如何借助基因组工具来梳理疾病的因果关系？

　　近日，奥地利科学院分子医学研究中心(CeMM)的研究人员Christoph Bock在基因组生物学会议上发言称，新的基因组工具组合可以帮助研究人员梳理疾病的因果关系。

　　他认为，单细胞RNA-seq和ATAC-seq等方法可以帮助人们深入了解疾病发展过程中发生的情况，但它们无法建立因果关系。Bock指出，目前有四种方法可建立因果关系。

　　第一种方法是生化方法，但他认为这是一种保守的方法。第二种方法依赖孟德尔随机化(Mendelian randomization)，但这种方法需要大量的数据，而Bock认为有时很难获得。

　　Bock本人倾向于使用第三种和第四种方法，也就是分别利用时间序列分析和扰动方法来研究因果关系。时间序列分析依赖格兰杰因果检验(Granger causality)。这种方法很有用，不过限于形式化证明。他认为，基于CRISPR的扰动和单细胞测序能够大规模发现功能证据。

　　Bock及其同事就以慢性淋巴细胞白血病(CLL)为疾病模型开展了一项时间序列分析。早前，他们对55名CLL患者的88个样本开展了ATAC-seq分析，并在《Nature Communications》上发表了结果。全基因组染色质开放性图谱显示了两个疾病亚型的分离：IGHV未突变的uCLL和IGHV突变的mCLL。

　　之后，他们在8个不同的时间点评估了7名CLL患者对ibrutinib(Bruton酪氨酸激酶抑制剂)的反应。他们采用了ATAC-seq、单细胞RNA-seq以及细胞表型分析的组合，重建了患者接受治疗时体内发生的事件顺序。

　　值得一提的是，研究人员发现多名患者出现了相同的调控机制。其中，NF-κB的结合减少，之后是PAX5和IRF4等转录因子的调控活性下降。不过，他们表示不同患者的时间快慢有差异。这项研究成果于上个月发表在预印本网站BioRxiv上。

　　与此同时，Bock认为借助高通量的CRISPR基因编辑也能够梳理因果关系。他和同事将CRISPR-Cas9筛选与单细胞RNA-seq相结合，开发出一种称为CRISPR液滴测序(CROP-seq)的方法。

　　这种方法综合了混合筛选(pooled screens)和芯片筛选(arrayed screens)的优势。他指出，CRISPR混合筛选特别适合明显的表型，但不支持复杂的分子读数。CRISPR芯片筛选支持这样的读数，但通量有限。

　　CROP-seq结合了四大关键要素：将向导RNA作为标签序列，开展高通量的单细胞RNA-seq检测，通过计算方法分配单细胞转录组，以及通过生物信息学方法来分析和解释向导RNA诱导的转录图谱。他们随后在T细胞受体上验证了这种方法。

　　在开发出这个工具之后，Bock表示他们一直在努力改进它。他补充说，CROP-seq可与任何单细胞RNA-seq方法或多组学分析结合使用，并且可以扩展到全基因组范围的分析，应用于体外和体内筛选。目前已有200多个实验室尝试了这种方法。

　　相关文献

　　Chromatin mapping and single-cell immune profiling define the temporal dynamics of ibrutinib drug response in chronic lymphocytic leukemia

　　doi: https://doi.org/10.1101/597005