来自东京医科和牙科大学(TMDU)的研究人员发现，整合和选择性分析拼接变异数据可以帮助识别与复杂人类疾病相关的遗传变异  

在大数据时代，获取大量信息是最容易的部分;而知道如何利用它则完全是另一回事。但现在，来自日本的研究人员报告说，一种分析全基因组关联研究数据的新方法可能有助于揭示许多疾病的遗传基础。

发表在八月的一项研究中自然通讯来自东京医科和牙科大学(TMDU)的研究人员揭示，分析与疾病相关位点的基因剪接变异的编码序列，可以帮助揭示某些复杂的人类疾病的遗传原因。

我们的基因变异会导致复杂的疾病，但很难判断单一的基因变异是如何导致疾病的。虽然一些变异通过改变基因表达水平导致疾病，但越来越明显的是，剪接变异影响基因转录的方式——即基因的DNA序列如何复制成RNA——也发挥着重要作用。

该研究的主要作者Kensuke Yamaguchi解释说:“有许多现有的方法来识别和分析导致疾病相关基因剪接变化的遗传变异。”“然而，这些方法受限于剪接异构体的不完全注释，以及多个异构体使用相同的剪接连接，这可能使它们难以相互区分。”

为了克服这些缺点，研究人员开发了一套两种分析，更全面地捕捉了剪接变异的复杂性及其与人类疾病的关系:第一种分析整合了具有相同编码序列的亚型，以检测由此产生的蛋白质结构变化，第二种分析检查了注释不完整但编码序列独特的亚型的影响。然后，该团队确定了这些亚型的完整序列，并验证了它们在细胞中的表达。

“结果表明，我们的方法是稳健和有效的，”该论文的高级作者Yuta Kochi说。“我们成功地鉴定了29种全长亚型，它们的编码序列未加注释，与与帕金森病、强直性脊柱炎、肠易激疾病和神经退行性疾病等疾病相关的遗传变异有关。”

此外，他们还表明，具有与疾病相关的剪接变异的基因可以通过评估它们对基因组中其他基因表达的影响来识别。例如，一个导致SNRPC基因两种亚型比例改变的变体被认为与系统性红斑狼疮相关。

综上所述，这些发现强调了蛋白质改变剪接变异在致病过程中未被重视的作用。在未来的研究中，使用动物模型识别相关的变异并评估它们的功能，将有助于阐明复杂疾病是如何产生的。