【孟德尔随机化和共定位】文献分享：青光眼的致病基因和细胞类型

这篇文章中，作者将GTEx 的eQTLs和sQTLs、视网膜 的eQTLs和Hi-C，以及青光眼相关眼组织的single-nucleus RNA-seq数据与 POAG 和 IOP 的遗传关联结合起来，以确定可能在 POAG 病因学中发挥重要作用的调控机制、基因、通路和细胞类型。

利用双样本孟德尔随机化方法和两种基于贝叶斯的共定位方法 eCAVIAR 和 enloc，确定了一半以上 GWAS 基因位点对 POAG 和 IOP 的潜在因果基因和调控效应方向。

通过使用 ECLIPSER 检测眼球前节、视网膜、视神经头（ONH）和周围后部组织中 POAG 和眼压共定位基因的细胞类型特异性富集，我们确定了 POAG 的已知和不太确定的致病细胞类型、 包括常规和非常规流出通路中的成纤维细胞、包括视网膜和视神经头在内的虹膜周围巩膜中的成纤维细胞以及视网膜和视神经头中的大胶质细胞，这表明存在眼压依赖性和神经保护过程。另外两种细胞类型富集方法（S-LDSC 和 MAGMA）考虑了与 POAG 和 IOP 的全基因组关联，也支持了这些结果。

在 eQTL 和 sQTL 中富集 POAG 和 IOP （眼压升高）的相关性

为了评估 eQTLs 和 sQTLs 与 POAG 风险和 IOP 变异的相关性，使用 QTLEnrich（对混杂因素和组织样本大小进行了调整）测试了49 个 GTEx（v8）组织和外周视网膜顺式-cis-eQTLs 和cis-sQTLs (e/sQTLs)是否富集了 POAG 或 IOP 关联（GWAS P <0.05）。

作者发现 49 个 GTEx 组织中的大多数组织和视网膜中的 eQTL 和 sQTL 中，多个 POAG 和 IOP 相关性（包括全基因组显著性和亚阈值）明显富集（Bonferroni 校正 P <5 × 10-4）。许多富集度最高的 GTEx 组织含有可能是青光眼致病的细胞类型。根据调整后的折合富集度和估计的真阳性率衡量，sQTL 对 POAG 和 IOP 的相对贡献大于 eQTL 对这些性状的相对贡献（单侧 Wilcoxon 秩和检验分别为P <1.5 × 10-11 和 P < 0.03）。被认为对 POAG 和 IOP 有影响的 eQTL 的绝对数量（平均每个组织 258 至 606 个）是 sQTL（平均每个组织 124 至 320 个）的 2 倍，这可能是因为 eQTL 的发现率高于 sQTL。具有排名最高的 POAG 或 IOP GWAS p 值（P < 0.05）的 eQTL 或 sQTL 的靶基因在代谢和细胞过程中富集。

POAG 和 IOP GWAS 基因位点与cis-QTL 的共定位分析

鉴于 POAG 和眼压相关的 e/sQTL 广泛富集，作者利用所有49个 GTEx 组织中的 e/sQTL 和视网膜 eQTL 提出了可能的因果基因，这些基因可能是这些性状的全基因组重要基因座的基础。

将 eCAVIAR 和 enloc 这两种共定位方法应用于一项大型cross-ancestry GWAS meta分析中的127个 POAG 基因位点、一项欧洲（EUR）子集meta分析中的68 个 POAG 基因位点（POAG EUR）以及一项主要来自欧洲的 GWAS meta分析中的133 个 IOP 基因位点（IOP）以及与每个 GWAS 基因座 LD 区间重叠的任何 e/sQTLs。

将 POAG 和 IOP 的假定因果基因和调控机制的 "综合集"定义为至少一种共定位方法显著的 e/ s 基因（eCAVIAR 的共定位后验概率 (CLPP) > 0.01，enloc 的区域共定位概率 (RCP) > 0.1）。——这里作者提出的方法可以作为参考~

在胫神经、脂肪、皮肤、动脉和成纤维细胞等组织中发现的共定位 e/sGenes 数量最多，其中许多组织含有与青光眼致病性相关的细胞类型。18个视网膜 eQTL 与13个 POAG 和/或 IOP 基因座共定位。每个组织中明显共定位 e/sGenes 的数量与组织样本大小明显相关（Pearson'sR2 =0.72，P =1 × 10-14 ），这也与每个组织中检测到的 e/sQTL 数量相关。这表明，e/sQTL 的发现能力是共定位 e/sQTL 的组织特征的驱动因素。因此，我们在下游分析中主要考虑的是共定位分析提出的因果基因，而不是相关组织。

共定位 e/sQTL 的孟德尔随机化 (MR)

为了进一步证实 e/ sQTL 与 POAG 和/或 IOP 之间的因果关系，作者使用欧洲 POAG 和 IOP GWAS 数据，对基于 eCAVIAR 和/或 enloc 的所有显著共定位 e/sQTL 和 GWAS 基因座对应用了双样本 MR。

发现239个e/s基因与POAG和IOP都有显著的MR关联，包括TMCO1、GAS7和LMX1B，它们与POAG和IOP的GWAS位点都有最大的关联信号，以及DGKG和NPC2，它们的视网膜eQTL与POAG和IOP都有关联。68个基因（如HLA-B和SLC7A6）与IOP有显著的MR相关性，但与POAG无关；41个基因（如CDKN2B-AS1、RERE和YAP1）与POAG有显著的MR相关性，但与IOP无关，提出了高置信度的IOP独立机制 。由于 MR 分析需要 e/sQTL 和 GWAS 研究之间具有相似的人口背景（作者案例中为欧洲人），因此无法应用于规模更大、幂次更高的 POAG 跨种系 GWAS，而下游分析应用于基于共定位分析的更具包容性的拟议因果基因列表。

POAG 和 IOP 共定位 e/sGenes的生物过程富集

为了从生物学角度深入了解受牵连基因对青光眼发病机制的贡献方式，作者接下来使用 GeneEnrich 检测了所有与 POAG 交叉遗传、POAG EUR 或 IOP GWAS 基因座共定位的 e/sQTL 的靶基因是否富集于特定的生物学通路、基因本体或小鼠表型本体中。

与 POAG 交叉遗传位点共定位的基因在弹性纤维形成（P 值<1 × 10-5，FDR < 0.001）和细胞外基质组织（P =3 × 10-5，FDR = 0.012）方面显著富集，在转化生长因子 beta (TGF) 受体信号通路（P =3×10-4）和眼球形态异常（P = 2.6 × 10-3）等方面名义上富集（P < 0.05）。与 POAG EUR 基因座共定位的基因在细胞衰老和细胞周期过程（如 G1 中的细胞周期蛋白 D 相关事件）、脂质相关过程（如载脂蛋白结合和循环高密度脂蛋白胆固醇水平下降）以及视网膜或神经元相关过程（包括视网膜形态异常、感觉神经元支配模式异常和轴突导向中涉及的轴突延伸负调控）中明显富集（P <4 × 10-3）。

确定 POAG 和相关眼部特征的致病细胞类型

为了进一步将相关基因与致病机制和细胞类型联系起来，作者接下来还检测了 POAG 或 IOP 共定位 e/sGenes 的表达是否在与 POAG 病理生理学有关的关键眼组织的特定细胞类型中富集。

将 ECLIPSER 应用于分别与 POAG cross-ancestry、POAG EUR 和 IOP GWAS 基因位点共定位的228、118 和 279个 e/sGenes ，并应用于从非患病人眼解剖的13种组织的单核（sn）RNA-seq 的细胞类型特异性表达数据。根据驱动细胞类型富集的基因重叠情况，分别对 POAG 和 IOP 排名最高的前节细胞类型（P < 0.05）进行聚类，结果表明有三种细胞类型会影响 POAG 成纤维细胞、血管内皮细胞和晶状体上皮细胞。在流出成纤维细胞类型中驱动 POAG 富集信号的基因中，有 45-78% 的基因在不同的成纤维细胞中是共通的 ，这表明在常规和非常规流出途径中既有共通的基因，也有不同的基因。驱动周细胞中富集信号的 IOP 基因与血管和成纤维细胞类型中富集的 IOP 基因（重叠 7-33%）。

这篇文章整体框架是围绕共定位和孟德尔随机化展开的，尽管孟德尔随机化的内容并不多，但是作者利用多个共定位和富集分析的工具深入探索POAG的致病基因和细胞类型，并进一步通过富集分析探索疾病的致病机制。这一思路新颖，可以为简单的孟德尔随机化分析添砖加瓦，学起来！

https://www.asegrelab.org/software

可以看到这篇文章用到的这几个工具（除了共定位工具）都是他们自己实验室开发的工具，属实厉害(๑•̀ㅂ•́)و✧

“运行 QTLEnrich 的脚本和说明⬇，QTLEnrich 是一种用于评估给定组织中表达定量性状位点（eQTL）或剪接 QTL（sQTL）之间复杂疾病或性状关联的富集性的工具，同时校正潜在的混杂因素（MAF、到 TSS 的距离、局部 LD）。 https://github.com/segrelabgenomics/QTLEnrich/blob/master/src/README.md

“ECLIPSER 根据 eQTLs/sQTLs 和其他功能数据，检测映射到复杂疾病或性状的 GWAS 基因座的基因表达是否在一种或多种组织的特定细胞类型中富集。 https://github.com/segrelabgenomics/ECLIPSER/blob/main/src/README.md

“GeneEnrich 是一种工具，用于评估特定组织中表达的一组背景基因在预定义生物通路或基因集中的富集情况。 https://github.com/segrelabgenomics/GeneEnrich/blob/main/README.md

“CAVIAR 是一种统计框架，可量化每个变体的因果概率，同时允许任意数量的因果变体。 https://github.com/fhormoz/caviar/blob/master/README.md