IF58.7｜全基因组测序揭示重复扩增疾病突变频率远超预期

82,176人WGS分析显示，重复扩增疾病致病等位基因携带率高达1/283，实际患病数或为临床报告的2-3倍。

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

重复扩增疾病（REDs）是一组主要累及神经系统的遗传病，包括脆性X综合征、C9orf72相关ALS/FTD、遗传性共济失调等。它们由短串联重复序列异常扩增引起，突变过程渐进，中间等位基因易扩增为致病范围。REDs临床异质性强，同一基因可致不同表型，重复长度与疾病严重度和发病年龄相关。既往基于临床诊断的流行病学研究估计REDs总体患病率约1/3000，但受限于表型多样、地理分布差异和技术局限，可能存在低估。近年来，生物信息学工具已能从短读长全基因组测序（WGS）数据中准确检测重复扩增，为大规模人群筛查提供了可能。

科学问题

卡在哪里： 此前最大规模的REDs遗传频率研究仅基于PCR分析了14,196名欧洲血统个体，缺乏跨人群的大规模WGS数据。同时，临床流行病学研究因表型异质性和不完全外显率，可能严重低估REDs的真实患病率。

本文要回答： 利用大规模WGS数据，回答两个问题：REDs突变在一般人群中的频率是多少？其频率和分布在跨人群中如何变化？

技术路线

作者主要用了：WGS、ExpansionHunter、REViewer、PCA、随机森林、局部祖先推断、疾病流行率建模。

作者从100K GP和TOPMed两个大型医学基因组队列中筛选PCR-free、150bp双端测序的WGS数据，排除神经系统疾病患者，通过亲缘关系和主成分分析确定无关个体并预测遗传祖先。最终纳入82,176个基因组。利用ExpansionHunter对22个RED位点进行重复长度分型，对超过前突变阈值的等位基因进行人工核查。对16个可准确区分前突变和全突变的位点计算携带率，并基于突变频率、发病年龄分布和生存数据建模预测患病数。同时分析不同祖先群体间重复长度分布差异，并对HTT基因结构变异进行专门分析。

图 1　Fig. 1。图1展示了整体分析流程：从100K GP和TOPMed中筛选符合技术标准的WGS数据，排除神经系统疾病患者，进行祖先推断和亲缘关系过滤，最终纳入82,176个无关个体。利用ExpansionHunter对22个RED位点进行重复长度分型，并对超过前突变阈值的等位基因进行人工核查。图中还显示了各RED位点的重复长度分类阈值（正常、中间、前突变、全突变），以及用于准确估计携带率的16个位点。

核心亮点

亮点 1｜REDs致病等位基因携带率高达1/283

在82,176名无关个体中，共发现290人携带全突变等位基因，1,279人携带前突变等位基因，总体致病等位基因携带率分别为1/283和1/64。最常见的全突变是C9orf72（1/839）和DMPK（1/1786），其次是AR（男性1/2561）和HTT（1/4109）。SCA基因中ATXN2、CACNA1A和ATXN1的全突变携带率也较高。隐性遗传的RFC1双等位基因扩增频率高达1/712，FXN双等位基因扩增仅1例。这些数据表明REDs突变在人群中的频率远高于既往认知。

图 2　Fig. 2。图2展示了16个RED位点的致病等位基因携带率估计值及95%置信区间。对于常染色体显性位点，灰色和黑色方块分别表示前突变/降低外显率和全突变携带率；对于隐性位点（FXN和RFC1），灰色和黑色方块分别表示单等位和双等位携带率。最显著的是RFC1双等位携带率高达1/712，而FXN双等位仅1例。C9orf72和DMPK的全突变携带率也较高。

亮点 2｜模型预测REDs患病人数比临床报告高2-3倍

利用英国人口年龄结构、各RED的发病年龄分布、外显率和生存数据，作者估计C9orf72-ALS预期患病人数为1.8/10万，是既往报告的2倍以上；C9orf72-FTD为6.5/10万，在文献报告范围内；DM1为15.9/10万，比临床估计高1.3倍；HD中40 CAG重复携带者的预期患病率为2.3/10万，是临床报告的3倍以上；SCA2和SCA1的预期患病率均为3/10万左右，是既往报告的3倍；SCA6预期患病率高达9/10万，是既往报告的9倍。这些差异提示REDs存在严重诊断不足或不完全外显。

图 3　Fig. 3。图3比较了基于遗传数据建模的预期患病人数与文献报告的临床患病率。深蓝色区域代表模型估计的患病人数，浅蓝色区域代表文献报告值。对于C9orf72-ALS、C9orf72-FTD、DM1、HD、SCA1、SCA2和SCA6，模型估计值均高于临床报告，尤其是SCA6高出9倍。图中按5岁年龄组展示，显示REDs在老年人群中的负担被严重低估。

亮点 3｜多数REDs存在于所有祖先群体，挑战人群特异性观念

尽管部分REDs如JPH3（HDL2）在非洲人中更常见，ATN1、TBP和NOTCH2NLC在东亚人中更常见，但大多数REDs在所有五大遗传祖先群体中均有发现。例如，C9orf72和HTT的致病扩增在非洲人和南亚人中也被检出，此前这些变异被认为主要存在于欧洲人群。局部祖先分析证实这些扩增等位基因确实位于非洲或南亚单倍型上，而非混血所致。这表明基于种族的诊断排除标准需要重新审视。

图 4　Fig. 4。图4a展示了不同祖先群体中致病等位基因携带率的森林图，显示各RED位点在欧洲人、非洲人、美洲人、东亚人和南亚人中的携带率差异。图4b展示了各祖先群体内不同REDs致病等位基因携带者的相对比例，显示非洲人群体中REDs种类最多样，东亚人中TBP比例异常高，而RFC1在所有群体中均占较大比例。

亮点 4｜中间等位基因频率与致病等位基因频率正相关

作者分析了不同群体中中间等位基因的频率，发现其与致病等位基因频率显著正相关（Spearman R=0.65, P=3.1×10^-7）。例如，PPP2R2B的重复长度中位数在东亚和南亚人群中高于欧洲人（13 vs 10）。此外，HTT基因的重复结构分析显示，非经典结构（如P1丢失）在非洲人和东亚人中更常见，且不同结构与Q1重复长度相关。这些结果支持重复长度分布差异是REDs流行病学差异的基础。

图 5　Fig. 5。图5a展示了10个RED位点在不同群体中的等位基因长度分布（半小提琴图），箱线图显示四分位数和中位数，红点标记99.9百分位数。可见不同群体间重复长度分布存在显著差异，例如PPP2R2B在东亚和南亚人群中位数更高。图5b显示中间等位基因频率与致病等位基因频率呈正相关（R=0.65, P=3.1×10^-7），支持重复长度分布差异驱动REDs流行病学差异的假说。

亮点 5｜扩展分析揭示其他RED位点的人群分布差异

利用1K GP3数据，作者分析了6个无法准确区分前突变和全突变的RED位点（FMR1、DIP2B、ATXN8、ATXN10、LRP12、GIPC1）的重复长度分布。结果显示，FMR1、DIP2B和ATXN8的最大百分位数在欧洲人中最高，ATXN10在美洲人中最高，LRP12在东亚人中最高，而GIPC1在非洲人中具有更大的重复。这些发现与已知流行病学一致，并提示非洲人群中GIPC1相关疾病可能被忽视。

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： WGS、ExpansionHunter、REViewer、PCA、随机森林、局部祖先推断、疾病流行率建模
• 公开数据： PRJEB31736、PRJEB36890
• 代码： 公开仓库 https://github.com/Illumina/ExpansionHunter、https://github.com/Illumina/REViewer、https://github.com/Illumina/gvcfgenotyper；本地已克隆：REViewer、C9_Penetrance、ExpansionHunter、gel、gvcfgenotyper、ExpansionHunter_Classifier
• 谁该点开原文： 从事神经遗传学、群体基因组学或罕见病研究的生信分析师和临床研究者。

带走一句

大规模WGS数据可系统评估重复扩增疾病的真实遗传负担，揭示临床诊断的严重不足。分析时应纳入多祖先群体，并关注中间等位基因分布与致病频率的关联。