基因組結構變異的精準分析與對既定機轉的挑戰

隨著人類基因組的解碼，發現你我之間 DNA 的序列有大約 99.9% 的一致性。換言之，那僅有的 0.1 %序列差異決定了你我的個體性狀差異與疾病的易感性。定序科技的進步與計算生物學策略的突破，科學家發現人類 DNA 序列中平均每 300 個鹼基對就可能有一個 SNP（Single-nucleotide polymorphisms, SNPs），它們主導了個體差異性。然而，隨著策略走往人類基因組全面性變異序列數量與分佈的分析，國際人類基因體單體型圖合作計畫（HapMap Project）開始收穫更多 copy-number variants（CNVs）的數據，這些 CNVs 由於分析的視窗的擴大得以被發現，它們通常介於 1 kb-3 Mb 的大小片段，可以涵蓋一整個基因與它的調控序列，其對個體差異性的影響，可想而知絕對不會亞於 SNPs 的影響。目前已知許多複合型疾病（complex disease）像是精神分裂症、自閉症也都發現源於 CNVs。因此，了解 CNVs 這樣的基因組結構變異（structural variations, SVs）的如何產生便是首要之務。SVs 是透過 DNA 片段缺失（deletion）、重複 （duplication）、放大 （amplification）、插入 （insertion）而改變基因劑量（gene dosage）進而影響性狀。然而 SVs 的形成關鍵往往掌握於這些變異導致 DNA 斷點（breakpoints）的鄰近序列。因此，這些關鍵序列的剖析，將可以帶領我們更了解 SVs 的機轉，疾病的預測分析。目前已知 SVs 形成模式主要有三種：第一種與人類基因體中存在許多的重覆序列（low copy repeats, LCRs）有關，當其兩者大小超過 10 kb、大於 97% 序列相似性又距離小於 10 Mb時，即會發基因不穩定的不對稱重組 Non-allelic homologous recombination（NAHR）。第二種，轉位子 transposable element insertions（TEI） 雖然序列長度不及 LCRs，但其高移動的特性也可使其遵循著類似的模式。第三種則和 LCRs 無關，發生於雙股 DNA 發生斷裂修復不當的過程，稱做 Non-homologous end joining（NHEJ）。又或發生於 DNA 複製時因微小相似序列（microhomology）導致序列交叉（Fork），而引發的序列轉移錯誤 FoSTeS/MMBIR （fork stalling and template switching/ microhomology mediated break induced replication）。

本篇研究指出，透過分析 2008 年建立的 1000 Genomes Project，並在 2012 年發表的 1092 個樣本裏 8943 個基因缺失的斷點，發現到這些斷點其上下游的序列相較全面性的序列，相似性下降許多，且多緊鄰著 SNPs 和缺失 / 插入的序列（indels）。然而，並未找到特定 SNPs 可以對應特定哪一類 SVs 的現象。顯示該研究序列深度必須到達幾個關鍵鹼基，才能正確地分類 SVs 並推究其機轉，同時，仍需加入其它表觀遺傳表徵等參數，才能精準地揭示斷點背後隱藏的疾病機轉評估。本篇的價值在於嚴謹的生物資訊序列分析策略，作者在斷點處理後，利用 inner sequence 接附斷點上下游形成隨機的完整序列，藉此篩選出相較過去 1000 Genomes Project 前期還要高品質的信心斷點片段，同時也彌補該計劃後期為了提高信賴性的分析方式，導致序列較短的 NAHR 和 TEI 被低估的風險。

此研究也提出有趣的結果，他們發現 NAHR 斷點鄰近序列有著可預期的高重組率、高密度 C、G 鹼基和 CpG motifs，但同時卻有著低度 DNA 甲基化、高度 DNA 易近性（DNA accessibility）、活化組織蛋白標誌（active histone marks），與寬鬆的染色質（open chromatin）結構。這是相當於提出與細胞分裂時染色質呈緊密結構狀態的悖論。因此，他們提出在胚胎或生殖細胞存在一群不經 DNA 複製和細胞分裂就存在的 NAHR 缺失假設。另外，同時作者也發現NH缺失的機轉和其斷點鄰近的微小插入序列 microinsertions（MIs）有關，MI 的產生是由於複製時序列的轉移造成鹼基缺失導致。研究發現，有兩種鄰近的 MIs，分別是距離斷點 20-60 bps、2-6 kbps 的位置，它們複製的時間點會晚於斷點位置的複製，顯示 MIs 在空間和時間上扮演 NH 機轉執行的關鍵序列。

本篇研究透過嚴謹的生物資訊序列分析策略，搭配完整的資料庫的應用，揭示關鍵鹼基解析與樣本分類的重要性。同時也發表了一個生物資訊工具BreakSeq2，將更準確且快速地從次世代定序的全基因體資料中，分析基因組結構變異（SV）。

撰稿人 | 呂理峰

文章連結：Abyzov, A., Li, S., Kim, D. R., Mohiyuddin, M., Stütz, A. M., Parrish, N. F., … Gerstein, M. B. (2015). Analysis of deletion breakpoints from 1,092 humans reveals details of mutation mechanisms. Nature Communications, 6, 7256. doi: 10.1038/ncomms8256.

參考資料：
1. Stankiewicz P1, Lupski JR. (2010). Structural variation in the human genome and its role in disease. Annu Rev Med, 61, 437-55. doi: 10.1146/annurev-med-100708-204735.
2. Conrad, D. F., Pinto, D., Redon, R., Feuk, L., Gokcumen, O., Zhang, Y., … Hurles, M. E. (2010). Origins and functional impact of copy number variation in the human genome. Nature, 464(7289), 704–712. doi:10.1038/nature08516.
3. The 1000 Genomes Project Consortium. (2012). An integrated map of genetic variation from 1,092 human genomes. Nature, 491(7422), 56–65. doi: 10.1038/nature11632.