【孟德尔】赢麻了？孟德尔随机化+转录组分析助力一区6分，生信也能这么强！

原创于 2025-08-13 15:35:49 发布 · 861 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#学习 #经验分享 #孟德尔随机

机器学习算法+多组学

孟德尔随机化（MR）如今的热度堪称席卷生信领域，俨然成为新的“顶流”。

不得不感叹，这项技术真的有点“后来者居上”的味道！早期生信领域的核心是基因筛选，但现在MR分析不仅强势入局，还直接成为了这块地盘的新主力。✨

所以，别再用老观念看待MR分析了。与其说它抢占了生信阵地，不如说它是为研究提供了全新的突破口。你完全可以把它当作一件“科研利器”——和单细胞分析、机器学习一样，MR分析能轻松融入各种研究思路，拓展研究方向的广度和深度。

接下来给大家分享一篇用孟德尔随机化（MR）筛选基因的创新研究案例：这篇文章由首都医科大学团队发表，独辟蹊径地利用MR分析筛选出乳腺癌中与免疫细胞相关的关键基因。随后，他们结合转录组数据进行验证，进一步强化了研究结果的可信度和科学性。

题目：乳腺癌中免疫细胞相关基因的挖掘：基于汇总数据的孟德尔随机化分析与共定位研究

杂志：Breast Cancer Res

影响因子：IF=6.1

中科院分区：医学一区

发表时间：2024年11月

01 研究背景

乳腺癌是全球女性中最常见的癌症类型，包含多种亚型，不同亚型需要采用不同的治疗策略。肿瘤微环境和免疫反应在乳腺癌的发生和进展中具有重要作用。然而，关于乳腺癌特异性免疫细胞内的基因相关研究仍然较少，证据有限。

02 方法学

本研究利用Yazar等的eQTL数据及BCAC的GWAS数据，探索特定免疫细胞中基因表达与乳腺癌的潜在因果关联，并用FinnGen的GWAS数据验证结果。此外，通过bulkRNA-seq数据库进行差异基因表达分析，识别乳腺癌组织中的差异表达基因。

暴露数据来源

本研究使用的eQTL数据来源于OneK1K队列，具体数据来自Yazar等人的研究。该队列包括982名供体的1.27百万外周血单个核细胞（PBMCs），并使用单细胞RNA测序（scRNA-seq）数据进行分析。研究从14种不同的免疫细胞类型中鉴定出26,597个独立的顺式eQTL，包括CD4 + 初始和中心记忆T细胞（CD4NC）、具有效应记忆或中心记忆表型的CD4 + T细胞（CD4ET）、表达SOX4的CD4 + T细胞（CD4SOX4）、具有效应记忆表型的CD8 + T细胞（CD8ET）、未成熟和中心记忆的CD8 + T细胞（CD8NC）、表达S100B的CD8 + T细胞（CD8S100B）、自然杀伤细胞（NK）、募集型NK细胞（NKR）、浆细胞、记忆B细胞（Bmem）、未成熟和初始B细胞（Bin）、经典单核细胞（MONOc）、非经典单核细胞（MONOnc）以及树突状细胞（DC）。

结局数据来源

乳腺癌GWAS汇总数据来自乳腺癌协会联盟（BCAC），包括133,384例病例和113,789名对照，以及18,908名携带BRCA1突变的欧洲血统个体。BCAC不仅研究整体乳腺癌风险，还探讨了亚型特征，包括Luminal A、Luminal B、Luminal B HER2Neg、HER2 Enriched和三阴性（Triple Negative）亚型。为提高对三阴性亚型的敏感性，Zhang等进行了BCAC和CIMBA BRCA1突变携带者的荟萃分析（BRCA-TN亚型）。

验证分析使用了FinnGen联盟的GWAS数据，涵盖18,786名乳腺癌患者和182,927名对照，来自芬兰生物样本库的超过50万份样本。

bulk RNA测序数据来源

从基因表达综合数据库（GEO）获取了微阵列测序数据GSE162228。从UCSC Xena中下载了来自癌症基因组图谱（TCGA）的乳腺癌数据集，包含1,104个乳腺肿瘤样本和113个正常乳腺组织样本。此外，还使用了基因型-组织表达（GTEx）数据库，包含179个正常乳腺组织样本。

遗传工具选择

在SMR分析中，使用cis-eQTL遗传变异作为工具变量（IV）来评估基因表达。

统计分析

基于汇总数据的孟德尔随机化与工具变量依赖性异质性检验。

共定位分析

为了揭示连锁不平衡的混杂效应 [16]，并检验基因与乳腺癌之间是否存在共享的因果变异，我们使用“coloc” R包进行共定位分析。分析设定了五种假设：

① 零假设（H0）：基因或乳腺癌均不存在因果变异；

② 假设1（H1）：仅基因存在单一因果变异；

③ 假设2（H2）：仅乳腺癌存在单一因果变异；

④ 假设3（H3）：基因和乳腺癌各自存在两个独立的因果变异；

⑤ 假设4（H4）：基因和乳腺癌共享一个因果变异。

所有显著基因（PSMR < 0.05，PHEIDI > 0.05）来自不同细胞类型并进行共定位。分析采用默认的先验概率（PP.H1 = 1 × 10⁻⁴，PP.H2 = 1 × 10⁻⁴，PP.H3 = 1 × 10⁻⁵）。如果H4假设的后验概率超过80%，则表明基因与乳腺癌之间高度可能存在共定位关系。

评估水平多效性

为消除水平多效性，检查工具变量与邻近基因的相关性（2MB窗口内），若P < 5 × 10⁻⁸则进行SMR分析，数据不足时使用GWAS目录。未满足条件的基因无法排除水平多效性。

基于GEO和TCGA_GTEx数据库的差异基因鉴定

使用“limma”方法识别GSE162228中肿瘤和正常样本的差异基因，筛选标准为P < 0.05且|log2 FC| > 0.5。结合GTEx和TCGA数据补充正常样本，修正批次效应后，使用Wilcoxon检验，P < 0.05为显著，绘制箱线图。

可药物化基因鉴定

在DrugBank、Dependency Map和ChEMBL数据库中查找乳腺癌相关的靶向药物，并通过PubMed等数据库进行进一步检索。

数据分析使用R v4.2.3和SMR v1.3.1。

03 结果

SMR和HEIDI测试

在FDRSMR < 0.05和PHEIDI > 0.05的阈值下，团队识别出116个与乳腺癌及其亚型相关的基因，涉及14种细胞类型，主要集中在CD4nc、NKr、CD8et、CD8nc和CD4et细胞中。

与整体乳腺癌相关的前三个基因为：CD4nc中的L3MBTL3（PFDR = 2.11 × 10⁻⁶）、CD4nc中的MRPS18C（PFDR = 3.19 × 10⁻⁶）和MONOnc中的KCNN4（PFDR = 3.19 × 10⁻⁶）。对于Luminal A型乳腺癌，前三个基因为KCNN4（PFDR = 4.04 × 10⁻⁵）、TNNT3（PFDR = 3.73 × 10⁻⁴）和SCAMP3（PFDR = 4.48 × 10⁻⁴）。对于三阴性乳腺癌，前三个基因为MDM4（PFDR = 2.50 × 10⁻⁷）和Bin（PFDR = 5.78 × 10⁻⁷）、RPS18（PFDR = 6.07 × 10⁻⁷）。BRCA-TN型乳腺癌的前三个基因为RPS18（PFDR = 6.59 × 10⁻⁹）、CD8nc（PFDR = 6.59 × 10⁻⁹）和MDM4（PFDR = 6.59 × 10⁻⁹）。其他亚型未发现显著基因。

复制分析

使用芬兰基因组联盟（FinnGen）和免疫细胞eQTL数据进行分析，筛选出73个基因。共定位分析发现13个基因与乳腺癌潜在相关，其中CNN2、FIBP和KCNN4基因表达与乳腺癌相关，KCNN4在BCAC和FinnGen数据库中均显示潜在因果关系。

乳腺癌相关差异基因的鉴定

筛选了GSE162228的基因测序数据，鉴定出2824个与乳腺癌相关的差异表达基因（DEGs），其中包括1501个上调基因和1323个下调基因。团队发现KCNN4基因在肿瘤和正常组织之间表现出差异表达，这与SMR分析结果一致（log2FC = -0.735，P = 0.001）。乳腺癌样本中KCNN4的相对表达水平显著低于正常样本（P < 0.05）。这一结果与GEO数据库中的差异基因分析结果一致。

组合图：BulkRNA-seq分析。A. GEO数据库中差异基因分析的热图；B. GEO数据库中差异基因分析的火山图，蓝色表示下调基因，橙色表示上调基因，灰色表示无显著性基因；C. GEO数据库中KCNN4基因在正常组织和乳腺癌组织中的表达框图（log2counts）；D. TCGA_GTEx数据库中不同阶段乳腺癌和正常组织中KCNN4基因表达的框图（log2counts）。

04 讨论

总的来说，该团队成功识别了17个与乳腺癌及其亚型相关的基因，涉及9种不同的免疫细胞类型。这些基因表现出不同的效应大小，并与乳腺癌亚型有不同的关联，提供了免疫细胞特异性基因在癌症发展中的潜在作用的见解，为未来的靶向干预或治疗铺平了道路。同时，这些基因的识别为基因靶向药物的开发开辟了新途径。通过精确靶向这些基因，有可能设计出更有效且毒性较小的治疗药物，这可能改善现有的乳腺癌治疗方法，并为患者提供更多的生存和生活质量改善的选择。