编辑推荐：
为探究单核苷酸多态性（SNP）功能，德国癌症研究中心的研究人员开展相关研究，确定 6 个潜在功能性 SNP，为研究调控 SNP 奠定基础。
在生命的遗传密码中，单核苷酸多态性（Single Nucleotide Polymorphisms，SNPs）就像隐藏在 DNA 序列里的神秘 “代码”，它们数量众多，在人类群体中已被识别出数百万个，并被记录在各类疾病和通用数据库中。这些 “代码” 看似微小，却可能对基因功能和调控产生巨大影响。然而，目前绝大多数 SNPs 的功能仍是未解之谜。现有研究大多聚焦于编码区域的 SNPs，可实际上，大部分 SNPs 位于基因间区域，其中一些还处于候选顺式调控元件（cis - regulatory elements，CREs）中，如启动子和增强子，它们就像 “调皮的小精灵”，可能破坏或创造转录因子（Transcription Factors，TFs）的 DNA 结合基序，进而扰乱附近基因的表达。这种现象在至关重要的 Janus 激酶 - 信号转导与转录激活因子（Janus kinase - Signal Transducer and Activator of Transcription，JAK - STAT）通路中尤为关键。JAK - STAT 通路被多种细胞因子激活，在控制免疫反应中扮演核心角色，与癌症、自身免疫性疾病以及对病毒感染的反应等多种病症密切相关。但由于 SNPs 和 TF 结合基序数量庞大，识别那些能引起表型变化或基因表达改变的 SNPs 犹如大海捞针，这一领域的研究也因此进展缓慢。
为了攻克这一难题，德国癌症研究中心的研究人员勇挑重担，开展了一项极具意义的研究。他们开发了一种数据驱动的计算协议，旨在从海量的 SNPs 中筛选出具有高潜力的、能影响 JAK - STAT 通路的 SNPs，为后续实验验证提供方向。该研究成果发表于《BMC Genomics》期刊。
在这项研究中，研究人员运用了多种关键技术方法。首先，利用 MEME 套件中的 FIMO 工具，在全基因组范围内搜索几乎完整的 γ - 干扰素激活位点（gamma - interferon - activated sites，GAS）基序（ncGAS）。接着，借助活跃组蛋白修饰（H3K27ac）染色质免疫沉淀测序（ChIP - seq）数据，筛选出位于开放染色质区域的基序，确保这些基序所在区域易于转录因子结合。然后，依据基因本体论（Gene Ontology，GO）数据库，聚焦于邻近免疫相关基因的序列位置。此外，还整合了 dbSNP 数据库信息，挑选出至少在两个独立人类受试者中出现的 SNP，以排除测序误差。同时，通过分析小鼠基因组（mm10）中相同靶基因上游 10kb 区域的保守基序，进一步筛选出可能对 JAK - STAT 通路有重要作用的 SNP。
研究结果如下：
- 筛选潜在 SNP：FIMO 工具在人类基因组中发现了 17,039,967 个潜在的 ncGAS 基序，根据 dbSNP 数据库，这些位置上存在 3,301,512 个 SNP。经过一系列严格筛选，包括基于开放染色质区域、邻近免疫基因、距离转录起始位点（Transcriptional Start Site，TSS）10kb 上游区域、在至少两个个体中出现、与已有 GAS 基序保持足够间距以及在小鼠基因组中有保守基序等条件，最终确定了 214 个 SNP。研究人员进一步从中挑选出 30 个未在 ClinVar 数据库中报道的 SNP 进行深入研究，并最终确定了 6 个位于 IRF3、IL7R、JAK2、JAK3、SOCS1 和 PTPN2 基因增强子上的 SNP。
- 分析 SNP 对 JAK - STAT 通路的潜在影响：这 6 个 SNP 所在基因在 JAK - STAT 通路的不同层面发挥关键作用。例如，IRF3 作为细胞因子表达的调节因子，其增强子中若出现能创建 GAS 基序的 SNP，可能导致免疫基因表达过度激活，进而引发自身免疫疾病；IL7R 对 T 和 B 细胞发育至关重要，其增强子中的 SNP 可能增强 IL - 7 信号传导，破坏淋巴细胞稳态，引发淋巴增殖性疾病；JAK2 负责磷酸化 STAT 蛋白，其增强子中的 SNP 可能使 JAK2 在细胞中更丰富，影响基因表达；JAK3 在淋巴细胞发育中起信号转导作用，相关 SNP 可能导致免疫反应过度和自身免疫疾病；PTPN2 是 JAK - STAT 通路的负调节因子，其增强子中的 SNP 可能破坏负反馈机制，促进炎症性疾病进展；SOCS1 是 JAK 激酶活性的直接抑制剂，其增强子中的 SNP 可能导致 JAK - STAT 信号平衡失调，引发免疫抑制或对细胞因子信号的抵抗。
- 评估实验设计的可行性：研究人员探讨了利用体内动物模型和细胞系模型评估所选 SNP 影响的实验设计可行性。体内实验能全面研究 SNP 在发育过程中的作用及对整个生物体的影响，但成本高、周期长。细胞模型虽更易操作且可提供初步数据，但可能存在与体内环境差异的问题。通过分析公开的 RNA - seq 数据，发现 JAK2、SOCS1 和 PTPN2 等基因在不同细胞因子刺激下表达差异显著，且在独立的 ChIP - seq 数据中也证实了相关 CREs 的可及性，这为进一步研究这些 SNP 的功能提供了支持。
在研究结论与讨论部分，尽管现有基因组数据库存在诸多局限性，如数据与研究目标不完全契合、SNP 数据库缺乏患者材料、难以解释某些 TF 基序相关 SNP 的生物学影响以及 SNP 位置信息不明确等，但研究人员开发的计算协议成功识别出潜在的 “从头” 产生的 TF 结合位点，为实验室进一步研究提供了有价值的靶点。该研究不仅展示了从计算机模拟分析到实验验证的可行性，还强调了实验生物学家和计算生物学家合作的重要性。通过整合基因组、表观基因组和跨物种保守性数据，能有效缩小研究范围，从数百万个 SNPs 中筛选出具有高调控潜力的少数 SNP，为后续更精准、高效地研究调控 SNPs 奠定了坚实基础，有望推动医学科学的进步，为未来精准治疗相关疾病提供新的思路和靶点。
