IF=8.3 郑州大学基础医学院:通过多模式孟德尔随机化方法,推断程序性细胞死亡相关基因与色素性视网膜炎之间的遗传关联

摘要

背景

色素性视网膜炎是一种主要的遗传性失明疾病，目前缺乏有效的治疗方法，因此迫切需要了解其发病机制，并找到新的治疗靶点。本研究旨在通过综合多模式的研究方法，确定与程序性细胞死亡相关基因在色素性视网膜炎发病中的遗传作用。

方法

我们整合了来自全基因组关联研究、表达/蛋白质定量性状位点以及处理过的转录组数据集的汇总级数据。该工作流程主要包括使用双样本孟德尔随机化方法来进行因果推断，同时辅以基于汇总数据的孟德尔随机化验证；通过贝叶斯局部化、多变量孟德尔随机化、全表型关联研究以及利用 GTEx eQTL 数据来研究组织特异性等方法来进行特异性验证；此外，还通过批量及单细胞 RNA 测序分析来进行功能注释。

该研究使用了公开可用的遗传数据和转录组学数据库。初步分析利用了全基因组关联研究得出的 RP 相关统计信息（ebi-a-GCST90018912、ebi-a-GCST90013904 和 ebi-a-GCST90013954）。验证工作则是在大量视网膜转录组学数据集（GSE62020）以及单细胞数据集（GSE183206）的基础上进行的。

这些研究通过基因工具来检测与 PCD 相关的基因的表达水平（顺式 EQTL）或蛋白质丰度（顺式 pQTL）。主要研究目标是评估 RP 的变化。次要研究结果包括基因表达失调、功能富集、免疫细胞浸润以及细胞类型特异性表达等。

结果

整合性的双样本分析和史密斯计量经济学模型分析发现了 8 个与 PCD 相关的核心基因。这些基因具有明确的遗传相关性，能够与 RP 相关联（例如 AIM2 基因，比值比为 2.90，95%置信区间：1.81–4.63）。这些效应在多种组织中均保持一致，并且在考虑吸烟和体力活动等替代表型因素后，这些效应在 MVMR 模型中仍然显著（P 值低于 0.05）。PheWAS 分析未发现这些关联存在多效性的迹象（所有 P 值均大于 5×10⁻⁸）。在视网膜转录组中，这些基因的表达水平异常，且集中在免疫相关通路中；CIBERSORT 分析显示，这些基因与免疫细胞浸润相关，其中 H13 和 M1 巨噬细胞之间存在强烈的负相关性（r = −0.625，P < 0.05）。单细胞 RNA 测序进一步表明，Müller 胶质细胞是最容易被重新编程的细胞群体（曲线下面积：0.07）。

结论

这项多模式研究提供了遗传学证据，表明一组与视网膜色素变症相关的基因与这种疾病的发病机制有关。研究结果表明，这些基因的失调可能导致免疫系统的紊乱以及 Müller 胶质细胞的功能障碍，从而揭示出这一致盲疾病的治疗靶点。

实验结果

图1：视网膜色素变性关键基因的转录组表达谱及相关性GEO 数据集 GSE62020 的分析。

(A)热图展示了八个关键基因的表达谱（蓝色：对照组；粉色：视网膜色素变性（RP）组）。

(B)相关性热图显示了八个关键基因表达水平之间的关系。缩写：RP，视网膜色素变性

图2：关键基因的功能富集分析

（A）基因本体论（GO）和京都基因与基因组百科全书（KEGG）富集结果的气泡图。术语被分类为生物过程（BP）、细胞组成（CC）、分子功能（MF）和KEGG通路。气泡大小表示富集基因数；颜色表示校正后的P值

（B-E）网络图显示了关键基因与 BP (B)、CC (C)、MF (D) 和 KEGG 通路 (E) 中富集术语之间的关联。橙色节点：功能术语；绿色节点：关键基因。分析使用 Benjamini-Hochberg 校正 P < 0.05 进行。缩写：GO，基因本体论；KEGG，京都基因与基因组百科全书；BP，生物过程；CC，细胞成分；MF，分子功能。

图3：视网膜色素变性中的免疫浸润分析

使用 CIBERSORT 算法估算了 GSE62020 数据集中免疫细胞的浸润情况。

(A)柱状图显示了每个样本中免疫细胞类型的相对比例（蓝色：对照；粉色：视网膜色素变性 (RP)）。

(B) 热图显示了不同免疫细胞类型之间浸润水平的两两相关性。

(C) 气泡图显示了八个关键基因的表达与免疫细胞浸润丰度之间的相关性。气泡的大小表示相关性的P值，颜色表示绝对相关系数(|r|)，相关强度：|r| < 0.3，弱或可忽略；0.3 ≤ |r| < 0.5，较弱；0.5 ≤ |r| < 0.8，中等；|r| ≥ 0.8，强；颜色表示方向（红色：正相关；蓝色：负相关）。缩写：RP，视网膜色素变性

图4：视网膜色素变性单细胞数据集A的质量控制和细胞类型注释

单细胞RNA测序数据集GSE183206的分析。

(A)小提琴图展示了单细胞RNA测序数据的三个关键质量控制指标。nFeature_RNA：反映转录复杂度（检测到的基因数量）；nCount_RNA：反映测序深度（RNA总计数）；percent.mt：反映细胞压力或损伤状况（线粒体基因百分比）。nCount_RNA < 500、nFeature_RNA < 250或percent.mt > 20%的低质量细胞被排除在后续分析之外。

(B)主成分分析（PCA）图，可视化不同样本细胞的转录组特征。

(C)统一流形近似与投影（UMAP）图，显示通过无监督聚类识别出的29个细胞亚群。

(D)UMAP图展示了细胞被注释为九种主要类型。

(E)条形图比较RP样本与对照样本中各注释细胞类型的比例。

(F)气泡图展示九种注释细胞类型中经典标记基因的表达情况。

(G) 气泡图展示关键基因在注释细胞类型中的表达水平。在(F)和(G)中，颜色越深表示表达水平越高，圆圈越大表示该细胞群体中表达该基因的比例越高。缩写：RP，视网膜色素变性；PCA，主成分分析；UMAP，统一流形近似与投影。

图5：细胞类型标记物识别和AUCell分析

(A)各细胞簇差异表达基因（DEGs）的火山图。每个簇中显著上调（红色）或下调（蓝色）的基因被标出。

(B)热图显示单细胞差异表达基因（scDEGs）在细胞间的表达情况。橙色代表高表达，蓝色代表低表达。

(C)UMAP（统一流形近似与投影）图展示各簇的曲线下面积（AUC）评分。该评分衡量每个细胞表达的基因中前10个scDEGs集合的富集程度；颜色越浅表示富集越高。

(D) 各注释细胞类型的AUC评分组间比较图。缩写：scDEGs，单细胞差异表达基因；AUC，曲线下面积；UMAP，统一流形近似与投影。

图6：穆勒胶质细胞差异基因的功能富集分析

(A)条形图显示了差异表达基因（DEGs）的基因本体论（GO）富集分析结果。术语分为生物过程（BP）、细胞组分（CC）和分子功能（MF）。

(B) 气泡图展示了京都基因与基因组百科全书（KEGG）通路富集分析结果。气泡大小代表富集基因的数量；颜色表示校正后的P值（颜色越红表示P值越小）。富集显著性以Benjamini-Hochberg校正后的P < 0.05为阈值。缩写：GO，基因本体论；KEGG，京都基因与基因组百科全书；DEGs，差异表达基因；BP，生物过程；CC，细胞组分；MF，分子功能。

文章信息

2026 Jun 27

PMID: 42365225

DOI: 10.1186/s10020-026-01547-9

Nan Guo, Guang-Hua Peng