Nat Genet | 系统发现T细胞调节基因：跨过顺式反式的连接网络
原创 风不止步 图灵基因 2022-07-18 09:04 发表于江苏
收录于合集#前沿分子生物学技术
撰文：风不止步
IF=41.307
推荐度：⭐⭐⭐⭐⭐
亮点：
作者绘制了一个具有广泛反馈回路的紧密互连网络，该网络丰富免疫相关疾病变体和基因。提供免疫相关疾病基因在T细胞中如何调节的见解，以及关于人类基因调节网络结构的更广泛原则。
2022年7月11日，美国普里查德实验室的Jonathan K. Pritchard博士等人在《Nature Genetics》上发表了一篇“Systematic discovery and perturbation of regulatory genes in human T cells reveals the architecture of immune networks”的文章，文章利用CRISPR扰动、RNA序列和ATAC序列绘制了IL2RA、IL-2和CTLA4的上游调节因子和假定顺式调控元件的靶基因网络。
人类遗传学研究可以揭示导致疾病的基因，并确定新的治疗靶点。全基因组关联研究（GWAS）已确定数千种与疾病相关的遗传变异；然而，很难确定其功能后果。工作重点原先是绘制这些变体的顺式调节效应（CIS）。然而，在许多情况下，识别CIS中改变的基因并不能阐明疾病的病因。许多顺式调节基因可能不直接参与疾病相关过程，而是反式调节其他直接参与的基因。因此，绘制跨调节连接图对于识别最显著的疾病基因至关重要。
图1：绘制人类T细胞疾病基因网络的方法。
只有少数研究成功地解开了疾病相关变体的跨调节影响。在这些研究中，识别给定单核苷酸多态性（SNP）的反调节基因可以理解每个变体如何影响疾病风险。这些例子支持映射跨调节连接的效用，但事实证明，测量跨调节比测量顺式调节更难，这在很大程度上是一个尚未解决的问题。
使用反式eqtl（表达数量性状位点）定位反式调控比较困难，因为反式eqtl通常影响较小，需要大样本量进行检测。另一种方法是通过实验干扰一个基因，并测量对其他基因表达的影响。这些调节关系也许是细胞类型特异性，所以必须在疾病相关细胞中绘制。为了在与免疫介导疾病相关的细胞中进行机理研究，使用Cas9核糖核蛋白（RNP）和切片在原代人类T细胞中使用CRISPR。关注CD4+T细胞，因为自身免疫疾病相关的SNP在这些细胞的活性染色质中高度富集。扰动序列等方法使用CRISPR敲除选定的一组基因并测量基因表达的变化。之前使用这些方法干扰感兴趣的基因，并在人类T细胞中识别其下游靶点。将这种方法称为“下游映射”，因为它识别转录网络中敲除基因下游的基因。然而，这种方法需要对调控基因的知识进行选择以进行破坏。相反，“上游定位”能够从感兴趣的基因开始，无偏见地发现控制其表达的上游调控因子。上游定位可用于识别已知疾病基因的调节因子，并推断顺式调节上游基因的疾病相关基因变体可能也反式调节下游疾病基因。
图2:IL2RA、IL-2和CTLA4上游调节器的发现。
文章确定了三种关键免疫基因产物的上游调节因子：IL2RA（也称为CD25）、IL-2和CTLA4。IL-2是一种重要的细胞因子，与高亲和力IL-2受体IL2RA结合，促进T细胞增殖和存活。CTLA4通过抑制CD80/CD86对抗原呈递细胞的CD28共刺激来限制T细胞活化。绘制这些基因周围的调控网络，因为它们的正确表达对免疫稳态至关重要，它们的破坏与许多复杂的孟德尔免疫疾病有关。
图3:IL2RA调节因子形成高度互联的基因网络
在确定上游调节器后，通过分别淘汰24个调节器来进行下游映射测量染色质可及性和基因表达的全基因组变化。结合上游和下游映射能够生成原代人类细胞中跨调节连接的综合图（图1a）。此外，这些数据深入了解了人类基因网络的调控架构，揭示一个高度互联的网络，其中包含广泛的反馈回路，并丰富免疫疾病变体和基因。结果为确定疾病相关基因网络提供了一个路线图，方法是从几个重要的种子基因开始，然后优先考虑破坏这些网络组成部分的变体。
图4：共调控基因集富集了免疫疾病基因。
绘制基因网络图的策略可能广泛适用于知道的一些感兴趣的基因，但尚未发现涉及哪些其他基因和非编码元件的情况。对1484个基因的微扰和酵母中的图谱分析表明，这种方法可以将许多基因分配到功能途径。由于类似规模的实验在哺乳动物系统中尚不可行，所以开发一种两步方法。首先确定最重要的调控基因，然后进行一系列与RNA序列和ATAC序列耦合的集中扰动。免疫基因在共调节基因中的高度富集表明，这是一种强大且广泛适用的方法，用于识别功能相关基因和假定的CRE。
已鉴定的IL2RA调节因子共同调节一个中心网络，该网络显著富集与免疫疾病相关的基因。这种网络结构与提出的全基因模型一致，在该模型中，一组核心基因直接作用于性状，但许多外围基因的扰动会影响这些核心基因的表达。这种网络结构可以解释许多看似无关的GWA失调如何破坏重要疾病基因的中央网络。重要的是，利用扰动绘制基因网络图还可以识别疾病基因和上游调节器之间的联系，而这些调节器本身在基因上与疾病无关。此外，该网络可能与诊断临床基因组测序中发现的候选遗传变异相关，这些变异与免疫缺陷或自身免疫性疾病无关，但映射到该网络中的基因。最后，作为该网络种子的IL2RA、IL-2和CTLA4是癌症和自身免疫性疾病药物开发的既定靶点，因此该网络可能有助于确定有前景的新药物靶点。组装基因网络图也可用于设计免疫细胞疗法。更好地理解T细胞调节网络将有助于改进细胞治疗和更安全地操纵基因，同时更全面地了解这种操纵的下游后果。
教授介绍
Jonathan K. Pritchard博士
Jonathan K. Pritchard博士认为物种内的遗传变异是进化和表型变异的最终驱动力。大部分工作使用统计和计算方法来研究人类遗传学和进化生物学中遗传变异的各个方面。经常处理需要处理新型基因组数据或新型问题的问题。因此，工作核心部分涉及开发适当的统计和计算方法，这些方法可以对现代基因组规模数据集产生新的见解。
其实验室当前活跃的领域包括：
复杂性状的遗传结构、多基因预测、可移植性和全基因模型。
基因调控和变异：顺式和反式 eQTL、基因调控网络、推理和模型。
复杂性状、适应和人类历史的群体遗传学：理论、推论、数据分析。
参考文献
Jacob W. Freimer, Oren Shaked et al. Systematic discovery and perturbation of regulatory genes in human T cells reveals the architecture of immune networks（2022）