IF31.7｜全基因组测序揭示罕见非编码变异对循环蛋白水平的大效应

罕见非编码变异对常见表型贡献巨大，聚合检验可发现单变异检验遗漏的关联。

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

人类基因组中非编码区占绝大部分，已知常见变异关联多位于非编码区，但罕见非编码变异对常见复杂表型的作用仍不清楚。此前研究受限于缺乏大规模全基因组测序数据，以及难以将非编码变异归类为功能相似单元，主要集中在外显子区域。循环蛋白水平是遗传效应近端且测量精确的表型，为研究罕见非编码变异提供了理想模型。已有三项研究利用UK Biobank蛋白质组数据分别通过插补GWAS、外显子测序和WGS插补分析鉴定pQTL，但均未充分利用WGS中罕见非编码变异信息。

科学问题

卡在哪里： 此前研究主要依赖插补或外显子测序，无法系统评估罕见非编码变异对蛋白水平的影响；且非编码变异功能注释困难，缺乏有效的聚合检验策略，导致罕见非编码调控区域与表型的关联被大量遗漏。

本文要回答： 利用WGS数据系统评估罕见非编码单变异和聚合变异对循环蛋白水平的影响，并鉴定新的调控区域。

技术路线

作者主要用了：全基因组测序、单变异关联分析、非编码聚合检验、条件分析、功能注释。

作者对UK Biobank中约5万欧洲血统个体的WGS数据（约11亿变异）进行cis关联分析，针对2,907种循环蛋白水平，在编码基因上下游1Mb窗口内进行单变异（MAC≥5）和罕见变异聚合检验（MAF<0.1%）。通过严格覆盖度过滤和条件分析排除假阳性，并利用多种注释（VEP、GERP、JARVIS、CADD等）定义聚合单元，包括基因中心、调控区域和滑动窗口。最终鉴定独立关联并评估其功能富集。

图 1　Fig. 1。图1展示了研究设计流程：从UKB WGS和Olink蛋白数据开始，经过变异注释、单变异和聚合检验、条件分析、覆盖度过滤，最终得到高质量pQTL和聚合关联。该图概括了从原始数据到最终发现的关键步骤，强调了对低覆盖区域的排除和条件分析的重要性。

核心亮点

亮点 1｜罕见非编码pQTL效应方向更均衡

在599个蛋白中鉴定出1,651个高质量罕见pQTL（MAF<1%），其中604个为非编码变异。与编码变异86.3%降低蛋白水平不同，非编码pQTL中仅65.2%降低蛋白水平，方向分布更均衡（P=5.41×10^-13）。非编码变异平均绝对效应为1.15个标准差，相当于罕见功能丧失变异的57.1%。此外，非编码pQTL中56.8%位于同源基因调控区，而编码pQTL中98.7%位于同源基因。

图 2　Fig. 2。图2的曼哈顿图展示了cis关联结果，按变异类型分为单变异、编码聚合、基因中心调控聚合、基因间/内含子调控聚合和滑动窗口聚合。每个面板显示-log10(P)值，红色线为Bonferroni阈值。该图直观展示了不同类别变异对蛋白水平的关联强度，其中非编码聚合信号在多个区域达到显著。

亮点 2｜5'UTR和剪接位点显著富集

对同源基因调控区的罕见非编码pQTL进行注释富集分析，发现5'UTR（OR=23.6，P=4.46×10^-48）、预测内含子剪接位点（OR=208.5，P=1.08×10^-29）、3'UTR（OR=3.08，P=4.34×10^-7）、非编码外显子（OR=2.69，P=9.02×10^-5）和上游变异（OR=3.00，P=3.80×10^-20）显著富集。这些区域通常不被外显子测序捕获，凸显WGS在发现新调控变异中的价值。

图 3　Fig. 3。图3展示了罕见pQTL效应大小与MAF的关系，按编码和非编码分层，并进一步按预测后果分类。编码变异效应普遍较大且多为负向，非编码变异效应分布更对称。同源基因的调控变异（图3d）效应也较大，但方向混合。该图强调了非编码变异效应方向均衡的特点。

亮点 3｜聚合检验发现357个独立调控区域

罕见非编码聚合检验鉴定出357个条件独立的关联区域，其中74个（21%）无法通过单变异检验发现。这些聚合信号中，仅10个（2.8%）在burden框架下最强，而编码聚合中38.6%为burden最优，表明非编码变异效应方向混合且稀疏因果。滑动窗口聚合额外发现了34个蛋白的关联，其中3个蛋白仅由滑动窗口检出，证明无假设窗口策略能捕获未注释的调控区域。

图 4　Fig. 4。图4比较了lead变异集与所有测试变异在不同注释类别中的比例，聚焦于同源基因注释。5'UTR、剪接位点等类别在lead变异中显著富集（红色加粗表示P<0.05/9），而内含子未指定等类别则无富集。该图量化了非编码pQTL在特定调控区域的富集程度。

亮点 4｜组织特异性调控元件富集

对罕见非编码pQTL在Ensembl调控区域的富集分析显示，单变异pQTL在所有蛋白组中均富集于调控区域，与分泌状态无关；但在增强子和CTCF结合位点中，分泌/信号蛋白的富集程度更高。滑动窗口聚合关联在血管和肝脏活性调控区域富集最显著，提示循环蛋白水平可能受这些组织中的调控元件影响。

图 5　Fig. 5。图5类似图4，但针对聚合检验的lead聚合与所有测试聚合。同源基因的5'UTR和剪接位点聚合显著富集，而其他类别如启动子侧翼区无富集。该图表明聚合检验能够识别出富集于关键调控区域的信号，支持聚合策略的有效性。

亮点 5｜覆盖度过滤揭示大量假阳性

研究发现蛋白的独立pQTL数量与顺式区域测序覆盖度呈负相关。例如CD177有49个独立pQTL，但其外显子5和内含子6覆盖度极低。通过严格覆盖度过滤（>99.5%碱基且>90%个体深度>8）和条件分析差异过滤，从13,457个候选pQTL中仅保留5,076个，涉及1,026个蛋白。排除区域富集于已知片段重复等复杂区域，提示大规模WGS关联分析需谨慎处理低覆盖区域。

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： 全基因组测序、单变异关联分析、非编码聚合检验、条件分析、功能注释
• 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： 从事大规模WGS关联研究、罕见变异分析或蛋白质组遗传学的生信与遗传学研究者。

带走一句

做WGS关联分析时，务必检查覆盖度并过滤低质量区域；非编码聚合检验能发现单变异遗漏的信号，且应优先使用允许双向效应的统计方法。