本周最新文獻(xiàn)速遞20211226
一、精細(xì)解讀文獻(xiàn) 一
文獻(xiàn)題目： Finding genetically-supported drug targets for Parkinson’s disease using Mendelian randomization of the druggable genome
不想看英文題目： 孟德爾隨機(jī)化鑒定帕金森病的藥物靶點(diǎn)
雜志和影響因子： Nat Commun (IF: 14.92; Q1)
研究意義： 帕金森?。≒D）屬于神經(jīng)退行性運(yùn)動(dòng)障礙疾病，由于藥物靶點(diǎn)識(shí)別和驗(yàn)證效率低下，目前沒有改善該病的治療方法。在此，作者使用孟德爾隨機(jī)化（MR）研究 3,000 多個(gè)藥物蛋白基因，并預(yù)測(cè)它們作為帕金森病藥物靶點(diǎn)的功效；
結(jié)論：
- 整合了血液和腦組織的 eQTL 數(shù)據(jù)以及全基因組關(guān)聯(lián)分析（ GWAS ）薈萃分析數(shù)據(jù)。血液和腦組織 eQTL 中分別包含 2786 和 2448 個(gè)藥物編碼基因；
- GWAS 薈萃分析數(shù)據(jù)包括 13,708 名 PD 患者和 95,282 名對(duì)照。在發(fā)現(xiàn)隊(duì)列中，通過 MR 分析發(fā)現(xiàn) 31 個(gè)基因（11 個(gè)在血液中；17 個(gè)在腦組織中；三個(gè)同時(shí)在血液和腦組織中）的表達(dá)水平與 PD 風(fēng)險(xiǎn)顯著相關(guān)；
- 采用重復(fù)隊(duì)列（包括 8036 名 PD 患者和 5803 名對(duì)照）復(fù)現(xiàn) 31 個(gè)基因的結(jié)果，發(fā)現(xiàn) 12 個(gè)基因（BST1、CD38、CHRNB1、CTSB、GPNMB、LGALS3、MAPT、MMRN1、NDUFAF2、PIGF、VKORC1 和 WNT3）在重復(fù)隊(duì)列達(dá)到顯著水平（FDR<0.05），三個(gè)基因（ACVR2A、HSD3B7和MAP3K12）達(dá)到名義上的顯著水平（P<0.05）。GPNMB 和HSD3B7 在血液和腦組織中均達(dá)到顯著水平。15 個(gè)預(yù)防 PD 的潛在藥物靶點(diǎn)中，6 個(gè)在 PD 的 GWAS 薈萃分析中被報(bào)道過，三個(gè)已獲批準(zhǔn)或在臨床階段；
- 對(duì) 15 個(gè)藥物蛋白基因的 eQTL 和 PD GWAS 匯總數(shù)據(jù)進(jìn)行共定位，發(fā)現(xiàn) BST1、CD38、GPNMB、HSD3B7、MAPT、MMRN1、VKORC1 和 WNT3 具有強(qiáng)烈的共定位信號(hào)。另一項(xiàng)獨(dú)立的 eQTL 隊(duì)列同樣發(fā)現(xiàn) CD38 和 GPNMB 與 PD 風(fēng)險(xiǎn)位點(diǎn)共定位，說明結(jié)合 MR 和共定位分析可有效鑒定 PD 的藥物靶點(diǎn)；
- 研究發(fā)現(xiàn) PD 的遺傳風(fēng)險(xiǎn)與 PD 發(fā)病年齡相關(guān)，為了探究 PD 的風(fēng)險(xiǎn)位點(diǎn)是否也影響 PD 發(fā)病年齡，作者對(duì)四個(gè) PD 藥物靶標(biāo)基因（CD38、CTSB、GPNMB 和 MAP3K12）進(jìn)行 PD 發(fā)病年齡的 MR 分析，發(fā)現(xiàn) PD 的三個(gè)藥物靶標(biāo)基因表達(dá)水平與發(fā)病年齡正相關(guān)，一個(gè)基因表達(dá)水平與發(fā)病年齡負(fù)相關(guān)；
- 為了分析藥物靶點(diǎn)是否與 PD 發(fā)病進(jìn)程相關(guān)，作者收集了 PD 進(jìn)展標(biāo)志物 GWAS 匯總數(shù)據(jù)進(jìn)行分析。MR 分析發(fā)現(xiàn) 8 個(gè)基因在 5 個(gè) PD 進(jìn)展結(jié)果中達(dá)到顯著性，但這 8 個(gè)基因均與 PD 風(fēng)險(xiǎn)和 PD 發(fā)病年齡無關(guān)；
- 整合 PD 相關(guān)的藥物靶標(biāo)基因和 pQTL（蛋白質(zhì)數(shù)量性狀基因座）數(shù)據(jù)，發(fā)現(xiàn) BST1、CD38、CTSB、GPNMB 和 LGALS3 的蛋白質(zhì)水平與 PD 風(fēng)險(xiǎn)相關(guān)。除 BST1 外，所有基因的 pQTL 和 eQTL 的效應(yīng)方向一致，說明整合 MR 、eQTL、pQTL 可有效鑒定藥物靶標(biāo)；
亮點(diǎn)： 系統(tǒng)性地整合藥物靶標(biāo)、GWAS 組學(xué)數(shù)據(jù)和 MR 分析；
局限： 本文的工具變量數(shù)量普遍較少，這也是為什么上下文的結(jié)果在換了隊(duì)列數(shù)據(jù)或者換了組學(xué)數(shù)據(jù)后，大多數(shù)基因的作用方向會(huì)不一致甚至不顯著的情況。當(dāng)然，這也是 MR 研究普遍存在的問題。
文章鏈接：
https://www.nature.com/articles/s41467-021-26280-1
公開的資料：
- eQTL 數(shù)據(jù)：https://eqtlgen.org/； http://resource.psychencode.org/
- 藥物靶標(biāo)基因：https://www.nature.com/articles/s41467-021-26280-1#MOESM1
- PD 發(fā)病年齡 GWAS 匯總數(shù)據(jù)：http://pdgenetics.org/resources；
- PD 進(jìn)展 GWAS 匯總數(shù)據(jù)：https://pdgenetics.shinyapps.io/pdprogmetagwasbrowser/
- 代碼：https://github.com/catherinestorm/mr_druggable_genome_pd
二、其他文獻(xiàn)推薦
下面的文獻(xiàn)也挺精彩的，但由于下不到原文，或博主時(shí)間有限，沒法精細(xì)解讀，故列出來供各位參閱；
當(dāng)然，你們有精彩的文獻(xiàn)想讓我解讀的（前提是一周內(nèi)剛出爐的文獻(xiàn)），可給我發(fā)pdf（然而可能種種原因，我不一定有時(shí)間解讀，不要對(duì)我抱太高期待）；
文獻(xiàn)題目： A Species-Level Timeline of Mammal Evolution Integrating Phylogenomic Data
不想看英文題目： 整合系統(tǒng)基因組數(shù)據(jù)評(píng)估哺乳動(dòng)物進(jìn)化時(shí)間線
雜志和影響因子： Nature (IF: 42.778; Q1)
文章鏈接：
https://www.nature.com/articles/s41586-021-04341-1
文獻(xiàn)題目： Cancer risk across mammals
不想看英文題目： 哺乳動(dòng)物的癌癥風(fēng)險(xiǎn)
雜志和影響因子： Nature (IF: 42.778; Q1)
文章鏈接：
https://www.nature.com/articles/s41586-021-04224-5
文獻(xiàn)題目： Large uncertainty in individual polygenic risk score estimation impacts PRS-based risk stratification
不想看英文題目： 個(gè)體多基因風(fēng)險(xiǎn)評(píng)分的巨大不確定性影響后續(xù)分析（例如基于多基因分險(xiǎn)評(píng)分的分層分析）
雜志和影響因子： Nat Genet (IF: 38.33; Q1)
文章鏈接：
https://www.nature.com/articles/s41588-021-00961-5
文獻(xiàn)題目： Hidden biases in germline structural variant detection
不想看英文題目： 生殖系結(jié)構(gòu)變異檢測(cè)中的隱藏偏倚
雜志和影響因子： Genome Biol (IF: 10.81; Q1)
文章鏈接：
https://genomebiology.biomedcentral.com/articles/10.1186/s13059-021-02558-x
文獻(xiàn)題目： Rare coding variants in 35 genes associate with circulating lipid levels—A multi-ancestry analysis of 170,000 exomes
不想看英文題目： 35 個(gè)基因中的罕見編碼變異與循環(huán)脂質(zhì)水平相關(guān)—— 170,000 個(gè)外顯子組的多祖先分析
雜志和影響因子： Am J Hum Genet (IF: 11.03; Q1)
文章鏈接：
https://pubmed.ncbi.nlm.nih.gov/34932938/
文獻(xiàn)題目： Role of Polygenic Risk Score in the Familial Transmission of Bipolar Disorder in Youth
不想看英文題目： 多基因風(fēng)險(xiǎn)評(píng)分在青少年雙相情感障礙家族傳遞中的作用
雜志和影響因子： JAMA Psychiatry (IF: 21.6; Q1)
文章鏈接：
https://pubmed.ncbi.nlm.nih.gov/34935868/
文獻(xiàn)題目： Integration of high-resolution promoter profiling assays reveals novel, cell type-specific transcription start sites across 115 human cell and tissue types
不想看英文題目： 整合高分辨率啟動(dòng)子數(shù)據(jù)集揭示新型細(xì)胞類型特異性轉(zhuǎn)錄起始位點(diǎn)
雜志和影響因子： Genome Res (IF: 9.04; Q1)
文章鏈接：
https://pubmed.ncbi.nlm.nih.gov/34949670/
文獻(xiàn)題目： Locus-specific chromatin profiling of evolutionarily young transposable elements
不想看英文題目： 進(jìn)化中的年輕轉(zhuǎn)座子的位點(diǎn)特異性染色質(zhì)分析
雜志和影響因子： Nucleic Acids Res (IF: 16.97; Q1)
文章鏈接：
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab1232/6462377
文獻(xiàn)題目： Mutation and selection explain why many eukaryotic centromeric DNA sequences are often A + T rich
不想看英文題目： 突變和選擇解釋了為什么許多真核著絲粒 DNA 序列通常富含 A+T
雜志和影響因子： Nucleic Acids Res (IF: 16.97; Q1)
文章鏈接：
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab1219/6470688
三、工具或資源類介紹
文獻(xiàn)題目： CCPE: cell cycle pseudotime estimation for single cell RNA-seq data
不想看英文題目： CCPE：?jiǎn)渭?xì)胞 RNA-seq 數(shù)據(jù)的細(xì)胞周期偽時(shí)間估計(jì)
雜志和影響因子： Nucleic Acids Res (IF: 16.97; Q1)
文章鏈接：
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab1236/6471855
文獻(xiàn)題目： HiCRes: a computational method to estimate and predict the genomic resolution of Hi-C libraries
不想看英文題目： HiCRes：一種估計(jì)和預(yù)測(cè) Hi-C 文庫(kù)基因組分辨率的計(jì)算方法
雜志和影響因子： Nucleic Acids Res (IF: 16.97; Q1)
文章鏈接：
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab1235/6470675
文獻(xiàn)題目： CoV-Spectrum: Analysis of Globally Shared SARS-CoV-2 Data to Identify and Characterize New Variants
不想看英文題目： CoV-Spectrum：分析全球共享的 SARS-CoV-2 數(shù)據(jù)以識(shí)別和表征新變異
雜志和影響因子： Bioinformatics (IF: 5.61; Q1)
文章鏈接：
https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btab856/6483076
文獻(xiàn)題目： DeepSVP: Integration of genotype and phenotype for structural variant prioritization using deep learning
不想看英文題目： DeepSVP：使用深度學(xué)習(xí)整合基因型和表型數(shù)據(jù)以進(jìn)行結(jié)構(gòu)變異優(yōu)先排序
雜志和影響因子： Bioinformatics (IF: 5.61; Q1)
文章鏈接：
https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btab859/6482742
文獻(xiàn)題目： AMC: accurate mutation clustering from single-cell DNA sequencing data
不想看英文題目： AMC：從單細(xì)胞 DNA 測(cè)序數(shù)據(jù)中進(jìn)行精準(zhǔn)的突變聚類
雜志和影響因子： Bioinformatics (IF: 5.61; Q1)
文章鏈接：
致謝橙子牛奶糖（陳文燕），請(qǐng)用參考模版：We thank the blogger (orange_milk_sugar, Wenyan Chen) for XXX
感謝小可愛們多年來的陪伴， 我與你們一起成長(zhǎng)~
