深度解析医学证据,lxfs.net为你支撑决策
随着技术的进步与DNA测序成本的下降,全基因组测序(WGS)已广泛用于人类遗传研究与,并逐步被评估用于新生儿及成人。自人类基因组参考草图发布以来,已有数百万人在科研或临床场景下完成外显子组或WGS,未来十年还将有更多人接受测序。解析人类遗传变异及其表型效应是基因组医学的关键任务,已有的权威数据库(如gnomAD)更多聚焦于群体层面的变异频率统计,却较少提供单个个体基因组的变异信息。目前,人类参考基因组的特征已得到充分解析,标准单倍型参考基因组 GRCh38.p14包含约31亿个碱基对,其中95%是非编码区序列,个体基因组之间及与参考基因组都天然存在大量差异。因此判断个体基因组中发现的变异是否属于“正常背景”,成为遗传咨询、结果报告和卫生政策制定中的基础问题。
近日,英国埃克塞特大学医学院研究团队整合了英国生物样本库(UKB)和美国All of Us(AoU)项目两大资源,对879,461名健康成年人的WGS数据进行系统分析,刻画了普通健康个体基因组的各类遗传变异基线,为临床基因组解读、遗传筛查等提供参考数据。结果显示,“平均”个体基因组携带约430万–530万个变异,其中约1.5%为罕见变异;包含约67个长度>10 kb的常染色体缺失或重复,约2.5%的个体携带长度>1 Mb的罕见常染色体拷贝数变异。个体变异中平均约32%–42%为纯合变异,每人存在约4个>1.5 Mb的纯合长片段;编码外显子中每人约2.1–2.6万个SNV/indel,约48%预计会改变蛋白。平均每个基因组含有约63个新生变异,75%-80% 源自父方;在GenCC单基因病相关基因中,平均携带罕见ClinVar致病或可能致病变异1–3个、高置信功能缺失变异2–5个、意义未明变异(VUS)约50个。总之,该研究在个体层面量化中性及疾病相关变异,为临床解读、遗传咨询和筛查政策提供背景基线。

研究纳入UKB中490,541名和AoU中414,830名成人的短读长WGS数据,经变异与基因型质控后,对879,461名成人WGS数据进行分析用于个体变异负荷汇总;并依据千人基因组参考,分为非洲、美洲混血、东亚、欧洲、中东、南亚6个遗传推断祖先群体。变异检测覆盖SNV、短indel、拷贝数变异、线粒体变异、新生变异和纯合片段(ROH)等。结果显示,相较参考基因组GRCh38,平均每个个体基因组携带约430万–530万个SNV和短indel(长度<50bp),绝大多数为常见、非编码变异;非洲遗传背景个体的变异数量较其他群体平均多100万个。
在常染色体上,个体变异中平均160-180万(32-42%)为纯合变异,240-350万(58-68%)为杂合变异,其中约2%为多等位变异。女性X染色体上有约7.5万–14万个杂合变异和5.5万–6.7万个纯合变异,男性X染色体上有约9.2万–13万个半合子变异、Y染色体上约5,500个变异,以及假常染色体区(PAR)约7,000–10,000个变异。此外,UKB个体血液样本平均检测到约3.98个异质性线粒体变异,8.45个同质性线粒体变异,受年龄相关线粒体突变累积影响。
在结构变异(SV)方面,高分辨率分析估计每人SV中位数2.2–2.6万个;进一步分析587,475名具有高质量CNV数据的个体,中位每人携带>10 kb的CNV为68个,包括46个缺失和22个重复;约0.63%个体携带>1Mb的缺失,1.8%个体携带>1 Mb重复。此外,UKB个体中平均有3.65个长度≥1.5 Mb的独特ROH,AoU个体有4个ROH。

图1. UKB和AoU中每个个体SNV和indel
与遗传数据库中多数变异为罕见不同,个体基因组中的大部分变异是常见的。按队列内等位基因频率(AF)计算,个体基因组中平均98.4% SNV/indel属于常见变异(MAF>1%),1.34%为罕见变异,0.26% 为极罕见变异(MAF<0.01%)。功能注释显示,38.3%的变异位于蛋白编码基因内,包括0.54%在蛋白编码区、1.2%在UTR、36.5%在内含子;约35%位于注释的蛋白或RNA基因之外。
在MANE Select蛋白编码转录本中,平均个体基因组包含9,600个错义变异、11,100个同义变异,以及229个预测功能丧失(pLoF)变异,其中72%为高置信度。
SV的等位基因频率测定难度较高,既往小样本研究提示个体基因组中98.0%的SV属于常见变异,每个个体平均有160–180个蛋白编码基因受SV影响。在>10 kb高质量CNV数据集中,大多数CNV为常见变异;罕见CNV占每人总CNV负荷的88.0%(平均每人59.3个常见CNV)。64.8% CNV为非编码变异,但平均个体基因组仍有约25个基因的CNV预测导致功能丧失,约5个基因的重复预测导致完全拷贝增益。

图2. 六个遗传推断祖先组中,每个个体基因组的SNV和indel数量
基于UKB和AoU中2,334个遗传推断的亲子三人组,研究团队估计平均个体基因组包含约61–63个胚系新生SNV/indel(57个SNV、1个插入、3个缺失),范围约30–113个;其中约75%–80%为父源,20–25%为母源。新生变异数量随父母生育年龄上升而增加,父亲生育年龄每增加1岁,新生变异增加1.17个;母亲生育年龄每增加1岁,增加0.38个。绝大多数新生变异位于非编码区,平均仅约1个位于蛋白编码外显子。此外,平均每人还检测到2个可能为体细胞嵌合型新生变异,其数量随个体年龄增长而增加,与双亲年龄无关。

图3. 每人新生SNV和indel的数量与年龄的关系
疾病相关变异是临床解读重点。在GenCC单基因病相关基因中,仅考虑MAF<1%的罕见变异,平均人类基因组携带1-3个ClinVar收录的胚系致病性或可能致病性(P/LP)变异,绝大多数位于常染色体隐性遗传病相关基因,代表携带者身份,并不直接致病;平均携带19–29个高置信度pLoF变异(其中2–5个为罕见)和180个VUS(其中约50个为罕见)。研究还观察到,欧洲相似个体P/LP更多、非欧洲相似个体VUS更多,反映群体频率差异、参考数据多样性和检测可及性等偏倚。常染色体显性病相关基因中,约1/8.6个体携带至少一个罕见ClinVar P/LP;约2–6种常染色体隐性疾病的携带状态常见,女性X连锁疾病携带约1/13–37。

图4.单基因疾病相关基因中ClinVar变异的分布
研究团队基于UKB中28种常见疾病预计算的多基因风险评分(PGS),发现平均每个人在约3种疾病中位于前10%,在约1.4种疾病上位于前5%。约1/5的欧洲祖先群体个体至少在一个PGS上位于前1%,而非欧洲群体中该比例为1/3,这主要由不同祖先的SNP频率差异造成。
综上所述,该研究以近百万个体WGS数据系统描述了“平均人类基因组”的变异构成,为临床遗传咨询、变异报告范围和基因组筛查政策提供了背景参照。研究提示,致病/可能致病变异、功能缺失变异和意义未明变异在健康成人中并不罕见,报告时需结合携带状态、外显率和年龄相关克隆造血等因素,警惕过度诊断。

图 :研究概要
参考文献:
https://link.springer.com/article/10.1186/s13073-026-01792-x
