本周最新文献速递20210704
本周最新文献速递20210704
一、精细解读文献 一
文献题目： Genetic drivers of m6A methylation in human brain, lung, heart and muscle
不想看英文题目： 人脑、肺、心脏和肌肉中 m6A 甲基化的遗传驱动因素研究
杂志和影响因子： Nat Genet (IF: 27.603; Q1)
研究意义： 全基因组关联分析（GWAS）鉴定了超过 100,000 个与复杂性状和疾病相关的遗传位点，但这些位点大多数位于非编码区。目前许多研究通过分子表型对非编码变异位点调控的生物学过程进行表征，比如基因表达、mRNA 剪接、DNA 甲基化、组蛋白乙酰化、 RNA 编辑和蛋白质水平等。然而，影响人类组织和复杂疾病转录后 mRNA 修饰 N6-甲基腺苷 (m6A)的遗传调控机制仍然未知。
image
结论：
1）在 107 个个体的人脑、肺、心脏和肌肉中生成了 176 个 m6A 转录组图谱，发现了 >278,000 个 在多样本中均被检测到的 m6A 修饰位点，平均每个样本有 20,000 个 m6A 修饰位点；
2）278,000 个 m6A 中，大部分在之前的研究中未被报道过，其中大脑中有 77% 的 m6A 未被报道过，心脏有 60% ，肌肉有 58%，肺有 72%；
3）对 m6A 和基因型进行回归分析，鉴定影响 m6A 的变异位点，并以此命名为 m6A QTL，在 4 个组织中，总共鉴定了9,312 个 m6A QTL 位点和 1,058 个靶基因，其中472 个基因、~5,200 个 m6A QTL 作用于大脑，401 个基因、~3,100 个 m6A QTL 作用于肺，279 个基因、~2,100 个 m6A QTL 作用于肌肉/心脏；
4）进一步分析发现 9,312 个 m6A QTL 位点在组织水平上具有高度特异性，且这种组织特异性不是由基因表达水平差异引起的；
5）对 m6A QTL 和 eQTL 进行共定位分析，发现 88% 的 m6A QTL 没有显着的 eQTL 效应，94% 的 eQTL在匹配样本中没有显着的 m6A QTL 效应，并且 m6A QTL 靶基因和 eQTL 靶基因的重叠非常少，说明 m6A QTL 是独立于 eQTL 的分子表型；
6）对 m6A QTL 和 GWAS 发现的基因座进行共定位，发现 179 个 m6A QTL 与 80 个 GWAS 表型共定位，其中 88% 位于非编码区，说明 m6A QTL 有助于解释 GWAS 发现的基因座；
7）不同组织中， m6A QTL 富集的疾病有所差异，比如大脑组织中， m6A QTL 富集的疾病有肌萎缩侧索硬化、精神分裂症和阿尔茨海默病；肺组织中，富集的疾病有肺活量、FEV1 和哮喘；肌肉/心脏中，富集的疾病有高血压和痛风；
亮点：
发现了超过 278,000 个 m6A 修饰位点，极大地扩展了已知的 m6A 数量；
可作为新的表观转录组分子表型，解释 GWAS 发现的变异位点的调控机制；
局限：
纳入分析的样本和组织数量较少；
采用传统的大块组织进行 m6A 测序，非单细胞水平鉴定 m6A QTL；
文章链接：
https://pubmed.ncbi.nlm.nih.gov/34211177/
doi: 10.1038/s41588-021-00890-3
公开的资料：
m6A sequencing reads and matched RNA-seq data：
https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000424.v8.p2
m6A QTLs：
Supplementary Tables 1–7
Code:
http://compbio.mit.edu/m6AQTLs/
https://doi.org/10.5281/zenodo.4764136
二、精细解读文献二
文献题目： Sequencing of 640,000 exomes identifies GPR75 variants associated with protection from obesity
不想看英文题目： 640,000 个外显子组测序数据发现 GPR75 变异与肥胖保护相关
杂志和影响因子： Science (IF: 41.845; Q1)
研究意义： 肥胖与多种疾病相关，比如糖尿病、癌症和心脏病。了解基因如何使个体易患肥胖或保护个体免于肥胖是一件极具有意义的事；
image
结论：
1）对 645,626 个个体进行全外显子组测序，纳入的样本包括来自 UKB 队列的 428,719 名欧洲血统个体、来自 MyCode 队列的 121,061 名欧洲血统个体、以及墨西哥城前瞻性研究队列（MCPS） 的 95,846 名美洲血统混合人群；
2）对三个队列的全外显组负荷关联分析结果进行荟萃分析，鉴定了16 个 BMI 相关的基因，其中 GPR75 基因与较低的 BMI 相关；GPR75 pLOF 携带者的肥胖几率比非携带者低 54%，且更有可能在 10 岁时自我报告比平均体型更瘦；
3）对小鼠进行高脂肪饮食 (HFD) 诱导，与野生型小鼠（Gpr75 +/+）相比，Gpr75 +/-小鼠体重减少25%，Gpr75 -/-小鼠体重减少44%；
4）对单个变异进行关联分析，额外发现两个基因（SOS2 和 SRRM2）与 BMI 相关；
5）联合常见变异 GWAS 分析和全外显组负荷关联分析结果，发现全外显组负荷关联分析鉴定的基因也是常见变异 GWAS 分析优先考虑的基因之一，但同时其他无关的基因也被 GWAS 优先考虑（可能因为连锁等原因不好鉴定真正的 效应基因），而这些基因在全外显组负荷关联分析未发现与 BMI 相关，说明全外显组负荷关联分析的结果有助于进一步优化 GWAS 发现的基因、识别真正的效应基因；
6）对全外显组负荷关联分析鉴定的基因构建多基因风险评分，与前期发现的结果一致，GPR75 pLOF 个体有较低的肥胖率，MC4R pLOF 个体有较高的肥胖率；
亮点：
基于大规模的全外显关联分析，鉴定了与 BMI 相关的罕见变异，且该结果在小鼠肥胖模型中得到验证；
大规模全外显测序关联分析结果可作为 GWAS 分析结果额外的补充；
局限：
从大规模人群全外显测序发现肥胖相关的突变 GPR75 pLOF， 到小鼠模型验证 GPR75 pLOF 与肥胖相关，中间缺少一个 link—— GPR75 pLOF 通过什么生物学过程影响肥胖？
文章链接：
https://pubmed.ncbi.nlm.nih.gov/34210852/
doi: 10.1126/science.abf8683
三、其他文献推荐
下面的文献也挺精彩的，但由于下不到原文，或博主时间有限，没法精细解读，故列出来供各位参阅；
当然，你们有精彩的文献想让我解读的（前提是一周内刚出炉的文献），可给我发pdf（然而可能种种原因，我不一定有时间解读，不要对我抱太高期待）；
文献题目： The single-cell epigenomic and transcriptional landscape of immunity to influenza vaccination
不想看英文题目： 流感疫苗免疫的单细胞表观基因组和转录组图谱
杂志和影响因子： Cell (IF: 38.637; Q1)
文章链接：
https://pubmed.ncbi.nlm.nih.gov/34174187/
文献题目： Lineage tracing of human development through somatic mutations
不想看英文题目： 通过体细胞突变追溯人类胚胎发育谱系
杂志和影响因子： Nature (IF: 42.778; Q1)
文章链接：
https://pubmed.ncbi.nlm.nih.gov/33981037/
文献题目： Pathogenic SPTBN1 variants cause an autosomal dominant neurodevelopmental syndrome
不想看英文题目： 致病性 SPTBN1 变异导致常染色体显性遗传神经发育综合征
杂志和影响因子： Nat Genet (IF: 27.603; Q1)
文章链接：
https://pubmed.ncbi.nlm.nih.gov/34211179/
四、工具或资源类介绍
文献题目： JBrowseR: An R Interface to the JBrowse 2 Genome Browser
一句话介绍： 使用 R 对基因组进行可视化
杂志和影响因子： Bioinformatics (IF: 5.61; Q1)
文章链接：
https://pubmed.ncbi.nlm.nih.gov/34196689/
文献题目： MutaFrame - an interpretative visualization framework for deleteriousness prediction of missense variants in the human exome
一句话介绍： 不仅能预测突变是否导致疾病，还能解释其中可能的致病机制
杂志和影响因子： Bioinformatics (IF: 5.61; Q1)
文章链接：
https://pubmed.ncbi.nlm.nih.gov/34165491/
致谢橙子牛奶糖（陈文燕），请用参考模版：We thank the blogger (orange_milk_sugar, Wenyan Chen) for XXX
感谢小可爱们多年来的陪伴， 我与你们一起成长~
