孟德尔疾病基因中预测致病错义变异特征的基因组规模分析

《Frontiers in Bioinformatics》:Characteristics of predicated pathogenic missense variants in human genes for Mendelian disorders

【字体: 大 中 小 】 时间:2026年09月30日 来源:Frontiers in Bioinformatics 3.6

编辑推荐:

  中文摘要翻译: 背景: 错义变异(missense variants)是遗传变异的主要类别之一,在孟德尔疾病(Mendelian disorders)的致病原因中占有重要地位。然而,决定其致病性的遗传和蛋白质特性尚未得到充分表征。现有的变异致病性数据库(如Cl

  
中文摘要翻译: 背景: 错义变异(missense variants)是遗传变异的主要类别之一,在孟德尔疾病(Mendelian disorders)的致病原因中占有重要地位。然而,决定其致病性的遗传和蛋白质特性尚未得到充分表征。现有的变异致病性数据库(如ClinVar)富集了研究较为充分的基因中的变异,因此可能无法提供全基因组范围内致病性错义变异的代表性视图。与此同时,计算致病性预测方法的最新进展显著提高了其预测准确性,使得大规模全基因组分析成为可能。在本研究中,研究人员考察了与孟德尔疾病基因中错义变异预测致病性相关的遗传和蛋白质特性。 方法: 研究人员收集了从在线孟德尔人类遗传数据库(Online Mendelian Inheritance in Man,OMIM)中整理的孟德尔基因中的所有可能的错义变异。每个变异均使用gMVP进行致病性预测注释,并标注了一系列特性,包括进化保守性、物理化学替代特征,以及功能和结构性的遗传与蛋白质特征。研究人员使用多元线性回归模型,考察了各特性与错义变异预测致病性之间的关系,并检验了这些特性之间的交互效应。研究人员首先通过比较在ClinVar数据集中分别拟合gMVP致病性预测和ClinVar致病性标签的线性回归中各特性的效应,验证了gMVP的质量。随后,研究人员将分析扩展到整个错义变异数据集以拟合gMVP致病性评分。此外,还进行了基因集分析和稳健性分析以验证研究发现。 结果: 在ClinVar的655,859个错义变异中,7.1%被标记为致病性/可能致病性,而使用gMVP阈值0.9预测为致病性的比例为6.4%。回归分析显示ClinVar与gMVP致病性注释之间存在高度一致性,大多数预测因子的关联方向相似且效应量相当。全基因组数据集包含4,709个孟德尔疾病基因中的23,339,549个错义变异,其中31.8%在使用默认gMVP阈值0.75时被预测为致病性。进化保守性、溶剂可及性(solvent accessibility)和内在无序性(intrinsic disorder)与gMVP致病性评分密切相关。其他特征,包括功能注释和氨基酸生化特性,也对预测致病性有中等效应量的贡献。特征交互作用支持一个整合模型,其中保守性和局部蛋白质结构共同影响变异效应。基因本体(Gene Ontology,GO)分层分析和其他基因集分析表明,这些关联在基因功能环境和遗传模式中广泛保守。 结论: gMVP预测的致病性错义变异一致富集于保守且结构化的蛋白质核心区域,无论基因功能和遗传模式如何。这些发现强调了将遗传和蛋白质注释纳入变异解读框架的重要性。
论文解读
一、研究背景与科学问题
错义变异导致单氨基酸替换,是人类基因组中最常见的编码区遗传变异类别之一。虽然大多数错义变异是良性的,但其中一小部分会破坏蛋白质功能并导致孟德尔疾病,因此准确识别致病性变异是人类遗传学和精准医学领域的核心挑战。尽管变异致病性预测方法取得了显著进展,但理解这些预测背后的决定因素仍是重大难题。
当前存在的主要问题包括:第一,现有致病性变异数据库如ClinVar,富集了研究较充分的基因中的变异,可能无法代表全基因组范围内致病性错义变异的真实图景;第二,最新的预测方法如EVE、AlphaMissense、Evo 2以及基于蛋白质语言模型的预测器虽然预测性能优异,但往往作为"黑箱"运行,无法提供清晰的生物学解释;第三,以往研究通常聚焦于单一特征或有限特征集,缺乏对多种遗传和蛋白质特征如何共同塑造错义变异致病性的系统性、全基因组规模的量化分析;第四,特征之间的交互效应很少被明确建模,这些蛋白质决定因素在不同功能环境中的一致性也未被全面评估。
二、研究内容与主要发现
研究人员针对上述空白,开展了全基因组规模的孟德尔疾病基因错义变异综合分析。研究从OMIM数据库整理了4,709个孟德尔疾病基因,收集了全部23,339,549个可能的错义变异,并使用gMVP(Graphical Missense Variant Pathogenicity Predictor,一种基于图注意力神经网络的错义变异致病性预测工具)进行致病性注释。每个变异同时标注了进化保守性、物理化学替代特征、功能注释和结构特征等多维度信息。通过相关分析、多元线性回归、交互效应建模、基因本体分层分析、基因子集稳健性分析以及ClinVar一致性验证,研究建立了理解错义变异致病性遗传和蛋白质决定因素的系统框架。
研究发现,进化保守性、溶剂可及性和内在无序性与gMVP致病性评分密切相关。具体而言,位于保守、结构化蛋白质核心区域的变异更可能具有致病性,而位于非保守、无序或蛋白质表面区域的替换相对耐受。功能注释如基序、翻译后修饰位点和蛋白质结构域也以中等效应量贡献于预测致病性。特征交互分析支持整合模型,其中保守性和局部蛋白质结构共同影响变异效应。这些关联在基因本体功能类别、显性遗传基因和含无序区域基因等不同子集中均保持一致,表明研究发现的稳健性和生物学相关性。
三、关键技术方法
研究采用的主要技术方法包括:gMVP预测,基于图注意力神经网络整合进化和共进化特征;ClinVar临床注释数据用于验证gMVP预测质量,包含655,859个错义变异;Eigen评分评估进化保守性;群体等位基因频率(allele frequency,AF)来自gnomAD3和英国生物样本库(UK Biobank);蛋白质结构特征基于AlphaFold2预测的三维结构,使用DSSP计算二级结构和溶剂可及性;蛋白质功能注释来自UniProt数据库,包括结构域、结合位点、翻译后修饰(post-translational modification,PTM)、序列基序和内在无序残基,其中内在无序性由MobiDB预测;氨基酸物理化学特性包括疏水性、电荷和分子量变化及BLOSUM62替代评分;统计方法包括Spearman相关分析、含交互项的多元线性回归、基因本体分层回归、10次随机抽样10,000变异的稳健性分析。
四、主要研究结果
数据集分布特征:全基因组数据集包含23,339,549个错义变异,gMVP评分中位数为0.584,31.8%的变异被预测为致病性。不同基因间预测致病性变异比例差异显著,从接近0%到接近100%。常染色体显性(autosomal dominant,AD)基因的平均预测致病性变异比例为35.8%,略高于常染色体隐性(autosomal recessive,AR)基因的32.5%,但两者分布高度相似。蛋白质长度与预测致病性比例呈弱负相关(Spearman ρ = ?0.126),表明蛋白质长度不能解释基因间预测致病性负担的显著异质性。
ClinVar与gMVP一致性验证:在ClinVar数据集的655,859个变异中,7.1%被ClinVar标记为致病性/可能致病性,6.4%被gMVP以0.9阈值预测为致病性,比例相当。回归分析显示两种注释方式下各特征的关联方向一致、效应量相似,验证了gMVP预测的可靠性。
特征相关性与回归分析:Spearman相关分析显示,Eigen评分与gMVP评分呈最强正相关(ρ = 0.403),溶剂可及性呈最强负相关(ρ = ?0.396),内在无序性呈负相关(ρ = ?0.278)。多元线性回归中,Eigen评分仍是最强正预测因子(β = 0.601),溶剂可及性为最强负预测因子(β = ?0.267),内在无序性保持负相关(β = ?0.143)。基序(β = 0.071)、翻译后修饰(β = 0.055)、分子量变化(β = ?0.051)和蛋白质结构域(β = 0.040)也有较小但显著的效应。
特征交互效应:含交互项的回归模型中,Eigen评分仍是最强正预测因子(β = 1.051)。内在无序性与溶剂可及性的交互项呈强正相关(β = 0.308),Eigen评分与溶剂可及性的交互项也为正(β = 0.239)。这些正交互项抵消了保守和埋藏蛋白质区域的加性效应,表明变异位于结构化蛋白质核心区域并不简单增加致病性。
基因本体分层分析:在分子功能(Molecular Function,MF)、生物学过程(Biological Process,BP)和细胞组分(Cellular Component,CC)三个基因本体类别中,Eigen评分始终是最强且最一致的正预测因子,内在无序性也是稳定的负向决定因素,无序-溶剂可及性交互项在各子集中均为正,表明主要决定因素在基因功能环境中广泛保守。
靶向子集分析:在仅含无序区域注释的2,189个蛋白质的数据集中,内在无序性仍为强负预测因子(β = ?0.123),无序-溶剂可及性交互项保持强正相关(β = 0.316)。在1,173个显性基因、5,701,973个错义变异的子集中,Eigen评分(β = 0.597)、溶剂可及性(β = ?0.248)和内在无序性(β = ?0.149)的关联方向与全基因组一致,交互项分析同样支持无序-溶剂可及性正交互(β = 0.302)。
案例研究:以KCNJ5蛋白为代表,gMVP预测的致病性变异富集于蛋白质中央区域,进化保守性呈现相似模式,而溶剂可及性在蛋白质中心最低。位于内在无序区域的变异具有最低的gMVP评分,该区域对应AlphaFold预测三维结构中的低置信度区段,位于蛋白质两端。
五、讨论与结论
研究讨论部分指出,在全基因组规模的多预测因子分析中,进化保守性和蛋白质结构背景是错义变异致病性的主要决定因素。变异位于保守、结构化蛋白质核心区域时更可能致病,而位于非保守、无序或蛋白质表面区域时相对耐受。这些关联在校正等位基因频率、氨基酸替代特性和功能注释后仍然存在。亚组分析包括ClinVar数据集、基因本体分层基因集、显性基因和无序基因均显示一致的关联模式,支持这些特征作为错义变异致病性决定因素的稳健性和生物学相关性。
研究也承认若干局限性:gMVP预测不应等同于临床确立的致病性;进化保守性与gMVP内部信息存在概念重叠,但保守性几乎是所有变异致病性方法使用的最具预测性的特征;溶剂可及性和内在无序性来自计算预测,存在预测误差;UniProt功能注释可能不完整。未来可使用样本量更大的新数据库获得更准确的等位基因频率估计,非线性建模可能捕捉更高阶的关系。
研究结论指出,该研究提供了定量和整合的框架,用于理解基因和蛋白质背景如何塑造孟德尔疾病基因中的错义变异致病性。通过结合相关分析、回归分析、交互建模、基因本体分层分析、基因子集稳健性分析和ClinVar一致性分析,研究表明以gMVP预测替代指标评估的错义变异致病性,根本上由进化保守性和蛋白质结构背景塑造。这些结构效应在功能类别中稳健,并在计算预测与临床注释数据集之间保持一致。该框架为解读错义变异和优先排序潜在致病性变异提供了机制基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号