《Cell》识别复杂疾病遗传变异的新方法
Bárbara González Terán等人开发了一种新方法来识别可能在先天性心脏病中扮演重要角色的遗传变异，这为加速对这种严重疾病的研究提供了机会。
近1%的儿童生来就患有先天性心脏病——心脏结构和功能方面存在一系列潜在的危及生命的问题。对大多数儿童来说，造成这些可怕缺陷的确切原因尚不清楚。
罪魁祸首似乎是与子宫内心脏形成有关的基因的异常版本或变异。但关于哪些基因导致先天性心脏病以及它们之间的相互作用，还有很多有待了解的地方。
现在，据科学杂志《Cell》报道，格莱斯顿研究所的研究人员开发了一种新方法，可以识别可能在先天性心脏病中发挥重要作用的遗传变异，这为加速对这种严重疾病的研究提供了机会。该研究由Gladstone总裁兼高级研究员Deepak Srivastava医学博士和Gladstone数据科学与生物技术研究所主任Katie pollard博士领导
这项新策略结合了遗传学、计算生物学、干细胞生物学和蛋白质组学的技术，也可以应用于研究许多其他具有复杂遗传原因的疾病。
“以前的方法已经产生了一长串在患者身上检测到的变异，但许多实际上被证明是无关紧要的，所以该领域的一个主要挑战是确定哪些变异是最重要的。”Srivastava说，他也是一名儿科心脏病学家，也是加州大学旧金山分校(UCSF)儿科系的教授。“我们的方法精确定位了最有可能与疾病有关的变异，使我们能够专注于这些变异，加深对疾病潜在生物学的理解，并希望能更快地走向新的治疗方法。”
利用蛋白质之间的相互作用
新的策略不是孤立地观察变异，而是考虑蛋白质之间的相互作用，从而锁定变异可能导致疾病的原因——在本例中，是先天性心脏病。
人们已经知道，蛋白质GATA4和TBX5是健康人类心脏形成所必需的，并与额外的蛋白质网络合作，以帮助心脏生长。理论上，网络中其他蛋白质的突变可能会导致心脏畸形。
为了识别这些潜在的罪魁祸首基因，研究人员仔细地绘制了GATA4和TBX5蛋白之间的整个相互作用网络，使用的是由人类诱导多能干细胞培育的前体心脏细胞。接下来，他们将这个273蛋白网络与3000多名先天性心脏病儿童及其父母的DNA测序数据进行交叉引用，这些数据是由美国国立卫生研究院资助的财团开发的。
在这些儿童的测序数据中，有几十个变异与在GATA4-TBX5网络中发现的特定蛋白质相匹配，这远远超过预期，使它们成为可能导致先天性心脏病的候选基因。
“我们首先在先天性心脏病影响的细胞类型中识别出重要的蛋白质网络，然后整合大规模的蛋白质编码测序数据，”Bárbara González Terán博士说，他是这项研究的第一作者，也是Srivastava实验室的博士后学者。“许多科学家曾推测这种方法是可行的，但据我们所知，这是首次实际应用于任何疾病。”
发现了新的排名第一的变体
确定在GATA4-TBX5网络中确定的每一个候选变异是否确实与心脏病有关，需要多年的研究。因此，作为他们新方法的最后一步，加州大学旧金山分校pollard实验室的研究生Maureen pittman开发了一种计算工具，可以根据候选人患先天性心脏病的可能性对他们进行排名。这种排序算法考虑了变异的特征、受影响的基因，以及变异患者发现的心脏缺陷类型。
pittman说:“在我们通过算法确定的排名靠前的变异中，有些存在于已知的导致先天性心脏缺陷的基因中。但很多之前从未被发现与心脏发育有关，包括一种名为GLYR1的蛋白质，它参与开启和关闭其他基因。”
在细胞和小鼠中进行的其他实验表明，GLYR1确实在心脏的形成中起着核心作用，而GLYR1的一种患者变体通过阻碍其与GATA4的相互作用而扰乱心脏的发育。
“确定GLYR1是心脏发育的关键基因，为理解这个系统如何工作打开了一个全新的生物学空间，”Srivastava说。“我们将继续研究GLYR1的生物学特性，我们希望其他人能继续研究我们发现的其他高得分变体。”
Srivastava指出，这项新研究不仅严重依赖于pollard实验室开发的计算技术，还依赖于Nevan Krogan博士实验室的蛋白质组学技术。Nevan Krogan博士是Gladstone的高级研究员，也是UCSF定量生物科学研究所的主任。
研究复杂疾病的新工具
由于外科手术的进步，数百万患有心脏缺陷的儿童现在能活到成年。但许多人仍然面临着终生的问题，比如心力衰竭风险的增加。
研究人员相信，他们的新方法的力量在于，它有望帮助阐明变异组合——而不是单一变异——是如何共同导致先天性心脏病的。
“这种疾病很少是由单个基因引起的;例如，一个有GLYR1变异的患者，可能从父母那里遗传了其他变异，这些变异本身不足以引起疾病，但在GLYR1变异的同时也会引起疾病，”pollard说。“我们的新方法可以帮助识别导致心脏缺陷的特定变异组合。”
这种方法也可用于识别可能是其他复杂疾病基础的变异组合。例如，pollard的团队已经在研究将其应用于神经发育障碍，包括自闭症和癫痫。
Srivastava说:“随着每年从患有复杂疾病的患者中产生越来越多的测序数据，我们的方法将有助于指导在所有检测到的变异中关注哪里。”
# # #
Transcription factor protein interactomes reveal genetic determinants in heart disease
