Недавние достижения в геномике глубоко расширили наше понимание того, как генетическая вариация стимулирует здоровье, болезни и реакцию на лекарства. Геном человека содержит миллионы вариантов, но подавляющее большинство остается нехарактеризованным с точки зрения их функциональных последствий. Традиционные методы изучения отдельных вариантов, такие как мутагенез, ориентированный на сайт, за которым следуют анализы с низкой пропускной способностью, слишком медленные и дорогостоящие для удовлетворения требований современной геномики. Высокопроизводительный функциональный скрининг (HTFS) появился в качестве трансформирующего решения, позволяя одновременно оценивать функции тысяч и миллионов вариантов в одном эксперименте. Этот подход ускоряет аннотацию функции варианта, идентифицируя причинные варианты из исследований ассоциаций генома (GWAS) и направляя клиническую интерпретацию в персонализированной медицине.

Введение в высокопроизводительный функциональный скрининг

Высокопроизводительный функциональный скрининг относится к набору экспериментальных методов, которые систематически проверяют влияние многочисленных генетических изменений на измеримое биологическое считывание. Основной принцип заключается в создании больших библиотек вариантов последовательностей, введении их в соответствующую клеточную модель, а затем сортировке или измерении клеток на основе интересующего фенотипа (например, экспрессия генов, пригодность клеток, активность белка). Достижения в синтезе ДНК, секвенировании и автоматизации позволили разработать, построить и протестировать библиотеки, содержащие десятки тысяч вариантов в течение нескольких недель. Эти методы имеют решающее значение для интерпретации огромного количества вариантов, обнаруженных крупномасштабными проектами секвенирования, особенно те, которые классифицируются как варианты неопределенного значения (VUS).

Основные технологии, обеспечивающие высокопроизводительный скрининг

Несколько мощных технологий лежат в основе современных HTFS, каждая из которых имеет свои сильные стороны и приложения.

Экраны на основе CRISPR

Технология CRISPR-Cas9 произвела революцию в функциональной геномике, обеспечивая точное редактирование генома масштабируемым способом. В типичном объединенном экране CRISPR библиотека однонаправленных РНК (sgRNAs), нацеленных на тысячи геномных сайтов, доставляется в клетки, стабильно экспрессирующие Cas9. Полученные изменения - вставки, делеции или точечные мутации - позволяют исследователям оценить влияние потери функции (CRISPR нокаут, или CRISPRko), активации (CRISPRa) или репрессии (CRISPRi) на фенотип. Более продвинутые варианты, такие как базовые редакторы и простые редакторы, позволяют точно вводить конкретные точечные мутации, что позволяет экранировать эффекты известных вариантов, связанных с болезнью, или систематически отображать функциональные остатки в белках или регуляторных элементах.

Массовые параллельные репортажи (MPRA)

MPRA являются методом выбора для анализа влияния тысяч регуляторных вариантов на экспрессию генов. В типичной MPRA библиотека последовательностей ДНК (каждая из которых содержит интересующий вариант) клонируется выше по потоку минимального промотора и репортерного гена (например, GFP, люцифераза или штрих-код). Библиотека вводится в клетки, а обилие репортерной РНК или белка количественно определяется секвенированием. Сравнивая выход с входной библиотекой, исследователи могут измерить, как каждый вариант изменяет транскрипционную активность. MPRA использовались для систематической оценки вариантов риска GWAS, выявления функциональных некодирующих мутаций и расчленения логики промотора и энхансера.

Другие высокопроизводительные подходы

Мутагенез насыщения в сочетании с глубоким секвенированием (например, глубокое мутационное сканирование) позволяет функциональную характеристику каждой возможной замены аминокислот в белковом домене. Инструменты синтетической биологии, такие как комбинаторные библиотеки регуляторных последовательностей, помогают раскрыть детерминанты последовательности сплайсинга, трансляции и стабильности белка. Кроме того, такие методы, как высокопроизводительная сортировка клеток, активируемых флуоресценцией (FACS), на основе репортерных конструкций, позволяют обогащать клетки с желаемыми вариантными эффектами.

Последние инновации и методологические достижения

Область быстро развивается, с новыми методами, которые увеличивают разрешение, снижают затраты и объединяют дополнительные типы данных.

Интеграция с одноклеточным секвенированием

Одним из самых захватывающих последних событий является связь объединенных экранов с одноклеточными считываниями (например, Perturb-seq, CROP-seq). Вместо измерения среднего популяционного показателя эти подходы захватывают транскриптомные, протеомные или эпигеномные профили из отдельных клеток после возмущения. Это выявляет специфические эффекты клеточного состояния, неоднородность в вариантном воздействии и плейотропные последствия генетических изменений. Разрешение одноклеточных особенно ценно для изучения процессов развития, иммунных реакций и эволюции рака, где средние показатели популяций могут маскировать важные субпопуляции.

Машинное обучение для выбора приоритетов

Алгоритмы машинного обучения теперь являются неотъемлемой частью рабочего процесса HTFS. Они помогают проектировать библиотеки вариантов, предсказывая, какие мутации, скорее всего, будут функциональными (например, на основе эволюционного сохранения, структуры белка или состояния хроматина). После скрининга модели ML могут интегрировать крупномасштабные наборы данных для классификации вариантов как патогенных или доброкачественных, определять приоритеты кандидатов для проверки и выводить основные механизмы. Архитектуры глубокого обучения, такие как сверточные нейронные сети (CNN) и трансформаторы, обученные на массивных геномных наборах данных, показали впечатляющую точность в прогнозировании функциональных эффектов и совершенствуются благодаря непрерывной обратной связи с экспериментальными экранами.

Многоомичная интеграция

Комбинирование HTS с другими слоями омики, такими как протеомика, метаболомика или эпигеномика, обеспечивает более полную картину функции варианта. Например, связь MPRA с анализами доступности хроматина (например, ATAC-seq) может выявить, влияют ли регуляторные варианты на связывание фактора транскрипции контекстно-зависимым образом. Такие интегративные подходы необходимы для понимания сложного взаимодействия между генотипом и фенотипом.

Приложения в исследованиях и медицине

HTFS уже трансформирует нашу способность интерпретировать геномные вариации и переводить их в клиническую практику.

Функциональная аннотация вариантов неопределенного значения

Основным узким местом в клинической геномике является высокая доля VUS, о которой сообщается в генетических тестах. HTFS может систематически оценивать функциональное воздействие тысяч VUS в генах, имеющих отношение к наследственным расстройствам, таким как BRCA1, TP53 и CFTR. Предоставляя функциональные доказательства, эти экраны помогают реклассифицировать варианты как доброкачественные или патогенные, непосредственно улучшая диагностический выход и управление пациентами.

Фармакогеномика и разработка лекарств

Высокопроизводительные экраны могут идентифицировать генетические варианты, которые изменяют реакцию на лекарства, позволяя прогнозировать побочные реакции или отсутствие эффективности. В открытии лекарств HTS используется для картирования мутаций резистентности в генах-мишенях рака, помогая разрабатывать ингибиторы следующего поколения. Кроме того, профилируя полный мутационный ландшафт мишеней лекарств, исследователи могут предвидеть, как опухоли могут развить резистентность и соответственно разработать комбинированную терапию.

Понимание механизмов болезни

Скрининг больших библиотек вариантов в соответствующих заболеваниям типах клеток (например, нейроны, кардиомиоциты, иммунные клетки) раскрывает причинные варианты и пути, которые они влияют. Например, исследования использовали экраны CRISPR для выявления основных генов в раковых клетках, выявляя новые терапевтические уязвимости. При нарушениях нейроразвития MPRA выявили мутации энхансера, которые нарушают регуляцию генов во время развития коры, обеспечивая механистическое понимание таких состояний, как аутизм и шизофрения.

Текущие ограничения и будущие направления

Несмотря на свою мощь, HTFS сталкивается с рядом проблем, которые необходимо решить для реализации своего потенциала.

Масштабируемость и стоимость

В то время как стоимость синтеза и секвенирования ДНК резко снизилась, крупномасштабные экраны, особенно те, которые требуют пользовательских клеточных линий, одноклеточного секвенирования или сложных фенотипических анализов, остаются дорогими. Будущие улучшения в дизайне библиотеки (например, комбинаторный синтез), автоматизация и миниатюризация (например, платформы на основе капель) уменьшат затраты и демократизируют доступ к этим технологиям.

Биологическая сложность и контекстная специфика

Варианты эффектов могут быть сильно зависимы от типа клеток, генетического фона, окружающей среды и эпигенетического состояния. Вариант, который является доброкачественным в одном контексте, может быть патогенным в другом. Архитектура 3D-генома, регуляция сплайсинга и посттрансляционные модификации добавляют слои сложности, которые трудно захватить в упрощенных модельных системах. Достижения в органоидах, кокультурах и скрининге in vivo (например, использование CRISPR у мышей или рыбок данио) начинают решать контекстную зависимость, но значительная работа остается.

Анализ данных и интерпретация

Огромный объем данных, генерируемых HTFS, часто считывается миллиардами секвенирования, требует надежных вычислительных конвейеров для контроля качества, нормализации и статистического вызова. Ложные положительные результаты из-за нецелевых эффектов, библиотечных смещений или стохастического шума должны тщательно управляться. Кроме того, интеграция данных HTS с другими геномными ресурсами (например, ] ENCODE , ClinVar, gnomAD) остается проблемой. Усилия по стандартизации метаданных, разработке общих моделей данных и обмену результатами через публичные хранилища (например, ] ClinVar имеют решающее значение для максимизации воздействия этих исследований.

Заключение

Высокопроизводительный функциональный скрининг переместился из специализированной техники в краеугольный камень современной геномики. Благодаря систематической оценке генетических вариаций эти методы ускоряют открытие функциональных элементов, улучшают интерпретацию вариантов для клинической геномики и дают новое понимание биологии заболеваний. Новые технологии, такие как разрешение одной клетки, интеграция машинного обучения и подходы к мультиомике, обещают еще больше уточнить наше понимание того, как генетические варианты формируют здоровье человека. По мере снижения затрат и повышения доступности методов, HTFS станет все более важным инструментом как для исследователей, так и для клиницистов, помогая преодолеть разрыв между генотипом и фенотипом.

Для всестороннего обзора функциональных технологий геномики см. обзор Canver et al. (2017) в Nature Reviews Genetics. Дополнительные ресурсы по интерпретации вариантов можно найти через базу данных ClinVar и NIH Genome Sequencing Program.