动态突变对基因进化和人类健康有什么意义?

动态突变对基因进化和人类健康有什么意义?

研究背景

串联重复(TRs)是人类基因组中最丰富的一类变异,其本质是多态性的,并且以长度依赖的方式变得高度不稳定。世代间重复长度扩大是一个公认的过程,它导致主要影响CNS的人类疾病。迄今为止,至少有50种与扩增相关的疾病被发现(Tables 1, 2),其中50%在过去十年被发现,因为之前方法学的困难限制了它们的发现。目前广泛使用的分子诊断方法(WES or Panels)仍然存在这些限制,因此导致漏检。这些疾病中的大多数是通过家系驱动(family-driven)方法确定,可能仍有许多疾病待研究发现。

长读测序(long-read)技术的发展为系统研究TRs和重复扩增对人类疾病遗传结构的贡献提供了机会。这篇综述总结了目前和最新的关于重复扩增疾病的遗传学知识及其病理生理机制的多样性,并概述了未来发展精准医疗的前景。

人类基因组中正常和病理性TRs

人类基因组包含超过100万个已注释TRs。TRs在基因组中具有最高突变率。TRs主要分布在基因组的非编码区,三核苷酸重复(通常大小有限)也可在编码区发现。TRs 通常分为微卫星(1-9bp;或短串联重复STR)和小卫星(10-99bp),共同构成数量可变的串联重复(VNTR)和卫星(≥100bp),主要构成异染色质和着丝粒。

STR已被广泛用于遗传连锁分析和法医标记研究。大多数STR由其他重复元素产生,如LINE和SINE,包括Alu元素。尽管最近的证据表明,TRs可能在基因表达调控中发挥重要作用,但TRs仍在很大程度上未知。

STR扩增存在两种主要类型:影响编码区的扩增,主要导致蛋白质的聚谷氨酰胺(polyQ)或聚丙氨酸(polyA)超长延伸(Table 1),以及改变基因非编码区的扩增(Figure 2)。

1991年发现的第一个重复扩增疾病是脆性X综合征(FXS)和脊髓延髓肌肉萎缩症(SBMA) (Figure 1)。

非编码区重复扩增更加多样化,其影响强烈依赖于基因中重复motifs的类型、长度和位置(Table 2)。可出现在基因的5'UTRs、intron或3'UTRs (Figure 2)。通常与调控区重叠的GC-rich经常但不总是与相应等位基因的高甲基化和基因沉默相关。内含子重复扩增与新发现的大多数重复扩增疾病相对应,涉及不同长度motifs和GC含量。

非编码区尤其是内含子重复扩增,通过各种不同的机制发挥作用,其中大多数与显性遗传病相关,通常由于扩增导致基因功能丧失所致,少数为隐性遗传。

显性遗传重复扩增疾病是一种临床表现在较早年龄出现和/或随着疾病代代相传而变得更严重的疾病。许多重复扩增疾病已建立扩增大小与发病年龄和/或疾病严重程度之间的强相关性。扩增次数越多,发病年龄越早,表型越严重。极端情况下,该疾病可能发生在婴儿或儿童期,几年后就会致命,而其父母则有一种较轻的成人发病形式。减数分裂期间,扩增的风险通常随着重复次数而增加。也有减数分裂期间重复次数减少报道,但不常见。

减数分裂期间重复扩增的不稳定性以及较长等位基因向后代传递受到多重因素影响,包括重复大小、结构以及传代亲本的性别和年龄。中断重复(例如CGG重复中的AGG中断,或CAG重复中的CAA中断)比单一重复稳定得多,中断扩增与更温和和/或不同的表型相关。

体细胞不稳定性

重复扩增在有丝分裂中也不稳定,每个细胞分裂都与DNA复制过程中的错误风险有关。这一过程最初归因于DNA聚合酶在复制重复DNA序列时的滑动。然而其他机制也在发挥作用,重复扩增的体细胞稳定性与否在很大程度上取决于DNA错配修复过程,并可能影响疾病进展。因此,许多重复扩增与体细胞嵌合相关,其程度通常与扩增大小和年龄相关,不同组织中可以有很大差异,在各种扩增疾病中有不同模式。

Founder effects(奠基者效应)

许多重复扩增尤其是较大的重复扩增,与奠基者效应相关,其中扩增的等位基因与单一或主要单倍型相关,并导致相应疾病的地理聚类或高度可变的患病率。如DM1和FRDA分别在非洲和日本非常罕见。

疾病发现策略:仍然存在的挑战

1991-2003年,重复扩增被确定为人类疾病的一个重要原因,但随后的5年未发现其他扩增疾病(Figure 1)。

由于TRs重复性和在人类基因组中的丰度,很难在全基因组范围内进行研究。包含短读(short-read)的重复序列通常映射到基因组多个区域,被剪掉or丢弃。准确地调用由相同重复的多个拷贝组成的多态等位基因的基因型也是一个计算上的挑战。因此,标准的NGS pipelines通常不检测TRs。

专业评估基因组(或外显子组)重复次数的生物信息学工具已经成功开发,如LobSTR、HipSTR、TREDPARSE、ExpansionHunter STRetch、GangSTR和exSTRa。但大多数只能调用特定位点的基因型为给定motif。TRhist和ExpansionHunter DeNovo可在全基因组范围内评估重复扩增。但由于潜在motif数量巨大、TRs丰富、且难以根据短读序列明确区分致病性扩增和正常多态性等位基因,因此在没有连锁数据或先前对扩增motif假设的情况下检测扩增仍然是一个挑战。

一项研究调查了17231名ASD患者的TRs,结果表明2500多个位点的重复扩增可能对ASD风险有2.6%的联合贡献,但统计分析无法区分潜在的高外显率扩增或与多基因低外显率相关的风险因素。

更准确地检测TR扩增的另一种方法是使用长读测序技术,包括Oxford纳米孔技术(ONT)和PacBio单分子实时测序。重复扩增可以通过调用结构变异的pipeline来检测。但检出的大多数结构变异还未在大型对照人群数据库收录。

新发现的重复扩增疾病概述

虽然2003-2008年未发现重复扩增疾病,但2009年后已发现20多种重复扩增疾病,其中17种是在近3年发现(Figure 1、Tables 1和2)。几乎所有研究的致病性扩增的鉴定都耗时很多年。以下回顾了2017年以来新发现的重复扩增疾病的临床和遗传特征以及该领域的最新进展。

显性遗传扩增疾病

脊髓小脑性共济失调37 (SCA37):SCA是一种临床和遗传异质性常染色体显性遗传疾病,以小脑神经元渐进性丧失导致的步态失衡为特征。SCA37由内含子扩增导致,该扩增内含子由ATTTT重复序列组成,并在DAB1基因中插入ATTTC motifs。致病扩增均含有ATTTC插入,重复次数为31-75,两侧有不同长度的ATTTTT重复,而更大的ATTTTT扩增(多达400个)存在于健康个体中。血液中检测到的ATTTC重复次数与发病年龄呈负相关。DAB1编码reelin信号通路的下游效应因子,有助于神经元在发育中的大脑中的正确定位,在小脑表达最高。该扩增增加了DAB1表达,并触发选择性剪切。通过斑马鱼研究表明,含有AUUUC重复序列的RNA分子具有毒性作用。

家系性成人肌阵挛性癫痫(FAME):FAME是一种常染色体显性遗传疾病,以肌阵挛(皮质肌阵挛性震颤)和癫痫为特征。该家族性疾病最早在日本被描述为良性成人家族性肌阵挛性癫痫(BAFME),并被称为常染色体显性遗传皮质肌阵挛性癫痫(ADCME)和家族性皮质肌阵挛性震颤伴癫痫(FCMTE)。肌阵挛性震颤通常是在不同年龄出现的第一症状,从10-60岁不等,平均为30岁。至少一半的受累个体发展为癫痫,主要是GTCS,伴震颤等。

2018年明确SAMD12基因内含子重复扩增是BAFME的病因(FAME1)。SAMD12扩增由ATTTT和ATTTC motif组成。1个无SAMD12扩增的家系和1个散发病例中,在TNRC6A和RAPGEF2基因中检测到相同的重复扩增序列。随后,STARD7、YEATS2和MARCHF6(MARCH6)中发现类似的ATTTT/ATTTC扩增。

SAMD12扩增大小从2.2-18.4KB不等(即440-3680个重复),而MARCHF6扩增的平均大小从3.3-14KB不等(即660-2800个重复)。研究表明该扩增易导致染色体断裂,并可能构成脆性位点。除了ATTTC重复序列外,还可能存在其他致病motifs,如ATTTG。导致FAME的6个基因具有完全不同的功能和表达谱。据报道,SAMD12扩增主要发生在来自日本、中国、印度和斯里兰卡的家系,而STARD7和MARCHF6扩增似乎仅限于欧洲血统家系。

神经元核内包涵体病(NIID):又称神经元核内透明样包涵体疾病或核内包涵体疾病,是一种常染色体显性遗传、缓慢进行性神经退行性疾病,最早于1968年被发现。NIID可有多种多样的临床表现,包括锥体和锥体外系症状、小脑共济失调、认知能力下降、周围神经病变和自主神经功能疾病。发病年龄差异很大,从婴儿期-成年后期均可起病,大多数受累者在第三个十年后出现症状。

TRhist结合SMRT测序发现NOTCH2NLC (NBPF19)5'UTR/第1个外显子CGG扩增。多数NOTCH2NLC扩增家系来自日本和中国。NOTCH2、NOTCH2NLA、NOTCH2NLB、NOTCH2NLC和NOTCH2NLR在5'端具有高度(>99%)同源性。人类特有的NOTCH2NL拷贝以串联复制的形式分布在chr1着丝粒的每一侧。NOTCH2NL基因仅在人类参考基因组的hg38版本被正确注释。致病性CGG重复次数估计在61-500,对照个体为6-60之间。研究表明该CGG扩增在RNA水平上可能获得毒性功能。

眼咽和眼咽远端肌病:1个家系的4名患者出现与NIID(OPML1)相似的眼咽肌病、四肢无力、共济失调、上睑下垂和白质异常,Ishura等使用TRhist鉴定了长非编码RNA(lncRNA)基因LOC642361的CGG重复序列,但需具有与该扩增相关的类似表型的其他家系来确认该扩增的致病性。

眼咽远端肌病是一种成人发病的神经肌肉病,以进行性腿和手臂无力为特征,伴眼外肌麻痹、吞咽困难和上睑下垂。使用TRhist也在1个眼咽部肌病(OPML1)家系发现LRP12基因5'UTR CGG扩增。在8个家系和13例伴OPDM或轻度症状的散发病例进一步验证了该扩增。邓等通过WGS和长读测序相结合在4个中国OPDM2家系和3个散发病例中鉴定GIPC1基因5'UTR CGG重复扩增。在其他15个中国或日本家系或散发病例中,进一步证实了该扩增。该扩增增加了GIPC1 mRNA表达,但未改变蛋白水平。

隐性遗传扩增疾病

小脑共济失调、神经病变和前庭反射综合征(CANVAS):CANVAS是一种以小脑共济失调、感觉神经病变、双侧前庭病变和自主神经功能疾病为特征的成人起病、缓慢进行性隐性遗传病,1991年首次报道。发病年龄可在39-71岁,通常在60岁左右出现症状。CANVAS可能是一种相对常见的疾病。

通过对多个小家系的全基因组连锁分析发现RFC1基因内含子2由AAGGG重复序列组成的双等位重复序列扩增,取代了参考基因组中的11个AAAAG重复序列。非致病性AAAAG重复扩增序列在健康人相当常见。该位点的其他motifs包括AAAGG、AAGAG和AGAGG。这些motifs在人类病理学中的相关性尚未完全了解,但对双等位基因ACAGG扩增患者的观察表明,除AAGGG外,其他motifs也可能致病。

该扩增次数从400-2000次(即2 -10 kb)不等。AAGGG扩增在欧洲人群更频繁。约100% RFC1扩增患者有感觉神经病,干性痉挛性咳嗽通常是第1个表现,且早于行走困难。双等位基因RFC1扩增可在多系统萎缩个体中检出。目前AAGGG扩增导致CANVAS的机制仍然未知。

导致基因沉默的隐性扩增:Baratela-Scott综合征(BSS)是一种隐性遗传骨骼发育不良,与发育迟缓、身材矮小和面部畸形相关,临床上与Desbuquois发育不良2(DBQD2)重叠,DBQD2由XYLT1基因双等位基因功能缺失变异引起的另一种骨骼发育不良。

XYLT1基因5'UTR CGG发生扩增导致高甲基化,与相应等位基因的沉默相关,进而导致BSS。

另外明确了GLS的LoF隐性扩增。3位患有全面发育迟缓、进行性共济失调和血浆谷氨酰胺升高(GDPAG)的不相关个体的2位中检出GLS基因杂合变异(1个错义、1个无义)。通过ExpansionHunter和重复引物PCR检出GLS 5'UTR GCA重复扩增,该扩增与已检出的点突变构成纯合或复合杂合变异。重复次数在400-1500之间,而对照为8-16。该扩增与转录活性区域(H3ac和H3K4m3)相关的组蛋白修饰减少相关,而转录沉默区域的组蛋白标记增加。表明GLS重复扩增导致染色质构型改变,进而导致转录减少。

与逆转录转座子插入相关的X-连锁扩增疾病:X-连锁肌张力障碍-帕金森综合征(XDP或“Lubag”综合征)是一种神经退行性疾病,其特征为严重进行性扭转肌张力障碍,伴有锥体外系症状,包括震颤、运动迟缓和强直(帕金森综合征)。XDP主要影响男性,很少影响女性,且几乎仅限于来自菲律宾帕奈岛的菲律宾后裔,患病率在5/10万以上。发病年龄从12-79岁不等。

Makino等用鸟枪测序鉴定了TAF1基因内含子插入的SINE-VNTR-Alu(SVA)逆转录转座子。基因表达分析显示,与SVA插入位点DNA甲基化增加相关的神经元特异性TAF1亚型减少。插入的SVA包括5个单核苷酸取代和一个48 bp缺失。进一步分析SVA序列发现位于SVA 5'端有1个多态六核苷酸串联重复序列(CCCTCT)。该重复插入长度与发病年龄呈负相关,其序列能够调节1个报告基因的表达,表明该重复扩增可能为XDP的发病机制。

微卫星扩增疾病

PLIN4的99 bp编码区扩增是一种罕见肌病:

常染色体显性遗传进行性肌病伴边缘泛素阳性自噬空泡化(MRUPAV)大家系中,Ruggieri等在chr19p13.3确定了5.12Mb的连锁间隔(Table 3)。蛋白质组分析发现骨膜蛋白4增加20倍,该基因(PLIN4)位于连锁区间内。PLIN4包含由33个氨基酸(99 bp) 的27-31次重复组成的结构域。基因组和转录组数据再分析显示,编码重复序列的外显子3的覆盖率异常高。长链PCR显示1000 pb以上的条带,纳米孔测序显示该条带对应40个33-mer的重复序列。该扩增与骨膜蛋白-4、聚集吞噬增加有关。该案例说明识别涉及小卫星重复扩增的复杂性。

CACNA1C基因30 bp TRs与精神分裂症和双相情感障碍相关:

精神分裂症和双相情感障碍是高度遗传性精神疾病。对数千名受累和对照者进行的GWASs已确定150+个相关疾病位点。其中最可靠的关联信号位于chr12p13.33 CACNA1C。

Song等进一步确定在人类特定扩增的内含子30-mer重复序列。人类有多个副本,从100-3000个不等。该位置包含10个重复拷贝的人类参考基因组被错误注释。通过长读测序证明这些30-mer重复序列的大小和序列都高度可变。特定的序列变异与患精神疾病的更高风险相关。这些重复序列能调节神经祖细胞系中荧光素酶报告基因表达,表明这些重复序列具有可变增强子活性,可能有助于大脑发育过程中CACNA1C的差异表达。

ABCA7基因25 bp重复与阿尔茨海默病(AD)相关:

AD是一种常见的神经退行性疾病,以进行性痴呆为特征,影响记忆、思维和行为,多为多因素导致。GWASs已确定AD与ABCA7基因相关联,该基因截短变异在AD患者比在对照组中出现的频率高5倍。De Roeck等分析ABCA7重复区域发现与外显子18剪接供体位点相邻的25bp TRs。重复长度范围为12-427个重复。>200个重复与AD显著相关(AD9)。由于涉及外显子18、19的可变剪切事件,TRs长度与ABCA7表达减少有关。

WDR7基因69 bp重复改变肌萎缩侧索硬化症(ALS)的风险:

ALS是一种以运动神经元迅速变性为特征的进行性和致命性疾病。ALS患者的C9ORF72基因重复扩增占显著比例,SCA2的中间CAG重复次数能改变其进展。在内含子中寻找人类特有的多态TRs,其中1个69 bp重复序列位于chr18q21的ALS3基因座内WDR7,编码一种富含突触小泡的蛋白质rabconnectin-3。WRD7重复是人类特异性扩增的,大小上高度多态,较长的重复与ALS有显著关联。

病理生理机制

表观遗传基因沉默:串联重复扩增相关的基因沉默可能导致基因功能丧失(Figure 3A)。通常与隐性遗传(或X连锁)疾病相关。非编码区重复扩增可以通过直接或间接改变染色质的构象和可用性调节受体基因表达。GC富集区域的扩增可能产生新的或加强已有的CpG岛,导致持续的DNA超甲基化,如FXS(FMR1)和BSS(XYLT1)。

但某些GC富集区域扩增似乎独立于DNA甲基化而导致表观基因沉默,如CSTB(EPM1)和GLS(GDPAG)扩增。新近研究的GDPAG表明组蛋白乙酰化和甲基化标记可以改变而不与DNA超甲基化相关。高甲基化和基因转录抑制可能仅是重复扩增的几种结果之一。DNA甲基化可能通过恶化功能机制的重复依赖性获得而促进疾病的发病机制。

蛋白质titration介导的RNA毒性:许多情况下,RNA是介导重复扩增疾病致病性的分子。绝大多数重复扩增都发生转录,甚至常双向发生。含有重复序列的RNA分子可通过不同机制发挥作用,并改变多种通路,最典型的例子为强直性肌营养不良。这些蛋白质缺失导致组织特异性转录子错误定位(Figure 3B)。目前尚不清楚最新发现的重复扩增疾病(SCA37、FAME)是否属于神经元特异性剪接因子titration导致的疾病。

重复扩增疾病的蛋白质错误折叠和聚集:蛋白质聚集一直是编码区扩增的特征(Figure 3C),尤其是polyQ紊乱。新发现的PLIN4 99-mer扩增表明,除了三核苷酸外,motifs重复可导致蛋白质聚集。NIID和眼咽肌病5'UTR CGG扩增表明,神经元核聚集也可能是非编码区扩增导致的结果,虽然具体机制仍有待明确。

重复相关的非AUG (RAN)翻译:RAN翻译是一种非典型的蛋白质合成过程,2011年在SCA8和DM1中首次报道。RAN翻译(Figure 3D)在无AUG密码子情况下,在重复序列扩增的位置启动,理论上可在所有三密码子阅读框使用正反方向进行翻译,从而产生多达6种不同多肽。与RAN翻译相关的重复扩增疾病种类不断增加。特定阅读框的RAN翻译和某些多肽的积累可能在某些细胞类型中发生,这为某些疾病的组织特异性提供可能理论基础。毒性RNA和RAN翻译的机制并不相互排斥。

重复扩增疾病的精准医疗

精准医疗(个性化医疗)开发一种完全适应每个患者的治疗方法,考虑基因组和环境,正日益成为遗传病的一个可实现目标。本综述将重点讨论这一领域的最新进展。

发展精准医疗的一个可能方法是了解细胞水平扩增的病理后果,并找到能逆转或延迟这些后果的分子。如polyQ蛋白聚集物的积累导致相关疾病。因此,针对一个或多个这些去调控途径的分子被认为是可能的治疗方法。但这些方法通常不能完全恢复细胞功能。这些方法也可与其他方法相结合。如与RAN翻译相关的扩增疾病,抗体被设计成专门靶向有毒肽,并阻断其在体内的作用。

治疗与扩增等位基因GoF相关的显性遗传病的一种有希望的方法是专门靶向并中和该等位基因。该策略不适用于与单倍不耐受相关基因。CRISPR-Cas9技术提供了编辑单个基因组的可能性,但局限性限制了它们的临床用途。利用反义寡核苷酸(ASO)或鞘内递送siRNA的替代方法已被证明可有效地下调扩增等位基因的表达,并已在临床试验中达到III期。

另一种最新的开创性方法可能成为HD和其他CAG三核苷酸扩增疾病的游戏规则改变者。小分子萘吡啶-氮喹诺酮被证明能特异性地与扩增的CAG重复序列结合,并在受累个体的细胞和Htt扩增小鼠的大脑中诱导其扩增次数减少。该方法有望将发病时间延迟几十年甚至终身不发病。

结论:未来的研究和仍然存在的挑战

人类疾病相关TRs的发现仍处于初期,更多的单基因或复杂疾病可能仍有待发现。

近期研究强调:易扩增的重复motifs及其在基因组位置具有复杂多样性,而只有特定的重复motifs具有致病性。需要了解正常和致病性TRs对基因表达和染色质构象的影响。小卫星的研究也面临着更大的挑战。

另外,重复序列可能在人类参考基因组被错误注释,以及仍有一些基因组区域序列未知。T2T(telomere-to-telomere)联盟刚刚开始对人类参考基因组剩余的所有空白区域进行测序,这将在未来揭秘人类许多疾病。系统性研究重复扩增最终将成为可能。