Nature Genetics
单细胞增强子-基因调控互作图谱揭示非编码变异致病机制
小赛推荐：
该研究为解析复杂疾病非编码风险位点的靶基因提供了高分辨率的单细胞调控图谱，显著提升了GWAS位点功能注释的准确性，对复杂疾病机制研究具有重要指导意义。
文献概述
本文《Mapping enhancer–gene regulatory interactions from single-cell data》，发表于《Nature Genetics》杂志，系统探讨了如何利用单细胞多组学数据精确预测增强子-基因调控关系。作者开发了scE2G系列模型，整合scATAC-seq与scRNA-seq数据，实现了在45种细胞类型中高分辨率的增强子-基因互作图谱构建。该方法在CRISPR扰动、eQTL和GWAS位点验证中表现优越，为非编码变异的功能解析提供了新工具。背景知识
增强子作为远端调控元件，通过三维染色质互作调控靶基因表达，其异常与癌症、自身免疫病等复杂疾病密切相关。然而，由于增强子与靶基因之间存在长距离、细胞类型特异性调控，传统基于线性距离或bulk数据的方法难以准确预测调控互作。现有方法如ABC模型受限于组织异质性，而单细胞方法多依赖相关性分析，缺乏功能验证支持。本研究通过监督学习策略，利用CRISPR扰动金标准数据训练模型，突破了这一瓶颈，实现了细胞类型分辨率下的精准预测。该方法特别适用于解析非编码变异在特定免疫细胞或代谢细胞中的致病机制。
研究方法与核心实验
作者基于K562细胞系的CRISPRi扰动数据训练了两个模型：scE2GATAC（仅使用scATAC-seq）和scE2GMultiome（结合scRNA-seq与scATAC-seq）。模型输入包括ABC评分、启动子可及性、基因密度、基因组距离、启动子类别及Kendall相关性等特征。通过‘hold-one-chromosome-out’交叉验证评估性能，确保模型泛化能力。随后在PBMC、BMMC和胰岛等组织的单细胞多组学数据中应用该模型，构建了45种细胞类型的增强子-基因互作图谱。关键结论与观点
研究意义与展望
该研究为复杂疾病非编码风险位点的功能注释提供了高分辨率、细胞类型特异性的调控图谱，显著提升了靶基因预测的准确性。未来可结合单细胞空间转录组进一步解析组织微环境中的调控网络，推动精准医学发展。
在药物开发中，该方法有助于识别疾病相关细胞类型中的关键调控轴，为靶点发现提供新路径。例如，针对IL15-INPP4B调控轴的干预可能成为调节淋巴细胞数量的新策略。
结语
本研究通过开发scE2G模型，实现了单细胞分辨率下增强子-基因调控互作的精准预测，解决了非编码变异靶基因识别的重大挑战。其在PBMC、骨髓和胰岛等组织中的应用，揭示了IL15、INPP4B、SPTA1等基因在免疫与血液性状中的调控机制，为复杂疾病的机制解析提供了关键工具。该成果不仅推动了功能基因组学的发展，也为疾病建模和药物靶点验证提供了高可信度的候选基因列表。从实验室到临床，该图谱可作为解释个体遗传风险的参考资源，助力个性化风险评估与干预策略制定，是迈向精准医疗的重要基石。
