基因组 | Nat.Rev.Genet | 人类基因组中结构变异的多样性及其后果

Basic Information

• 英文标题：Diversity and consequences of structural variation in the human genome
• 中文标题：人类基因组中结构变异的多样性及其后果
• 发表日期：21 January 2025
• 文章类型：Review Article
• 所属期刊：Nature Reviews Genetics
• 文章作者：Ryan L. Collins | Michael E. Talkowski
• 文章链接：https://www.nature.com/articles/s41576-024-00808-9

Abstract

Para_01

1. 生物医学界日益致力于捕捉人类基因组中的所有遗传变异，解读其功能影响，并将这些研究成果应用于临床。
2. 这一努力的关键组成部分是发现和表征结构变异（SVs），这些变异在人类群体中普遍存在，其突变过程具有异质性，是进化和适应的重要基础，并且深刻驱动着人类疾病的发生。
3. 随着新技术的出现以及基于序列的人群研究规模不断扩大，我们对结构变异作为一种突变类型及其在各种表型中的广泛影响的理解正在逐步清晰。
4. 在这篇综述中，我们总结了近年来关于人类基因组中结构变异的新发现和深入见解，涵盖其突变模式、群体遗传学、功能影响以及对人类性状和疾病的作用。
5. 最后，我们提出了未来十年该领域需要探索的三个前沿方向。

Introduction

Para_01

1. 人类遗传变异通常根据每个变异中改变的DNA核苷酸数量分为三大类：单核苷酸变异（SNVs）、短插入或缺失变异（indels；1–50 bp）以及结构变异（SVs；≥50 bp）。
2. 其中，SNVs和indels被统称为短变异（<50 bp），由于它们在人类基因组中的突变密度较高，并且使用多种技术相对容易检测，因此得到了广泛研究。
3. 相比之下，SVs的研究更为困难，原因有多个，其中最主要的是技术层面上对SV识别的挑战。
4. 除了这些技术难题之外，每个个体基因组中SV的密度比SNVs和indels低两个数量级（数万个对比数百万个），但SV却涵盖了更广泛的突变类型。
5. 因此，我们在遗传研究和临床诊断中对SV进行捕获和解读的能力仍远不如对短变异那样精确。

Para_02

1. 尽管存在这些局限性，人类基因研究在过去60年中在明确结构变异（SVs）的突变谱方面取得了显著进展。
2. 自从1956年首次确定人类染色体数量以及1959年发现唐氏综合征中的21三体（参考文献12、13）以来，技术上的逐步突破不断带来了关于结构变异的革命性新见解。
3. 显微镜技术的应用，例如核型分析或荧光原位杂交（FISH），揭示了染色体尺度的重排在一般人群中罕见，但在发育障碍患者和癌症基因组中富集。
4. 在2000年代初，微阵列技术的应用发现了大量DNA拷贝数变异（CNVs）在整个基因组中广泛存在。
5. 浅层（约4-12倍）全基因组测序（WGS）进一步扩展了这一观察结果，表明每个人的基因组都包含数千个拷贝数变异和其他类型的结构变异，并且这些结构变异通常遵循与短变异相同的群体遗传学原理。
6. 最近，对大规模人群进行深度（≥30倍覆盖度）全基因组测序的结果表明，在人类群体中可能有数千万个独特的结构变异正在分离，其中大多数仅出现在全球一个或少数几个个体中。
7. 此外，长读长测序及其他技术的发展持续揭示出数千个隐藏在最复杂和重复序列背景中的隐秘结构变异。

Para_03

1. 加深我们对影响新发结构变异（SV）在人类生殖系中出现位置及其受自然选择作用机制的理解，需要大规模的群体水平特征描述研究。
2. 一些重大计划已经启动，旨在对人体基因组中的结构变异进行目录化整理，例如基因组聚合数据库（gnomAD）、1000基因组计划和人类基因组结构变异联盟（HGSVC）、英国生物样本库以及All of Us研究计划。
3. 然而，目前全球不同人群中的结构变异表示仍然有限，尤其是在非欧洲人群中。
4. 即使在欧洲人群中，基因组中最重复的约10%区域对于大多数技术而言仍然是难以解析的。
5. 最近的一些突破开始消解这些技术障碍，这些进展利用多种新技术的结合和复杂的分析方法，实现了接近端粒到端粒（T2T）的完整基因组组装，并有望让我们研究那些先前技术无法触及的基因组位点。
6. 人类遗传学中的另一个主要挑战是预测结构变异对基因功能和顺式调控网络的功能性后果。
7. 同样地，由于结构变异尚未被常规纳入大多数大规模关联研究中，其在许多人类疾病和表型中的影响仍未得到充分探索。
8. 新技术将能够捕获更大范围的结构变异谱，但迄今为止的大规模长读长组装研究，在所调查个体数量方面仍不足以推导出人类群体遗传学和疾病结构的基本规律。
9. 总之，尽管目前已定义了一些人类基因组中结构变异的一般模式，但在生物学和医学的不同领域中，结构变异的具体情况仍然不清晰，这代表着未来几年取得重大进展的机会。

Para_04

1. 在本综述中，我们总结了关于人类群体中种系结构变异（SVs）的现有知识。
2. 首先，我们讨论了结构变异的突变特性，包括它们的多样性、复杂性和突变率。
3. 其次，我们描述了全球人类群体中结构变异的分布模式，并重点探讨了自然选择的作用。
4. 第三，我们总结了结构变异如何在整个基因组中的蛋白质编码和非编码位点引起功能改变。
5. 第四，我们回顾了结构变异在罕见病、常见病和复杂性疾病中的作用，并推测了该研究领域中先进技术的角色。
6. 我们没有关注检测结构变异的技术细节，这些内容已在其他近期综述中有详尽阐述。
7. 同样地，我们也没有讨论体细胞或嵌合型结构变异在非癌组织中的作用，这是一个正在积极研究的领域。
8. 由于目前尚缺乏覆盖完整结构变异谱的高分辨率数据，还无法明确地将这类变异与人类群体中的种系变异进行对比分析。
9. 最后，我们列举了三个我们预计在未来几年内将成为研究热点的结构变异研究前沿。

Mutational properties of SVs

Para_01

1. ‘结构变异’这一术语涵盖了一类异常多样化的突变类型，每种类型都具有不同的特性（图1）。
2. 在本节中，我们回顾了目前关于种系结构变异的分类体系，总结了其突变机制，并讨论了种系结构变异的发生率及其协变量。

Fig. 1: Human SVs span a broad mutational spectrum.

图片

- 图片说明

◉ 基因组变异通常根据变异等位基因所改变的核苷酸数量进行分类。◉ 尽管这些类别的确切划分并不精确，并且基于半任意的阈值而有所不同，但人类遗传学领域已达成共识，将涉及少于50个核苷酸的变异归为‘短’变异（有时也称为序列变异），而所有其他涉及≥50个核苷酸的变异则归为结构变异（SVs）。◉ 短变异仅包括两个不同类别：单核苷酸变异和短插入或缺失（统称为indels）。◉ 总的来说，平均每个人的基因组中大约存在四百万个短变异。◉ 相比之下，结构变异包含更为多样化的突变类别和子类，每种都有其特有的替代等位基因结构和独特性质。◉ 结构变异可以进一步划分的一个主要标准是其变异等位基因是否涉及总共小于50个碱基对的基因组增益或损失，这将‘平衡’结构变异（如倒位）与‘非平衡’结构变异（如缺失、重复和大型串联重复）区分开来。◉ 建立一个适用于所有结构变异的统一分类系统已被证明具有挑战性，部分原因在于难以用单一技术或检测方法鉴定所有结构变异，这一问题已在别处进行了近期综述。◉ 在本图中，指明了能够捕捉每个结构变异类别的技术；浅色六边形表示使用传统方法无法可靠检测该类别中大多数结构变异的技术。◉ 过去二十年的人类基因组研究中显示出一个普遍趋势：变异大小与人群中的丰度之间存在强烈的负相关关系。◉ 极端情况下，染色体级别的异常（即相互易位）在不到1%的个体中被观察到。◉ delINVdel，配对-缺失倒位；DUP-TRP/INV-DUP，重复-倒置三倍重复-重复；HERV，人类内源性逆转录病毒；INVdup，倒置重复；LINE，长散布元件；mCNV，多等位拷贝数变异；Med.，中位数；SINE，短散布元件；STR，短串联重复；SVA，SINE-可变数目串联重复-Alu；VNTR，可变数目串联重复。

Canonical and complex SV classes

标准的和复杂的SV类别

Para_01

1. 按照惯例，生殖系结构变异（SV）被归类为几种典型的突变类型。
2. 除了DNA的大片段获得和丢失（例如非整倍体）之外，最常研究的SV类型是缺失和重复，统称为拷贝数变异（CNVs）。
3. 这些CNVs的定义是相对于参考基因组而言，序列发生了丢失或串联式的增加。
4. 在人类生殖系中，典型的CNVs在人群中仅记录了一个替代等位基因（即双等位基因变异）。
5. 而在某些重复位点上，多等位CNVs（mCNVs）可以达到很高的拷贝数，有时个体基因组中可累积数十个重复拷贝。
6. 尽管mCNVs可能是人类中最具有突变多样性的SV之一，但迄今为止使用现有技术进行的研究表明，它们在整个基因组中的分布相对稀疏。
7. 已有研究报告指出，存在673至1,356个mCNV位点，占全球人群研究中迄今报告的所有SV的不到0.05%。
8. 随着长读长技术在大规模人群数据集中的应用，对复杂重复序列的解析能力将提高，这将向上修正这些估计值。
9. 插入是人类中第二常见的SV类型，包括许多子类，如转座元件插入（例如LINE1和Alu）。
10. 还包括新型非参考插入（例如病毒DNA插入）。
11. 线粒体DNA的核插入。
12. 以及串联重复序列的扩增（例如短串联重复序列（STRs；单位长度为1–10 bp）和可变数目串联重复序列（VNTRs；单位长度为10–100 bp））。
13. 尽管这些定义存在一定的模糊性，但大多数类型的插入SV要么不涉及内源序列的重复，要么即使发生重复，也不是与其参考旁系同源基因串联产生的。

Para_02

1. 多种类型的结构变异（SV）会导致基因组重组，但并不涉及拷贝数的变化。
2. 这些‘平衡型’结构变异包括剂量中性的衍生等位基因，例如倒位、染色体易位和某些插入事件。
3. 涉及染色体大片段改变的最大类别的平衡型结构变异在几十年来已经通过细胞遗传学研究进行了调查。
4. 最近，新的测序方法使得这些变异事件能够被精确定位到核苷酸水平，并预测其对发育障碍和基因组结构的影响。
5. 有趣的是，尽管平衡型倒位相对较少，它们似乎对单倍体基因组的染色体结构具有不成比例的重要影响。
6. 最近的一项研究结合了光学图谱、长读长测序和链特异性测序技术，发现平均每个单倍体人类基因组包含11.6Mb的倒位基因组序列。
7. 这一数值是所有短片段变异所改变的核苷酸数量的四倍，也是拷贝数变异（CNVs）和插入事件所改变核苷酸数量的两倍。

Para_03

1. 测序技术和计算方法的进步已经使得数以百万计的人类结构变异（SVs）的断点定位达到了单核苷酸分辨率。
2. 这种更高分辨率的发现表明，少数人类结构变异表现出显著的重排复杂性，通常表现为拷贝数变异（CNVs）或倒位与一个或多个其他断点共同出现在同一突变事件中。
3. 这种出人意料的高频断点复杂性导致了一类多样化的非经典结构变异被定义为常见的复杂结构变异（complex SVs），其包括任何涉及两个或更多不同基因组片段的≥50 bp的重排，或者包含无法通过单一末端连接或DNA交换事件解释的经典结构变异特征。
4. 尽管复杂结构变异整体上具有异质性，但它们有三个共同的趋势。
5. 首先，倒位是复杂结构变异的一个常见特征，这些复杂的倒位通常在一个或两个断点附近伴有拷贝数变异，这表明倒位可能是介导复杂结构变异形成的一个因素。
6. 其次，复杂结构变异富集在重复序列中，这可能表明涉及重复序列的重排机制在新复杂结构变异的形成中特别相关。
7. 第三，重排复杂性的范围非常广泛；尽管迄今为止在人类种系中表征的几乎所有（>99%）复杂结构变异都相对简单——仅涉及两个或三个片段或断点——但也报道了数十种极其复杂的种系结构变异，统称为染色体再生成（chromoanagenesis，希腊语中意为“染色体重生”）。
8. 这些高度复杂的重排通常涉及几十个断点以及单次突变事件中交错排列的两条或多条染色体。
9. 这种高度复杂的基因组重排可能导致灾难性的后果；它们最初是在高度异常的肿瘤基因组中发现的，现在被认为是许多癌症的常见特征。
10. 种系染色体再生成极为罕见，但在患有严重发育障碍的儿童中已被观察到。
11. 基于人群队列的增长揭示了这些事件也以极低频率（大约<1:10,000个体）出现在普通人群中，gnomAD和All of Us研究计划的研究结果提供了证据。
12. 长读长测序和类似的高分辨率基因组技术很可能在未来几年揭示整个人类基因组中更为复杂的结构变异关联现象。

SV mechanisms and mutation rates

SV机制和突变率

Para_01

1. SV突变的多样性反映在其形成的分子机制上。
2. 在人类基因组中，SV机制是通过单个断裂点的序列及其上下文推断出来的，并且通常因SV类别不同而有所差异。
3. 最简单的SV断裂点涉及两个无同源性的平端连接，这通常是由DNA双链断裂后通过非同源末端连接（NHEJ）修复形成的。
4. NHEJ事件通常在断裂点处留下‘疤痕’，这是由于修复不完全造成的，表现为小片段（<10 bp）缺失或非模板插入。
5. 其他SV断裂点如果在两个断裂末端之间表现出短（<70 bp）的序列同源性（即‘微同源’），则通常是由于复制叉停滞和模板转换或微同源介导的断裂诱导复制所导致。
6. 当存在一对较长的同源序列（通常是数百到数千个核苷酸长度）时，可能导致非等位同源重组（NAHR），并根据同源序列的方向产生拷贝数变异（CNVs）、倒位或复杂的结构变异。
7. Alu或LINE1元件等转座子对是同源介导的SV形成的常见底物。
8. 总体而言，这四种核心机制——NHEJ、复制叉停滞与模板转换、微同源介导的断裂诱导复制以及NAHR——解释了迄今为止在人类基因组中发现的大多数CNVs。
9. 然而，并非所有类型的SV都由这四种机制产生。
10. 例如，移动元件插入可能是由内源性移动元件的转座或逆转座引起的。
11. 而串联重复扩增则是由DNA复制过程中DNA聚合酶滑动所致。
12. 复杂SV的形成机制更加多样，从涉及反向DNA重复序列的多步骤突变级联反应，到细胞分裂过程中染色单体错误分离进入微核的过程。
13. 最后，某些SV形成机制可能特异于高度重复且易于突变的基因组区域，比如靠近着丝粒或位于近端着丝粒染色体臂的大段（>100 kb）微卫星区域以及DNA重复阵列。
14. 因此这些机制目前尚不清楚，但有望在未来几年通过泛基因组组装技术得以揭示。

Para_02

1. 尽管我们对许多结构变异（SV）机制有较为深入的理解，但这些机制在人类生殖系中产生新的结构变异的速率仍存在不确定性。
2. 早期利用微阵列技术对父母-子女三人组和未选择人群中的大拷贝数变异（CNVs，通常大于100 kb）的研究发现，约有1–3%的个体携带新生拷贝数变异，而在患有发育障碍的儿童中观察到更高的发生率。
3. 过去十年中，随着全基因组测序（WGS）逐渐应用于人类遗传学研究，能够以碱基对分辨率捕捉大多数类型的结构变异，因此新生结构变异的估计速率提高了大约一个数量级。
4. 短读长全基因组测序研究估算，每代人中通过该技术可检测到的所有类型结构变异加起来约为0.11–0.29个新生结构变异，其中新生拷贝数变异和插入变异比其他结构变异更常见。
5. 然而，大多数已发表的结构变异突变率估计并未包括串联重复序列和其他由重复介导的序列变异——这些是所有人类遗传元件中最容易发生突变的类型之一，因为它们无法通过短读长全基因组测序进行全面调查。
6. 仅纳入新生串联重复突变本身就将显著提高这些已发表的结构变异突变率估计值，因为短串联重复序列（STRs）的突变率约为每世代每个位点约10^-5个新生突变，因此每个人的基因组预期都携带有数十个新生短串联重复突变。
7. 解决注释串联重复序列之外的重复序列区域中的结构变异（其突变率也比基因组其余部分更高），将进一步上调这些突变率估计。
8. 长读长测序技术非常适合用于解析这些位点，但尚未大规模应用于基于大家庭队列的研究来系统记录新生结构变异。
9. 因此，我们预计在未来几年里，随着端到端组装（T2T）以及其他新兴技术的广泛应用，结构变异突变率的估计值将继续上升，并根据不同变异类型和基因组背景得到进一步细化。
10. 此外，结构变异突变率很可能在人类生殖系与其他健康体细胞组织之间表现出组织特异性差异，这需要单细胞技术的持续改进，以便实现对数百万个单细胞基因组中结构变异的高通量分析。

Population genetics of SVs

Para_01

1. 与其他形式的遗传变异一样，结构变异（SVs）在全球人类群体中普遍存在，并符合大多数已确立的孟德尔遗传和群体遗传学原理。
2. 然而，结构变异在多个方面明显区别于其他类型的遗传变异，包括其形成复杂或不稳定单倍型的能力，以及其特别容易受到强烈自然选择的作用。
3. 在本节中，我们将重点介绍个体基因组和大规模人类群体中结构变异的一些关键模式，尤其强调自然选择的作用。

Distributions in the global population

全球人口的分布

Para_01

1. 与共识参考序列相比，每个普通人类基因组中存在数千个结构变异（SV）
2. 但每个基因组中被识别出的SV的确切数量和类型在很大程度上取决于所使用的检测技术与算法
3. 在过去几年里，多个大规模短读长全基因组测序研究的公开发布为人类群体中的结构变异图谱提供了新的见解
4. 这些短读长研究通常平均每个基因组报告9,000至13,000个结构变异
5. 相比之下，三个最大的长读长全基因组测序研究虽然样本量较小，但其对结构变异的检测灵敏度极高，每个基因组平均可发现22,000至26,000个结构变异
6. 这些研究和技术之间差异的绝大部分可以由小片段（<500 bp）结构变异、插入序列、串联重复以及诸如节段性重复和卫星序列等高度重复基因组区域中的其他变异来解释
7. 值得注意的是，在基于图的基因组组装和从长读长数据进行单倍型分析方面出现的激动人心的新算法进展，已经开始缩小短读长与长读长技术在结构变异检测方面的差距
8. 这些方法使得在更大规模的短读长全基因组测序数据集中也能估算出原本只能通过长读长全基因组测序获取的结构变异，从而捕获到每个短读长基因组约18,000个结构变异
9. 无论使用何种技术进行结构变异检测，插入和拷贝数变异均占每个基因组中所有结构变异的90%以上
10. 而近期采用短读长和长读长全基因组测序、光学作图以及链特异性测序的研究表明，平均每个基因组还包含数百个平衡性和复杂性的结构变异
11. 根据长读长全基因组测序的现代估计，每个基因组中结构变异的总负担（约2×10^4）大约比单核苷酸变异（SNV）的平均数量（约4×10^6）少约200倍，也比小型插入缺失（indel）的数量（约8×10^5）少约40倍
12. 尽管分布稀疏，将结构变异纳入人类遗传学研究的必要性是显而易见的，因为它们代表了任意两个人类基因组之间总核苷酸多样性的主要来源
13. 具体而言，由于结构变异的大突变足迹，它们平均每个基因组改变了32.1 Mb的序列，而短变异仅影响了6.7 Mb的序列

Table 1 The growth of population-scale SV catalogues 表1 人群规模结构变异目录的增长

图片

Para_02

1. 在人类群体中分离的大多数结构变异（SV）是罕见的（等位基因频率<1%）。
2. 更具体地说，目前已发表的最大规模的短读长全基因组测序（WGS）结构变异目录表明，大约49.6–51.2%的所有结构变异属于较小的变异（<500 bp）且为罕见变异。
3. 然而，即使已发表的样本量最大的研究也仅涵盖了极小比例（<0.01%）的全球总体人群，并且历史上对遗传多样性最高的群体（如非洲人群）代表性不足。
4. 因此，现有的人类结构变异目录在很大程度上是不完整的，原因包括预计有数千万个仅存在于尚未测序的基因组和人群中、并且极为罕见的结构变异，以及嵌入高度重复序列区域中的大量隐秘结构变异，而这些区域无法通过大规模短读长全基因组测序进行检测。
5. 另一方面，一项最近针对15个人的长读长全基因组测序研究表明，多达97%的所有主要结构变异等位基因（即，在绝大多数人类染色体中发现的结构变异）已经被发现。
6. 也许与直觉相反的是，任何个体基因组中存在的大多数（>95%）结构变异都是常见（等位基因频率≥1%）的多态性结构变异。
7. 这些群体遗传学原理在先前的研究中已有详细描述；例如，近期千人基因组计划中对3,622名个体的短读长全基因组测序研究共发现了58,046个单例结构变异（即仅在一个个体中以杂合形式出现的变异）和84,508个罕见结构变异，相比之下仅有30,769个常见结构变异。
8. 相应地，平均每个个体基因组中只包含29个单例结构变异和173个罕见结构变异，而常见结构变异则高达9,773个。
9. 这种趋势并不仅仅局限于结构变异；例如，gnomAD数据库中的平均基因组携带总共380万个短变异，其中只有13万（3.4%）属于罕见变异。
10. 由于在大规模人群中检测结构变异的技术挑战，使得大多数研究难以开展大规模联合分析，因此有时很难准确估计常见结构变异的确切等位基因频率。
11. 大多数传统方法需要将多个个体在同一基因座观察到的结构变异进行不完善的“聚类”（即合并），这可能会错误地掩盖了通过独立突变事件产生的多个不同结构变异等位基因。
12. 借助新的基因组表示方式，例如泛基因组图谱和T2T组装技术的精确性，这些常见结构变异的等位基因频率可能得到进一步优化，包括那些位于传统线性参考基因组策略无法充分建模的重复序列区域中的变异。
13. 然而，这些区域在大规模分析中仍然是一个重大的技术挑战，调查所涵盖的样本数量将继续主导群体遗传学和人类疾病研究中新稀有变异的发现进程。

Para_03

1. 控制大多数结构变异（SV）数量、频率和多样性的群体遗传学原理已经很明确。
2. 利用短读长和长读长全基因组测序技术，在大规模且多样化的人群中开展的群体规模SV研究显示，大多数SV在种群内的单倍型上稳定分离。
3. 因此，这些SV表现出与短变异体类似的群体分层、孟德尔遗传、连锁不平衡和位点频率谱模式。
4. 同样地，在个体基因组中，常见的SV几乎总是与处于连锁不平衡状态的邻近短变异高度相关；例如，HapMap联盟在2008年的一项标志性研究报告称，所有多态性（等位基因频率>5%）、双等位基因拷贝数变异（CNVs）与其至少一个相邻的单核苷酸变异（SNV）之间存在完全的基因型相关性（r2 = 1.0）。
5. 自早期基于微阵列的研究以来，这一总体趋势已被多次验证，尽管群体规模测序的应用表明，在重复序列环境中，由于生物因素（例如SV突变率升高）和技术因素（例如基因分型错误增加），SV与短变异之间的连锁不平衡会减弱。
6. 这一现象在mCNV中尤为明显，其广泛的拷贝数分布可以打破预期的连锁不平衡模式，并产生特定于个别种群的‘失控单倍型’，这些单倍型无法被短变异很好地标记。

Natural selection

自然选择

Para_01

1. 结构变异（SVs）在进化适应中的重要作用早已被认可。
2. 1970年，Susumu Ohno出版了《基因重复的进化》一书，书中提出单个基因和整个基因组的重复是重要的进化底物，因为旁系同源重复基因的部分冗余可以绕过对有害编码变异的负选择作用。
3. 比较基因组学为结构变异在人类适应中的作用提供了实证支持，研究表明数千个结构变异已在人类种群中固定，并且不与任何我们最近的进化亲属（如黑猩猩）共享。
4. 其中一些人类特有的结构变异被认为促进了人类特有性状的进化。
5. 例如，在祖先大猿类基因组中NOTCH2位点的分散重复以及随后的基因转换事件创造了人类特有的NOTCH2NL基因家族，这可能有助于人类新皮质的扩展。
6. 同样，BOLA2基因的人类特异性重复可以在一定程度上解释现代人类与其他物种之间铁代谢和红细胞生成的差异。
7. 即使在现代人类种群内部，部分多态性结构变异也因有益性状而经历了近期正向选择。
8. 例如，触珠蛋白基因（HP）中人科特异性外显子的缺失降低了血液胆固醇水平，
9. 唾液淀粉酶（AMY1）位点的多位点拷贝数变异（CNVs）可能帮助人类在从狩猎采集社会向农业社会过渡期间适应高淀粉饮食，
10. KANSL1位点的复杂倒位结构变异增加了生殖生育能力。
11. 尽管有这些例子，但系统识别适应性结构变异受到了缺乏大规模、祖先多样性丰富的队列数据以及深入表型和遗传数据的阻碍。
12. 因此，我们预计在未来几年中，随着国家生物样本库与电子健康记录和多样化的测序计划持续发展成熟，将鉴定出更多的适应性结构变异。

Para_02

1. 尽管少数显著的例子表明了正向选择如何作用于结构变异（SVs），但在人类群体中，大多数SV却经历着负向选择（见图2和补充信息）。
2. 这一结论基于两个关键的观察结果：首先，在普通人群中，大多数SV的等位基因频率较低。
3. 其次，这种罕见SV的过剩现象无法通过人类生殖系中新出现SV的缓慢速率，也无法通过已知人类种群历史中的遗传漂变来解释。
4. 多个协变量影响着对SV的选择强度。
5. 首先，虽然平均而言典型的SV通常经历相对较弱的负向选择，但每个SV中重排的核苷酸数量似乎是这一关系中的一个关键因素，因为SV大小与等位基因频率呈反比关系，较大的SV在人群中的等位基因频率更低。
6. 例如，在gnomAD数据库中，所有≥1 Mb的SV中有73.0%是单倍型，而所有较小的（<200 bp）SV中仅有44.1%是单倍型。
7. 大型SV还富集于严重疾病中，并且相较于小型SV，在健康儿童中新生出现的可能性更小。
8. 其次，尽管在所有SV类别中负向选择的强度与SV大小成比例，但并非所有类别都经历相同平均水平的选择。
9. 例如，平均而言，缺失变异似乎比重复变异受到更强的负向选择，因为重复变异往往更大、具有更高的等位基因频率，并且在与人类性状相关的研究中效应值更小，在人类进化历史上也比缺失变异多出2.3倍。
10. 第三，复杂SV的等位基因频率通常低于类似大小的标准SV，这表明重排的复杂性也可能导致对SV的负向选择。
11. 这些不同SV类别之间的差异至少部分归因于它们破坏蛋白质编码基因的相对潜力，因为在所有SV类别中，破坏基因的SV所受的负向选择明显强于同一SV类别中未破坏基因的SV。
12. 有趣的是，当仅限于预测会导致蛋白质编码基因功能丧失的变异时，SV和短片段变异表现出类似的单倍型比例过剩现象（相比无任何选择情况下的预期高出13-16%），这意味着变异的功能后果是对负向选择的更强决定因素，而不是其突变类别或类型。

Fig. 2: Most SVs experience purifying selection in the general population.

图片

- 图片说明

◉ 在过去的十年中，关于结构变异（SVs）的人群规模测序研究一致得出结论：由于纯化选择的作用，大多数人类SV的等位基因频率较低。◉ 鉴于人类中明显的SV突变率极低（平均每基因组新出现的从头SV少于一个）。◉ 估算对SV负选择强度的一个简单方法是计算在一个群体中所有SV中以‘单倍型’形式出现的比例，即在一个完整群体中仅在一个个体中观察到的杂合基因型。◉ 由于技术和生物学因素的影响，不同研究和不同类型的SV之间的单倍型比例会有所不同。◉ 但大多数基于大规模人群的SV测序研究（n > 2,500个个体）报告称，大约一半的SV被观察为单倍型。◉ 此处展示了四项重要人群SV研究提供的单倍型比例估计值，这些研究采用了短读长基因组测序技术（条形图显示95%置信区间），以及对这四项研究的逆方差加权荟萃分析结果（红色菱形）。◉ 纯化选择对复杂SV和缺失变异的抵制作用比对其他形式SV（包括倒位、重复和插入）的作用更强。◉ 当将某一类SV的单倍型比例与其他不属于该类的SV进行比较时，可以清楚地观察到这一趋势。◉ 正值表示特定类别的SV相对于所有类别SV总体而言具有更高比例的单倍型，这是对该类SV存在负选择的证据。◉ 选择的强度也因每个SV的基因组背景及其预测后果而异。◉ 例如，为了便于解释，仅关注缺失变异时，所有四项人群测序研究都发现与蛋白质编码外显子和非翻译区（UTRs）重叠的缺失单倍型比例高于所有缺失SV的整体比例。◉ 值得注意的是，影响编码近端序列（如启动子和内含子）的SV与严格意义上的基因间SV相比，其单倍型变异比例也有轻微上升，表明存在较弱的负选择作用，其强度弱于对外显子编码缺失的选择作用。◉ 有关生成这些图表所用数据集和代码的更多信息，请参见补充信息。◉ CCDG代表常见疾病遗传学中心；gnomAD代表基因组聚合数据库；NA表示不可用。

Functional consequences of SVs

Para_01

1. 由于其规模和突变多样性，结构变异（SVs）所导致的功能性后果要比其他类型的遗传变异更为广泛。
2. SVs 可以通过直接破坏编码基因来改变基因组功能，也可以通过破坏顺式调控元件（CREs）、调控网络和基因组结构来实现。
3. 由于 SVs 的大小和特性，它们还具有在单个突变事件中同时破坏多个基因或 CREs 的独特倾向。
4. 以下我们总结了 SVs 可能影响基因组功能的各种方式，并解释了这些功能性后果如何揭示出对突变高度不耐受的基因和其他具有重要生物学意义的位点。

Spectrum of coding and cis-regulatory effects

编码和顺式调控效应的谱系

Para_01

1. 结构变异（SVs）可以通过破坏一个或多个基因最直接地改变基因组功能。
2. SVs 可以通过特定情境下的机制破坏基因，其中最简单的方式是删除或重复整个基因的一个拷贝，分别导致功能丧失（LoF）或全基因拷贝数增加。
3. 最近一项基于短读长全基因组测序（WGS）的估计预测，SVs 总体上贡献了每个基因组中 25–29% 的所有罕见功能丧失事件，这一数字可能被低估了，因为许多小的 SVs 和至少 395 个具有潜在生物医学相关性的基因仍未被短读长 WGS 完全绘制，但正逐渐可通过长读长技术检测到。
4. 基因内的 SVs 通常对转录和 RNA 加工产生深远影响。
5. 基因拷贝数的简单变化通常与 RNA 表达水平的线性变化相对应，除了全基因拷贝数变异（CNVs）之外的 LoF SVs 也是如此。
6. 平均而言，部分基因拷贝数变异也遵循相同的趋势，尽管部分基因重复的转录效应更具变异性，并且有时可能导致 RNA 表达水平降低而非升高，这是由于无义介导的 mRNA 降解所致。
7. SVs 可引起除功能丧失和拷贝数增加之外的多种编码效应，例如基因融合、由短串联重复序列（STRs）产生的多肽重复序列以及新外显子的生成，或者可在不改变总表达水平的情况下导致异常的 mRNA 加工，例如干扰 mRNA 剪接。
8. 移动元件插入似乎特别容易改变 mRNA 剪接，因为许多移动元件家族编码转录因子结合位点，能够创建新的剪接位点、导致外显子跳跃或包含隐秘外显子。
9. 最近的研究还揭示，移动元件可能通过调控增强子（CREs）与其靶基因启动子之间的相互作用间接影响基因表达。
10. 复杂的 SVs 可能产生显著的转录后果，因为它们可以同时重组多个基因，除了导致功能丧失、拷贝数增加和其他常规效应外，还能产生嵌合转录本。

Para_02

1. 由结构变异（SVs）引入的基因组重排也是非编码调控变异的主要来源。
2. 在跨人类组织和细胞类型中绘制候选调控元件（CREs）方面的标志性进展，使得优先考虑潜在功能性的非编码SV成为可能。
3. 这表明，在普通人群中，SVs在大多数CREs上普遍存在但较弱的缺失现象。
4. 并且一部分破坏CRE的SV可能对多种疾病的风险有贡献。
5. 在大多数情况下，将非编码SV与其影响的基因联系起来仍是一个未解决的挑战。
6. 但最近使用配对的短读长全基因组测序（WGS）和匹配供体的转录组测序的研究，例如基因型-组织表达（GTEx）项目，已经在这个问题上取得了进展。
7. 最新的GTEx关于SV的研究鉴定出了1,271个常见SV（其中72%是非编码的），这些SV与邻近基因的RNA表达水平显著相关，也被称为表达数量性状位点（eQTLs）。
8. 在GTEx以外的其他群体中进行的SV eQTL研究也报告了类似的观察结果。
9. 迄今为止，从人类SV eQTL研究中已出现三个主要模式。
10. 首先，平均而言，一个常见的SV比一个常见的短变异至少成为一个基因显著eQTL的可能性高出2.6–10.8倍。
11. 例如，一项研究报告称，4.8%的所有常见SV是至少一个基因的‘主导’eQTL（即在所有常见变异中表现出最强关联），相比之下，常见SNV为1.9%，常见插入缺失（indels）为2.0%。
12. 此外，这些富集程度在不同类型的SV之间差异很大，在GTEx数据集中，常见的移动元件插入只有2.0%，而常见的重复序列则高达15.0%。
13. 其次，相比短变异，SV更有可能远距离作用来影响基因表达。
14. 最近的研究报告称，22.6–40.5%的所有SV eQTL与距离≥250 kb的基因有关联，而SNV和插入缺失的比例仅为16.4%和16.7%。
15. 第三，SV的长度会影响其在顺式（cis）中对基因表达水平的影响强度。
16. 例如，在GTEx中，大型（≥50 kb）SV的主导eQTL效应大小是主导短变异的3.0倍，且比小型（<500 bp）SV高1.6倍。
17. 然而，这些eQTL研究也估计，SV作为所有eQTL中的因果变异仅占少数（3.5–7.2%），并仅解释了RNA表达水平总遗传变异的8.4%。
18. 这是由于人类基因组中的SV数量较少及其与许多短变异之间的连锁不平衡。
19. 到目前为止，尚未开展类似效力的研究，使用长读长全基因组测序（WGS）结合基因表达分析。
20. 因此，对于基因组中最高重复度的大约前10%区域内的SV对基因表达的贡献仍然相对未知。
21. 最后，尽管现在已有大量证据强调SV对基因表达和顺式调控具有强烈影响，但支撑这些效应的机制仍在研究中，并已在别处得到了详细的综述。

Dosage sensitivity and genic constraint against SVs

剂量敏感性和基因对结构变异的限制

Para_01

1. 许多结构变异（SV）会改变基因功能，但并非所有基因对这类干扰都同样敏感。
2. 基因对于无义介导的mRNA降解（LoF）变异存在相对不耐受性的连续谱，即对LoF变异存在不同程度的‘限制’。
3. 一种特殊的突变限制形式被称为剂量敏感性，这与拷贝数变异（CNVs）和其他不平衡结构变异尤其相关。
4. 剂量敏感性描述了某个基因或位点在拷贝数与适应度之间的关系，不仅包括由LoF SV引起的单倍剂量不足（对拷贝数减少的不耐受），也包括由导致拷贝增加的SV引发的三倍剂量敏感性（triplosensitivity，对拷贝数增加的不耐受）。
5. 已知有数百个单独的基因在人类疾病背景下表现出剂量敏感性，其中几乎所有的都被注释为单倍剂量不足。
6. 例如，临床基因组联盟剂量敏感性图谱（ClinGen Dosage Sensitivity Map）是用于CNV诊断解释的主要资源之一，目前总共包含374个被证明具有充分证据支持其致病性剂量敏感性的基因，其中仅有三个基因（APP、LMNB1和PLP1）被确认具有triplosensitivity特征。
7. 造成被识别triplosensitive基因数量稀少的原因在于解释拷贝数增加的重复事件存在巨大挑战。
8. 这些挑战包括：拷贝增加重复效应平均弱于缺失事件、重复片段相对于内源基因座可能以多种方向插入、甚至易位至完全不同的染色体上、以及其转录后果往往模棱两可，难以通过计算机模拟准确预测。
9. 在过去十年中，为了弥补这一空白，研究人员提出了少量基因剂量敏感性的度量标准和模型。
10. 这一领域始于2010年的一项开创性研究，该研究首次计算出大多数人（n = 12,443）类基因的单倍剂量不足概率。
11. 最近，一项基于微阵列检测到的罕见CNV的大规模元分析（覆盖近一百万人）提供了新的度量指标，涵盖了几乎所有（n = 18,641）常染色体编码蛋白基因的单倍剂量不足（pHaplo）和triplosensitivity（pTriplo）指标。
12. 由于样本量相对较大，这些pHaplo和pTriplo指标已被用于定义一个高置信度的包含2997个预测单倍剂量不足基因的数据集，并预测triplosensitive基因数量将显著增加至1557个，这些基因中的罕见拷贝数增加CNV所经历的负选择强度大致等同于gnomAD数据库中已有LoF限制基因因短变异导致的基因截断事件。
13. 虽然这些预测的剂量敏感基因列表代表了优先筛选潜在triplosensitive基因进行后续研究的良好起点，但必须强调的是——正如临床基因组学中的所有预测性计算算法一样——在将这些优先考虑的triplosensitive基因应用于特定疾病病因的诊断筛查和医疗实践之前，仍需要专家手动整理和临床评估以达到所需的置信水平。

Para_02

1. 在过去十年中，随着基因剂量敏感性模型和度量方法的逐步改进，我们逐渐深入了解了剂量敏感性的生物学基础。
2. 其中第一个引人注目的发现是，那些对蛋白质截断型短变异具有不耐受性的基因中，缺失和重复现象均减少。
3. 这一发现意味着大多数人类基因并不具有独立的、仅针对基因剂量增加或减少的敏感性，而是表现出对所有改变基因表达或功能的变异普遍不耐受。
4. 然而，尽管在整个人类基因组平均水平上出现了这一趋势，但也存在数百个例外情况，即某些基因被预测为仅具有三体敏感性或单倍剂量不足，而非双向剂量敏感。
5. 例如，pHaplo 和 pTriplo 这两个指标在总体基因水平上呈现出强正相关（R = 0.55），但同时也被用于分别定义初始的63个和111个基因集合，这些基因分别超过了单倍剂量不足或三体敏感性的高置信度阈值，并且几乎没有证据表明其对相反方向的拷贝数变化具有敏感性。
6. 这些指标还使研究人员得以初步通过数据驱动的方式洞察区分单倍剂量不足与三体敏感性的特征，其中基因大小、表达水平以及顺式调控复杂性等因素被认为部分决定了一个基因对剂量增加或减少的敏感性。
7. 尽管取得了这些进展，要阐明除目前已揭示的广泛而粗略的趋势之外的具体决定因素，仍需要更大数据集中的深入探索、更复杂的计算模型与实验验证相结合。
8. 同样地，要理解嵌入高度重复基因组区域中的数百个蛋白编码基因的剂量敏感性，大规模人群尺度上的长读长全基因组测序应用将是至关重要的，因为这些区域无法通过微阵列和短读长全基因组测序检测到，因此几乎不存在于所有现有的数据集中。
9. 随着All of Us和gnomAD等大规模参考资源开始整合大规模的长读长数据集，关于自然选择如何作用于结构变异引起的基因剂量变化的理解将变得越来越清晰。

The contribution of SVs to human diseases and traits

Para_01

1. 人类疾病中结构变异（SVs）的多样化作用已经被研究了六十多年。
2. 从1959年发现21三体是唐氏综合征的原因开始（参考文献12），人们逐渐认识到SVs在无数人类疾病的病因中起到了重要作用，这些疾病涵盖了常见复杂疾病到严重的孟德尔遗传病。
3. 因此，在临床实践中，SVs已成为针对特定表型和场景诊断筛查的重要目标。
4. 过去十年中，测序技术在疾病关联分析和临床遗传学中的应用带来了关于疾病中SVs的新见解激增。
5. 然而，由于传统技术的技术局限性，基因组中最重复的约10%区域中SVs的医学相关性仍然令人遗憾地研究不足，这使得我们对疾病中SVs的理解远未完整。
6. 在本节中，我们将回顾当前关于常见和罕见疾病中SVs的知识，以及在临床诊断中识别SVs的实用性。

Common and complex diseases

常见且复杂的疾病

Para_01

1. 大多数关于常见复杂疾病遗传学的先前研究都集中在短变异上，尤其是在传统全基因组关联研究（GWAS）中，这类研究通常不包括结构变异（SVs）。
2. 造成这种差异的原因在很大程度上是技术性的163：大多数GWAS依赖的是微阵列或外显子组测序，这两种方法在准确发现和基因分型常见拷贝数变异（CNVs）方面都不够完善，并且基本上无法检测其他类型的SVs164。
3. 然而，少数系统性地发现并进行CNV基因分型的GWAS已经成功识别出数百个初步与常见和复杂疾病相关的CNVs159,160,163,165,166,167,168,169。
4. 同样，基于人群的对非选择个体的研究通过每个SV与先前报道的GWAS位点中的短变异之间的强连锁不平衡，间接地将数千个SV与疾病联系起来9,28,138,156,170。
5. 这些与GWAS位点存在连锁不平衡的SV比其他SV更有可能破坏基因或注释的调控元件（CREs），并且某些SV类别如大缺失、移动元件插入和短串联重复序列（STRs）富集程度高达三倍9,28,156,171。
6. 此外，影响多个基因表达的SV似乎特别可能与GWAS位点相关联：最近的一项全基因组测序（WGS）研究发现，在与至少一个GWAS位点处于连锁不平衡状态的SV中，超过40%的SV是两个或以上基因的表达数量性状位点（eQTL），而单基因eQTL的SV为20%，非eQTL的SV则不超过10%156。
7. 在极少数罕见的例子中，与常见疾病GWAS位点存在连锁不平衡的SV已被细致解析，并揭示了令人瞩目的新生物学见解，补体成分4（C4）位点即是一例。
8. C4位点的多等位复杂SV被认为与精神分裂症风险增加有关140，但同样的SV等位基因同时对多种自身免疫性疾病如系统性红斑狼疮具有保护作用172。
9. 令人惊讶的是，这些复杂的C4 SV以性别依赖的方式起作用，这似乎有助于解释这些疾病的性别偏向——精神分裂症在男性中比女性更常见，而系统性红斑狼疮在女性中更为普遍172。
10. 尽管有像C4这样的例外情况，但据预测，与GWAS位点相关的常见SV仅占所有GWAS位点中3.2–14.2%的因果变异138。
11. 因此，虽然SV在常见和复杂疾病的遗传结构中发挥着重要作用，并能揭示疾病生物学之前未知的方面，但在大多数疾病中SV的作用可能是适度的，并且SV不太可能解释成千上万个尚无已知因果变异的GWAS位点。

Mendelian, developmental and genomic disorders

孟德尔遗传、发育和基因组疾病

Para_01

1. 与常见疾病相反，结构变异（SV）数十年来一直在孟德尔疾病的文献中占据显著位置。
2. 在发育障碍的背景下，结构变异可能是被研究得最为透彻的一类，这类障碍共同影响着美国17.8%的儿童。
3. 从1970年到2000年的经典细胞遗传学研究发现，在4.1%-13.3%的患有发育障碍的个体中存在明显的染色体异常。
4. 尽管如此，这些事件也在发育正常的儿童中被识别出来，但发生率比发育障碍患儿低一个数量级。
5. 2000年代后期采用的染色体微阵列技术进一步将观测分辨率扩展到了数十千碱基水平。
6. 研究显示，罕见和新生拷贝数变异（CNVs）在发育障碍和其他罕见孟德尔疾病中也富集。
7. 例如，早期针对自闭症谱系障碍的研究表明，在微阵列分辨率下（通常大于100 kb），受影响儿童中有2.2%-10.1%至少携带一个大的新生拷贝数变异。
8. 这一比例是未受影响兄弟姐妹中0.5%-1.3%的五倍之多。
9. 微阵列在临床遗传学和转化研究中的应用还让人们意识到，许多典型的发育综合征实际上是由特定基因座上的复发性拷贝数变异引起的。
10. 例如，Angelman综合征中15号染色体q11-q13区域的缺失，以及DiGeorge综合征中22号染色体q11.2区域的缺失。
11. 从那时起，在发育障碍和神经精神疾病领域的遗传关联研究中使用微阵列技术，已识别出数十个位点。
12. 其中大的（>100 kb）拷贝数变异与综合征型疾病相关，现在统称为基因组疾病，通常以染色体细胞带命名，例如22q11.2。
13. 最近一项针对近一百万人、涵盖54种疾病表型的微阵列数据荟萃分析报告称，总共发现了178种独特的大片段（>100 kb）、罕见（频率<1%）拷贝数变异与至少一种表型相关。
14. 其中75%（134/178）与发育障碍或其他类似的严重儿科发病疾病相关。
15. 像这样大规模的样本很可能已经记录了大部分在人类异常发育中具有明显影响（频率>0.1%）的基因组疾病。
16. 不过，毫无疑问的是，在更大且更详细的队列中仍有超罕见、不完全外显或内表型特异性的基因组疾病尚未被识别。

Fig. 3: Properties of large pathogenic CNVs associated with genomic disorders.

图片

- 图片说明

◉ 与大片段致病性拷贝数变异（CNVs）相关的位点大致可以分为三种情形。◉ 迄今为止，一些最显著的大片段致病性CNVs是通过同源染色体上成对节段重复序列之间的非等位同源重组（NAHR）发生的，这种重组导致了由成对节段重复序列所限定的反复出现的缺失或重复事件。◉ 第二种情形涉及在不同患者中检测到的不同断点、但均重叠于一个共同关键区域的独立突变CNVs。◉ 总体而言，这两种情形——即NAHR介导和非NAHR介导的复发性CNVs——通常被称为“基因组紊乱疾病”。◉ 第三种情形是指偶然观察到的大片段罕见CNVs，这些CNVs在患者群体中并没有显著富集现象，但恰好覆盖了一个或多个已知在特定疾病中具有致病性的基因。◉ 尽管目前已确认的大多数基因组紊乱疾病的CNVs通常是较大的（>1 Mb），但这一观察结果可能受限于至今几乎完全依赖染色体微阵列技术来发现这些基因组紊乱疾病。◉ 几乎所有已知的基因组紊乱疾病的CNVs都覆盖多个基因，有些甚至在一个突变事件中直接影响数十个基因。◉ 然而，由NAHR介导的基因组紊乱疾病的CNVs通常比非NAHR介导的包含更多的基因总数。◉ 目前尚不清楚这种差异是由于这些区域本身的遗传结构所致，还是因为携带NAHR介导CNVs的患者具有相同的CNV断点，从而简单地排除了在更大的NAHR区域内识别出最小关键区域的可能性。◉ 不仅大多数基因组紊乱疾病的CNVs覆盖多个基因，它们还经常覆盖多个已知的致病基因，此处定义为在线人类孟德尔遗传数据库（OMIM）中报告与疾病相关联的基因。◉ DEL代表缺失；DUP代表重复。◉ 有关用于生成b至d部分图表的数据集和代码的更多信息，请参阅补充信息。

Para_02

1. 许多基因组疾病的一个显著特征是其基因组背景。
2. 最常见的基因组疾病通常由长段侧翼节段重复序列之间的NAHR（非等位同源重组）介导，并已被证明可以在无关患者中作为独立的突变事件重新发生，有时甚至导致完全相同的断裂点86,132,185,186,187。
3. 平均而言，基因组疾病的拷贝数变异（CNV）跨度约为一百万个核苷酸，因此在单个突变事件中影响大约10个蛋白编码基因160,184。
4. 许多基因组疾病涉及多个基因，这引发了关于遗传结构的争论：是一种特定‘驱动’基因主要负责某些表型（即单基因模型），还是整个CNV区域分布的多个不完全外显的基因共同作用的结果（即寡基因或多基因模型）188。
5. 截至2024年，有少数令人信服的例子支持每种模型，但没有单一模型能够解释所有基因组疾病的致病效应160。
6. 例如，NSD1和SHANK3基因的功能丧失（LoF）突变被确认为分别是Sotos综合征（5号染色体q35缺失）和Phelan–McDermid综合征（22号染色体末端缺失）的主要原因，这一认识已有二十年历史189,190。
7. 一些基因组疾病似乎具有多个独立驱动因子，分别影响综合症候群的不同方面。
8. 例如，CRKL和TBX1基因的突变分别导致DiGeorge综合征中观察到的肾脏和心脏异常191,192。
9. 相反，尽管在当前样本规模下，很难在人类数据集中识别出寡基因或多基因模型，但最近模式生物中的组合基因敲除研究表明，多个基因的综合作用可能是一些基因组疾病综合症候群的原因，例如3q29、16p11.2和16p12.1染色体缺失（参见文献193,194,195）。
10. 在考虑整个基因组背景下，也需要考虑单个基因组疾病CNV的影响，这可能涉及到反式调节变体的作用196。
11. 例如，在1q21.1缺失的情况下，RBM8A基因的短变体反式存在是TAR综合征表现所必需的197，而全基因组范围内的累积多基因风险已被证明可以改变22q11.2缺失的外显率和表型严重程度198。
12. 然而，这些例子仅涵盖了迄今为止已知或疑似基因组疾病的一小部分，其中许多以极低频率出现，外显不完全，并表现出可变的表型谱。
13. 此外，一些基因组疾病CNV在普通人群中未选择的个体中被观察到，并且已被证明会影响生理特征，如身高和血压，即使在没有明显临床疾病的情况下也是如此159,166,169,199。
14. 因此，我们预计具备深度表型分析的国家级生物样本库将在进一步理解整个基因组范围内与基因组疾病相关的表型和遗传结构方面发挥关键作用。

Para_03

1. 大规模重排已确凿无疑地被证明与发育障碍及其他孟德尔疾病相关，但较小的拷贝数变异（CNVs）以及其他平衡性结构变异（SVs）也可能成为这些表型的外显遗传风险因素。
2. 这些致病性的结构变异通常通过其对先前已在相同表型中被确认的致病基因所产生的预测改变而被识别，例如在血友病A中，L1重复插入到凝血因子VIII基因的第14外显子。
3. 针对自闭症、发育障碍、先天异常和精神分裂症的测序研究发现，在独立患者中由新生短变体反复破坏的基因中，罕见和新生结构变异显著富集。
4. 例如，最近自闭症测序联盟的研究报告指出，在受影响儿童中存在显著富集的新生CNVs，这些CNVs影响了373个此前通过外显子组短变体分析被认定与神经发育障碍有关的基因。
5. 目前可以明确的是，在许多疾病中，致病性结构变异和短变体常常汇聚到一组关键基因和生物学通路上。
6. 然而，并非所有孟德尔疾病的致病性结构变异都是通过直接破坏已知的致病基因发挥作用。
7. 例如，通过对平衡易位和倒位的测序研究发现，三维染色质结构域——即拓扑关联结构域（TADs）——会在多个无关患者中被非编码区域的平衡结构变异反复破坏。
8. 迄今为止所发现的这类结构变异“位置效应”通常涉及包含已知显性致病基因（如MEF2C、SOX9或KCNJ2）的TADs，尽管这一趋势并非普遍存在，并且在一般人群中健康个体中至少有9.4%的包含类似基因的TADs会被多态性结构变异破坏。
9. 同样，一些细致的分子研究表明，在多个基因位点上，非编码区域的缺失也与疾病相关，其中许多具有独特的致病机制。
10. 例如，在EN1基因位点上游300 kb处的非编码纯合缺失会通过使一种此前未被注释的长链非编码RNA Maenli失活，从而导致肢体发育过程中EN1转录激活失败，并引发严重的先天性肢体畸形。
11. 目前已知有少量非编码区域的移动元件插入也是某些罕见疾病的致病因素——TAF1基因内含子中一个短串联重复元件（SINE-VNTR-Alu）移动元件插入会导致mRNA剪接异常以及内含子滞留，进而引起一种罕见的X连锁肌张力障碍-帕金森综合征。
12. 因此，尽管大多数导致严重疾病和孟德尔疾病的结构变异的致病机制涉及对剂量敏感的致病基因的直接破坏，但无论是在编码区还是非编码区，各类结构变异都可能在多种疾病中发挥作用。

SVs in clinical diagnostics

临床诊断中的结构变异

Para_01

1. 罕见病和孟德尔疾病中的结构变异（SV）病因学影响表明，确定结构变异对于临床遗传筛查至关重要。
2. SV检测的诊断产出率因表型及用于鉴定的技术而有很大差异。
3. 例如，在智力障碍方面，这种疾病影响着美国所有个体中的1.2%的人群，据估计，约有15%的所有病例可归因于明显的染色体异常，另有11–14%的病例可归因于基因组紊乱拷贝数变异（CNV）或其他致病性大CNV。
4. 这两类SV所占的26–29%的诊断产出率超过了所有破坏编码基因的小变异所产生的诊断产出率，后者在患有智力障碍的个体中估计为16–25%。
5. 大型CNV对智力障碍和其他发育障碍的影响如此之大，以至于美国医学遗传学学院目前建议将基于微阵列的CNV筛查作为不明原因的发育障碍或先天异常患者的首选诊断测试。
6. 然而，大规模测序研究也强调，并非所有的SV类别在临床诊断环境中的影响都是一样的。
7. 例如，最近的研究显示，在发育障碍中，移动元件插入编码区域的诊断产出率极低（只有0.02–0.06%的患者存在致病性插入）。
8. 除了大型CNV在认知障碍遗传结构中的作用外，低于微阵列分辨率的小型编码CNV的诊断产出率已达到某些发育障碍的5.4%，但这一比例因表型、队列、研究设计及其他技术因素的不同而差异很大。
9. 一项基于全基因组测序（WGS）的里程碑式研究，对英国国家医疗服务体系中13,037名罕见病患者进行了分析，报告称所有患者中有16.1%获得了遗传诊断，其中9.8%的致病变异属于SV（主要是大片段缺失）。

Para_02

1. 在人群中受到强烈负选择的结构变异（SV）中，一些更为深奥的类型，例如平衡倒位和较小的复杂结构变异，由于在整个基因组中分布过于稀疏，难以稳健地估计它们对诊断产出率的贡献，但已有数百种这类罕见重排被报告与多种孟德尔疾病相关的致病性关联。
2. 例如，对前述英国国家卫生系统队列的一项扩展分析估计，致病性倒位仅能解释约1/750（0.1%）患有罕见孟德尔疾病的家族。
3. 然而，即使每个基因组中导致基因破坏的倒位数量比导致基因破坏的拷贝数变异（CNVs）大约两个数量级少，来自长读长全基因组测序（WGS）研究的新兴证据表明，更大比例的倒位型结构变异可能与疾病相关。
4. 在怀疑具有孟德尔遗传病因以外的疾病临床诊断中，确定结构变异的实用性尚不明确，因为其诊断产出率尚未得到明确证实。
5. 例如，在一项针对2,081名因早发性心肌梗死住院患者的全基因组测序研究中，观察到其中8名患者携带LDLR基因中的功能丧失（LoF）变异体，而该基因已知会导致家族性高胆固醇血症。
6. 这8个致病性LoF变异体中有一个是7.9 kb的缺失，其在临床上与患者的血液胆固醇水平相关，这可能表明在诊断检测中将结构变异以序列分辨率纳入考虑，可以为这一特定患者群体带来相对约13%的遗传诊断率提升。
7. 因此，在系统临床试验中评估全基因组测序的价值对于确立结构变异在除儿科孟德尔疾病之外的其他疾病中的诊断意义至关重要。

Conclusions and future perspectives

Para_01

1. 六十年的研究已经证明，结构变异（SVs）在突变上具有多样性，在每个人类基因组中都普遍存在，会产生多种功能影响，并且广泛涉及人类的进化、健康与疾病。
2. 然而，尽管人们已充分认识到SVs在人类基因组中的重要作用，仍有许多未知领域尚待探索。
3. 以下，我们列出了SV研究领域的三个主要前沿方向，我们预计这些方向将在未来十年成为重点研究对象，并将带来重大突破。

Discovery and characterization of SVs in structurally diverse and repetitive loci

在结构多样且重复的位点中发现并鉴定结构变异

Para_01

1. 所有当前结构变异（SV）数据集的总和仅捕捉到了现代人类群体中真实SV范围的一小部分。
2. 由于传统技术在检测这些区域中的SV时存在技术局限性，特别是短读长全基因组测序技术6,99，这一不足在定位于最重复序列环境的SV中尤为明显。
3. 在未来几年内，该领域亟需克服这一技术瓶颈，因为定位于基因组中许多高度重复且与生物医学相关的区域（如主要组织相容性复合体位点、HTT、SMN1、FMR1 和其他许多位点）的SV已明确表明，重复序列中的SV对常见病和罕见病都能产生深远的影响47,232。
4. 长读长测序技术具有巨大的潜力来解析这些位点中的SV，这些位点仅占每个基因组总核苷酸的约10%，但却包含了每个基因组中超过一半的SV40,45。
5. 因此，在未来十年内需要持续努力，从两个关键方面改进SV参考目录。

Para_02

1. 首先，长读长全基因组测序（WGS）和基因组组装算法必须能够促进构建‘泛基因组’图谱，这些图谱可以准确表达这些复杂位点上所存在的结构多样性在群体水平上的表现。
2. 事实上，基于图谱的计算方法已经被开发出来用于实现泛基因组的表示，但接下来尚未克服的挑战是将大量基于参考基因组的基因注释适应到这种新的基于图谱的表示中，其范围从经过精心整理的基因和转录本定义到生物化学或染色质数据集。

Para_03

1. 其次，尽管围绕新技术和泛基因组参考数据集的出现而对改进人类基因组变异检测抱有合理的乐观态度，但仅凭这些方法并不能提高我们解读大多数人类性状和疾病中结构变异（SVs）相关性的能力（图4及补充信息）。
2. 例如，对同一组个体采用基于参考序列的短读长和长读长全基因组测序（WGS）所检测出的结构变异进行比较发现，长读长WGS每基因组捕获的结构变异数量超过短读长方法的两倍，但其中绝大多数（>91%）由长读长WGS唯一检测到的新变异定位于非编码重复序列区域33,34,36,114。
3. 相反，在剩余约90%的低重复序列组成的基因组区域（包含当前注释蛋白编码外显子的96%），长读长与短读长WGS在缺失变异（deletions）检测方面具有高度一致性（>93%）。
4. 因此，目前根据已有知识、注释和临床指南可解释的大部分致病性结构变异，均可通过短读长WGS检测获得11,114。
5. 因此，为了从这些重复位点全面注释功能元件并预测疾病关联性，需要在拥有临床和医学信息的大规模人群中开展长读长WGS和基因组组装研究，以提供一个立足点。
6. 此类工作正在进行中，但可能需要数年时间才能达到足够规模以支持统计效力充足的相关性研究44,52。
7. 短期内，利用更大规模的短读长WGS数据集对这些最初由长读长WGS鉴定的结构变异进行基因型分析的方法，可能是实现适合稳健基因型-表型关联分析样本数量的一个有前景的策略34,115,237,238。

Fig. 4: Yield from SV analyses across genomic technologies.

图片

- 图片说明

◉ 日益先进的技术突破使得对人类结构变异（SVs）的研究在分辨率和灵敏度方面不断提升，较新的技术如短读长和长读长基因组测序28,29,31,35,44,113或光学基因组作图75能够常规性地在每个人类基因组中检测到比传统方法多出数量级的结构变异，这些传统方法包括染色体微阵列133,247,248和外显子组测序120,249,250。◉ 这一趋势的一个奇特推论是，尽管每种新技术发现的结构变异绝对数量大幅增加，但在每个基因组中识别出的破坏基因功能的结构变异数量并没有以相近的速度增长。◉ 对于那些被广泛定义为在在线人类孟德尔遗传数据库（OMIM）246中报告过任何疾病关联的基因而言，这种矛盾现象更加显著。◉ 这种趋势的原因似乎是蛋白质编码基因的外显子富含独特的、非重复的DNA序列114，这使得结构变异的识别相对更容易。◉ 因此，“第三代”测序技术（如长读长基因组测序）在每个基因组中检测到的独特结构变异数量的显著增长几乎完全是由高度重复和非编码序列背景中的串联重复和其他复杂变异驱动的35,114。◉ 这一趋势有两个深远的影响。◉ 首先，这些数据并不支持这样一种观点：即在结构变异发现能力方面的持续技术或算法改进将显著提高影响当前已知致病基因的临床诊断致病变异的检出率。◉ 其次，与第一点形成鲜明对比的是，这些数据强调迫切需要改进对最重复基因组位点中结构变异的映射和注释，因为这些区域在以往的大规模人类基因组研究中几乎无法被检测到，其中一部分无疑在人类疾病中具有重要作用。◉ 在此图中，每个点代表一项重要研究所使用每种技术检测到的结构变异产出量（见上文引用），较浅的点对应于仅考虑OMIM基因时的同一项研究。◉ 有关生成该图表所用数据集和代码的更多信息可在补充信息中找到。

Saturated genome-wide maps of SV mutation rates and dosage sensitivity

饱和的全基因组结构变异突变率与剂量敏感性图谱

Para_01

1. 蛋白质编码基因的突变约束度量已经在人类遗传学研究和医学基因组学的短变异分析与解读方面引发了一场革命。
2. 这些图谱基于有理论依据的人类DNA中新突变出现速率的模型，这种模型在自然选择将有害等位基因从种群中清除之前对其进行量化，其重要性在于能够仅根据特定位点或基因的原始DNA序列来量化预期的短变异数量（在没有选择压力的情况下）。
3. 然而，对于结构变异（SVs），同样的突破尚未实现，这主要是因为目前缺乏针对SVs的、具有序列分辨率的准确中性突变模型。
4. 在过去几十年里，该领域已逐步了解了结构变异形成机制以及双链DNA断裂修复机制。
5. 但这一知识尚未转化为对新SVs最可能出现在人类生殖系基因组哪些位置的全面序列水平理解。
6. 在未来十年内，关键的研究重点将是表征SV突变速率到核苷酸分辨率，并利用这些认识为所有基因和非编码位点构建全基因组范围内的剂量敏感性和SV约束图谱。
7. 应对这些挑战的核心将是整合不同的大规模基因组数据集并采用分布式计算，以训练统计或机器学习模型，从而识别出哪些基因组特征组合易导致新的SVs产生。
8. 鉴于经验观察到的真实新生SVs的发生率每代不足一个（<1）。
9. 因此，仅依靠新生SVs不太可能训练出准确的SV突变速率模型。
10. 因此，参数化SV突变速率模型的另一个主要障碍是建立一套标准，以分离出未受到选择压力影响的SV子集（类似于同义短变异）。
11. 这将是参数化SV突变速率模型的另一大障碍。

Para_02

1. 为了建立涵盖所有人蛋白编码基因的剂量敏感性模型，将需要大量的结构变异（SV）数据集。
2. 例如，基于已发表的gnomAD SV参考数据集，我们的功效分析表明，假设SV突变率模型能够解释每个基因中观察到的功能丧失型（LoF）SV计数变化的>80%，那么至少需要约10万个样本才能构建出与现有短变异约束图谱准确性相当的单倍体不足指标。
3. 即便突变模型的准确性较低，仅能解释基因水平SV计数50%的变化差异，在约100万人的样本量下，仍可检测到大约一半的所有单倍体不足基因，这在接下来的1-3年内基于当前正在生成的数据集应是一个现实的目标。
4. 然而，功效分析表明，从拷贝数增加的重复数据中检测三倍体敏感基因所需的样本数量，相较于单倍体不足来说，大致要多一个数量级才能达到相同的统计功效。
5. 三倍体敏感基因检测功效降低的原因在于人类基因组中拷贝数增加的重复变异较少，这是因为许多蛋白编码基因整体被覆盖所需的重复区域非常庞大。
6. 通过准确的突变率模型可以克服这种拷贝数增加重复数据预期短缺的问题；
7. 例如，预测准确性超过R2>70%的重复突变率模型可以在约100万人的样本量下实现>50%的功效来检测平均三倍体敏感基因。
8. 由于拷贝数变异（CNV）大小与其在一般人群中丰度之间的反比关系，对拷贝数增加重复变异的分析在检测较小的三倍体敏感基因或其他小型三倍体敏感元件方面也将具有更高的功效。

Fig. 5: Projections for dosage sensitivity mapping in the human genome.

图片

- 图片说明

◉ 现代人类基因组学的一个主要目标是绘制并量化那些由于遗传变异破坏后会产生负面表型后果（例如严重疾病）而在普通人群中对抗变异积累的位点。◉ 对于结构变异（SVs），这种现象通常被称为剂量敏感性，其描述的是一个基因组位点对由于功能丧失（LoF）或拷贝增加SVs分别导致的拷贝数减少或增加的相对不耐受程度。◉ 为了构建所有已知蛋白编码基因的全基因组剂量敏感性图谱，研究人员进行了模拟以预测所需的样本数量。◉ 通过估算一组金标准基因中自然发生的LoF单核苷酸变异（SNVs）的缺失程度（这些基因被定义为对LoF具有约束性，即LoF不耐受概率（pLI）>0.9）发现，平均每个受约束基因所含有的LoF SNVs数量仅为中性突变模型预期值的22%，并且比非受约束基因的平均水平低79.2%（a）。◉ 通过从基因组聚集数据库（gnomAD）中经验性地向下抽样SV数据，并根据幂律函数外推随着样本量逐渐增加新位点逐步积累的速率，从而估算了对于平均基因来说将鉴定出新的基因破坏性SV的速度（b）。◉ 这些计算表明，由于需要更大的片段才能覆盖整个基因位点，LoF SVs（主要由小片段缺失重叠编码外显子组成）的累积速度大约将是全基因重复变异的三倍。◉ 最后，基于a和b的数据进行了功效分析，以估计在至少50%的功效下检测出对LoF SVs敏感的平均基因（单倍不足基因；c）或拷贝增益SVs敏感的平均基因（三倍体敏感基因；d）所需的最小样本量。◉ 影响这些功效分析结果的关键因素之一是中性突变模型对于SVs参数化的准确性，该模型用于预测在完全没有选择压力的情况下每个基因应预期出现的SV数量。◉ 目前尚不存在适用于人类的SV突变率模型；即使我们假设可以开发出一个能够解释≥50%基因间LoF或拷贝增益SV计数差异的相对准确的模型，我们的功效计算也表明，需要超过一百万个个体的样本量，才能可靠地绘制出人类基因组中的剂量敏感基因。◉ CNVs：拷贝数变异。本图改编自Ryan Lewis Collins的研究，经许可转载。

Integration of SVs and short variants in disease association studies and diagnostic testing

在疾病关联研究和诊断检测中整合SVs与短变异

Para_01

1. 与其它类型的变异相比，结构变异（SVs）在人类疾病和临床基因检测中的影响是深远的，然而此前很少有研究系统地将短变异和SVs整合到疾病关联分析中。
2. 考虑到基于全基因组测序（WGS）数据快速发展的SV参考数据库28,29，通过利用短变异与SV之间的连锁不平衡（LD），可能可以将序列解析的SVs填补（impute）到现有的常见和复杂性状的全基因组关联研究（GWAS）数据集中。
3. 填补方法可能成为一种强大的技术，使得常见的SVs能够被纳入GWAS研究，但由于重复和中等大小拷贝数变异（mCNVs）的平均观察到的连锁不平衡较低28,107,121，这种方法不太可能取代对这些变异在GWAS数据集中的直接发现和基因分型。
4. 然而，最近已经提出了结合外显子组测序和微阵列数据的统计方法，并将其应用于大型生物样本库数据集，以填补编码序列中的串联重复170；这类方法也可能提高对破坏连锁不平衡的大SVs（如mCNVs和常见重复）的填补准确性。
5. 对于严重的孟德尔表型或临床检测中的罕见和新生（de novo）SVs来说，填补并不是一种可行的方法，这需要在大规模的全基因组测序（WGS）队列中进行从头（ab initio）的SV发现。
6. 即使SVs可以在大型研究队列中被填补（或直接基因分型），也需要开发改进的统计框架，以便在疾病关联研究中联合评估单核苷酸变异（SNVs）、插入缺失（indels）和SVs的综合效应。
7. 已有几种有前景的方法被提出180,209，但目前尚未被生物医学研究界广泛采用，也未扩展到大规模的WGS数据集。
8. 还需要专门的检测方法和算法来分析除癌症以外的疾病背景中体细胞来源的SVs，而这一领域的发展还受到需要获取每种疾病相关的特定体组织样本的限制，尽管最近的研究进展为此带来了乐观的前景49,110,244。

Para_02

1. 最终，结构变异（SV）研究对人类健康的潜在益处在于临床实践中更准确和灵敏的遗传诊断。
2. 目前在诊断筛查中对SV的识别和解读方法存在异质性，并受到多种因素的严重限制。
3. 其中一项局限性在于，几乎所有已发表的关于SV诊断产出率的估计都来源于分辨率相对较低的技术，例如核型分析、染色体微阵列和外显子组测序。
4. 相比之下，短读长和长读长全基因组测序（WGS）可以在单次检测中捕获所有范围的SV大小和频率，这可能代表未来替代现有诊断平台的SV检测方法。
5. 值得注意的是，这一未来发展在基因组检测公平性方面提出了挑战，因为目前全球只有少数几个地点具备常规处理和分析每人约400万个短变异和约25,000个SV的长读长WGS数据的技术和分析能力。
6. 此外，在没有严格的、基于证据的临床指南来解读这些SV的情况下，仅凭检测那些传统技术难以发现的隐蔽性SV本身并不能立即产生临床效用——特别是非编码重复扩增以及位于高度重复和非基因区域中的SV，而这些区域正是长读长组装所发现的独特SV的主要位置。
7. 此类研究正在多个联盟中进行，对非编码SV以及那些在特定基因中不表现为功能缺失（LoF）的SV事件的解读是该领域的下一个重大前沿问题。
8. 尽管每个平均基因组携带大约22个重复的基因，另有11个基因被内源性外显子重复打断，此外还有数百个平衡型、内含子型和近编码型SV，但这类SV中相当一部分可能通过剪接、顺式调控或其他机制影响基因表达或功能，然而这些SV很少符合现有的致病性诊断标准。
9. 最后，随着该领域朝着以基因组图谱和泛基因组参考形式表示基因组结构的更全面统一的方向发展，需要建立新的临床标准，以解读个体患者的基因组图谱相对于泛基因组参考所暗示的SV。

Para_03

1. 总之，人类遗传学领域在发现、呈现和解读改变基因组结构的变异及其对基因组功能影响方面已经取得了范式性的重大进展。