或发现阶段药物，31个可能具有可成药性。基于CRISPR筛选数据，TBCD、KLF5和SOX9被预测为CRC有前景的治疗靶点。这些发现为CRC预防和治疗提供了新的潜在药物靶点。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： MPRA、ATAC-seq、ChIP-seq、RNA-seq、Micro-C、scRNA-seq、eQTL、SMR、ABC模型
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事癌症遗传学、功能基因组学或药物靶点发现的研究者。

带走一句

多组学整合与高通量MPRA结合，能系统破解GWAS风险位点，为复杂疾病遗传解析提供可复用的策略。