Neuron | 张赛等开发机器学习算法揭示肌萎缩性脊髓侧索硬化症（渐冻症）的遗传学基础

肌萎缩性脊髓侧索硬化症（amyotrophic lateral sclerosis, ALS），又称渐冻症、卢·贾里格症（Lou Gehrig’s disease）和运动神经元病（motor neuron disease, MND），是一种极为复杂且致命的神经退化性疾病。ALS由运动神经元的退化所致， 病人由于运动神经元的死亡，其肌肉逐渐萎缩而丧失运动能力，最终造成发音、吞咽和呼吸障碍。ALS患者的平均生存时间为3到5年，且目前尚无治愈方法。在欧美，每年大约每十万人中就有2.2人确诊为ALS。

ALS是一种由基因和环境共同决定的复杂疾病，其病因尚不明确。遗传因素在发病过程中占重要作用：据统计，约5%到10%的遗传性ALS（familial ALS）为常染色体显性遗传所致；对于剩余的90%到95%的偶发性ALS（sporadic ALS），其所估计的遗传性（heritability）高达50%【1】。人们至今已经发现了若干与ALS相关的基因突变，包括C9orf72和SOD1，但绝大部分的遗传因素仍然未知。

2022年1月18日，来自以斯坦福大学Michael Snyder课题组为首的（第一作者为斯坦福大学遗传学系讲师张赛博士和英国谢菲尔德大学NIHR临床讲师Johnathan Cooper-Knock博士）多国团队在Neuron杂志发表了题为 Genome-wide identification of the genetic basis of amyotrophic lateral sclerosis 的研究论文。在本项工作中，研究人员开发了新型的机器学习算法分析大规模的遗传学、转录组学和表观遗传组学数据，系统揭示了ALS的遗传学基础。

研究人员首先对诱导多能干细胞（induced pluripotent stem cells，iPSCs）分化出的运动神经元进行转录组和表观遗传组（RNA-seq, ATAC-seq, histone ChIP-seq, Hi-C）的测量来系统刻画人类运动神经元的基因组调控和功能区域。然后提出了一个名为RefMap的贝叶斯网络模型来整合多模态多组学的数据（图1），包括运动神经元的功能基因组学数据和大规模的ALS全基因组关联分析（genome-wide association study, GWAS）数据。基于变分推断算法，RefMap精确定位了数千个与ALS相关的调控区域，并最终预测了690个与ALS相关的基因，其中大部分基因为第一次报道。遗传性分析表明这组基因把已知ALS基因的遗传性提高了5倍。保守性、转录组和系统生物学分析揭示了该组基因在ALS病人脑组织和老鼠模型中的关键功能角色，并表明运动神经元的退化始于远端轴突，这部分解决了该领域的一个长期的争论。罕见变异分析进一步展示了这组基因与ALS发病年龄的相关性。

图1. 实验设计概览

最后，通过常见和罕见变异的收敛性分析，研究人员定位到了一个新的ALS基因KANK1。在运动神经元中通过基因编辑技术（CRISPR-Cas9）敲除与ALS相关的基因序列，研究人员展示了KANK1的功能缺失可以导致运动神经元的毒性，干扰远端轴突的功能，以及诱导多种ALS特异性的表型，包括神经营养信号通路障碍和TDP-43蛋白的错误定位（图2）。

图2. KANK1外显子敲除后导致TDP-43的错误定位

综上所述，该研究工作提出了一种通用的机器学习模型，通过整合功能基因组学和遗传学数据来精确定位致病基因，并极大地扩展了已知的ALS基因集合，展示了远端轴突在运动神经元退化中的重要作用，最后实验验证了KANK1的功能缺失所导致的ALS病理表型。该工作为ALS的基因检测和个性化疗法的开发提供了理论基础，也为未来复杂疾病的遗传学研究提供了范式。

参与该工作的研究机构和组织还包括：加州大学旧金山分校、加拿大麦吉尔大学、 瑞典隆德大学、以色列魏茨曼科学研究院、荷兰乌得勒支大学医学中心和Project MinE ALS测序联盟。

原文链接：

https://doi.org/10.1016/j.neuron.2021.12.019