群體多樣性長讀長轉錄組揭示人類基因注釋存在祖源偏見

《Nature Communications》：Long-read transcriptomics of a diverse human cohort reveals ancestry bias in gene annotation

【字體： 大 中 小 】 時間：2025年12月04日 來源：Nature Communications 15.7

　　

在基因組學飛速發展的今天，準確的人類基因注釋是解讀遺傳變異、理解細胞功能及疾病機制的基礎。然而，當前廣泛使用的人類參考基因注釋（如GENCODE和RefSeq）主要基于歐洲祖源個體的轉錄組數據構建，這導致全球其他人群特有的轉錄本在注釋中嚴重缺失。隨著長讀長RNA測序（long-read RNA sequencing, lrRNA-seq）技術的成熟，科研人員能夠完整解析轉錄本結構，但此前大規模lrRNA-seq研究仍集中于歐洲樣本，加劇了注釋的祖源偏見。這種偏見可能影響非歐洲人群疾病相關遺傳變異的識別與機制解析，阻礙精準醫學的公平推進。

為系統評估并解決這一問題，由Pau Clavell-Revelles、Fairlie Reese等領銜的研究團隊在《Nature Communications》上發表了最新成果。該研究對43個來自非洲、亞洲、美洲和歐洲8個遺傳多樣性人群的淋巴母細胞系（lymphoblastoid cell lines, LCLs）進行了高通量lrRNA-seq，累計產生超8億條全長讀數。通過整合四種轉錄本發現工具（FLAIR、IsoQuant、ESPRESSO和LyRic），構建了跨祖源基因注釋集PODER（POPulation Diversity-Enhanced long-Read annotation），并利用群體特異性表達分析、等位基因特異性轉錄本使用（allele-specific transcript usage, ASTU）檢測、個人基因組映射等技術，全面評估了當前注釋的偏見程度及改進策略。

關鍵實驗方法概述

研究采用CapTrap建庫技術富集全長RNA，通過牛津納米孔技術（Oxford Nanopore Technologies）進行lrRNA-seq。數據分析階段，聯合使用注釋依賴型（FLAIR、IsoQuant、ESPRESSO）和注釋無關型（LyRic）工具發現轉錄本，并通過嚴格過濾（如最小樣本重復性、工具間再現性）得到高置信度轉錄本集。利用1000 Genomes Project（1000G）基因型數據構建個性化GRCh38基因組，評估單核苷酸多態性（SNP）對轉錄本發現的影響；同時整合人類泛基因組參考聯盟（Human Pangenome Reference Consortium, HPRC）的六個人基因組組裝，比較其與線性參考基因組（GRCh38、T2T）的轉錄本映射效率。

群體多樣性注釋揭示大量新型轉錄本

通過lrRNA-seq數據構建的PODER注釋包含155,875個高置信度轉錄本，其中41,297個為新型轉錄本（占26.5%），包括10,785個新型內部外顯子及476個新型基因。

與GTEx、ENCODE等大型轉錄組計劃相比，PODER獨有31,097個新型轉錄本（75.3%），凸顯其發現新轉錄本的能力。新型轉錄本多源于長鏈非編碼RNA（long non-coding RNA, lncRNA）和蛋白編碼基因，且新型外顯子區域的群體間遺傳分化指數（F_ST）更高，提示等位基因頻率差異可能影響外顯子注釋狀態。

當前基因注釋對非歐洲群體轉錄本表征不足

研究發現，非歐洲樣本中新型轉錄本發現數量顯著高于歐洲樣本（p < 0.05），且群體特異性轉錄本（即在單一群體中至少兩個樣本獨有的轉錄本）在非歐洲群體中更富集于新型類別（如新型剪接連接點）。

通過Tau特異性指數分析，群體特異性發現的轉錄本在表達層面也呈現高群體特異性（τ ≥ 0.8），且該趨勢在獨立短讀長數據集（MAGE隊列）中得以驗證。

跨祖源注釋提升等位基因特異性轉錄本使用檢測靈敏度

在等位基因特異性分析中，使用PODER或增強版GENCODE（GENCODE + PODER新型轉錄本）可顯著增加ASTU檢測基因數量，尤其在非歐洲樣本中提升更明顯（歐洲群體均值提升1.15倍，非歐洲群體1.24倍）。

ASTU顯著基因富集于系統性紅斑狼瘡、類風濕關節炎等自身免疫疾病及膽固醇代謝相關GWAS性狀，為非歐洲人群疾病易感性差異提供了機制線索。

個人基因組組裝優化轉錄本發現

使用樣本特異性單倍型個性化GRCh38基因組可平均多發現607個新型轉錄本（提升3.6%），其中44.4%的新型剪接連接點未被GRCh38發現的原因可歸咎于剪接位點或臨近區域的SNP。

雖然個人基因組中約5%區域為GRCh38未包含的非參考區，但這些區域轉錄活性低（基因密度＜2轉錄本/Mb），且多位于重復序列區，提示其主要轉錄變異仍存在于共享基因組區域。

結論與展望

本研究通過構建群體多樣性lrRNA-seq資源，首次系統性揭示了人類基因注釋存在的歐洲中心偏見，并證明這種偏見會削弱非歐洲群體中遺傳效應（如ASTU）的檢測能力。利用個人基因組組裝或泛基因組圖可部分緩解該問題，但需開發適配lrRNA-seq的圖基因組工具以全面捕捉轉錄組多樣性。研究強調，擴大非歐洲人群在多組織、多發育階段的轉錄組數據覆蓋，是構建真正代表全人類轉錄多樣性的“人類全轉錄組”（pantranscriptome）的關鍵步驟，將為疾病機制研究和精準醫學的公平發展奠定基礎。