多祖源转录组关联研究：为乳腺癌风险锁定290个候选易感基因

核心数字速览

• - 建模组织样本：652 份正常女性乳腺组织（Komen 381 + ABCC 156 + GTEx 115）
• - 关联分析样本：178,534 例乳腺癌 + 248,300 例对照，跨非洲/亚洲/欧洲三大祖源
• - 预测模型规模：表达 21,195 个、剪接 70,541 个（覆盖 13,161 基因）、APA 14,730 个（覆盖 9,499 基因）
• - 关键产出：290 个风险相关基因（103 个全新、46 个远离已知 GWAS 位点），169 个获功能证据

一、GWAS 找到了"地址"，却一直找不到"住户"

乳腺癌是全球女性最常见的癌症，遗传因素在其病因中扮演重要角色。过去二十年，全基因组关联研究（GWAS）已经找到 200 多个与乳腺癌风险相关的遗传位点。但一个尴尬的事实是：这些位点加起来只能解释约 18% 的家族性相对风险，而且绝大多数落在非编码区。

非编码区不编码蛋白，它更像一个个"调控开关"。GWAS 告诉我们"哪个开关可能坏了"，却回答不了最关键的临床问题——这个开关到底控制着哪个基因？

转录组关联研究（TWAS）正是为解决这个问题而生：它把基因型—表达量的调控关系与 GWAS 的疾病关联缝合起来，直接评估"基因的调控水平"与"疾病风险"之间的关系，从而把位点翻译成基因。

但既往的乳腺癌 TWAS 有两个明显短板：

1. 模型"借错了组织"

   。由于正常乳腺组织的转录组数据稀缺，过去几乎所有的乳腺癌 TWAS 建模时用的都是其他组织的数据。对"只在乳腺里表达"的基因而言，这种模型的生物相关性非常可疑。

2. 人群过于单一

   。除少数研究外，绝大多数乳腺癌 TWAS 只在欧洲祖源女性中开展，其他人种的遗传结构差异被忽略，而祖源差异恰恰可能藏着只在特定人群可见的信号。

这项发表在 Nature Communications 的研究，正是冲着这两个痛点来的。

二、研究设计：把"正常乳腺组织"打磨成一把精准的尺子

研究的第一步，是亲手造尺子——构建祖源特异性的基因调控预测模型。

建模用的转录组数据来自三个来源，合计 652 份正常女性乳腺组织：

• - Susan G. Komen 正常组织库（Komen）：381 份
• - 亚洲乳腺癌联盟（ABCC）：156 份
• - GTEx 计划：115 份

按祖源拆开看，参与建模的女性包括 150 名非洲祖源、205 名亚洲祖源、297 名欧洲祖源。研究团队对每个祖源分别建模，尽可能贴合各自不同的遗传结构与连锁不平衡模式——这正是既往研究常常忽略的环节。

同时，它不只预测 基因表达，还预测另外两类被长期忽视的转录后事件：

• - 可变剪接（alternative splicing, AS）：同一个基因，剪成不同的 mRNA 亚型；
• - 3′ 端可变多聚腺苷酸化（APA）：同一条 mRNA 在不同位置"截尾"，影响其稳定性与翻译效率。

对应地，研究构建了三套"体检"体系：Exp-TWAS（表达）、spTWAS（剪接）、APA-WAS（APA）。

方法上，团队组合了三种建模策略：对乳腺组织数据用 弹性网络回归（elastic net, α=0.5）；借助 JTI 方法跨组织借力 GTEx 的 33 种组织数据；再用改良的 UTMOST 框架把同祖源、不同来源的数据（例如欧洲的 Komen + GTEx）融合建模。

模型质量如何？研究者做了交叉验证：在 8,926 个预测 R² ≥ 0.01 的基因上，用一套数据去"预测"另一套数据的表达量，相关系数高达 0.87——说明这把"尺子"是可信的。

最终纳入下游分析的模型规模是：

• - 21,195 个基因表达预测模型；
• - 70,541 个剪接事件模型，覆盖 13,161 个基因；
• - 14,730 个APA 事件模型，覆盖 9,499 个基因。

研究的另一端，是大样本 GWAS 数据，合计 178,534 例乳腺癌与 248,300 例对照：

• - 非洲祖源：18,034 例 / 22,104 例（AABCG 联盟）
• - 亚洲祖源：27,116 例 / 112,407 例（ABCC + BCAC）
• - 欧洲祖源：133,384 例 / 113,789 例（BCAC）

模型与 GWAS 对接，用 S-PrediXcan 做关联分析，再以逆方差加权做跨祖源荟萃分析，从而既看"三大人群的合并信号"，也看"各个祖源的独有信号"。

三、核心结果①：290 个候选易感基因浮出水面

▲ 图1｜乳腺癌风险的"曼哈顿全景"。A. Exp-TWAS（表达类，显著阈值 2.4×10⁻⁶）；B. spTWAS（剪接类，7.1×10⁻⁷）；C. APA-WAS（可变多聚腺苷酸化类，3.4×10⁻⁶）。每个点代表一个被检验的基因/剪接事件/APA 事件，按基因组位置和关联 P 值排布，水平虚线为 Bonferroni 校正后的显著性阈值。橙色标注点及其基因名代表"既往 TWAS 未报道、且不在任何既往 GWAS 位点"的新发现；紫色点代表既往 TWAS 未报道的基因；蓝色点代表距既往 GWAS 位点至少 500 kb 的基因。

在整体乳腺癌风险（overall）层面，研究首先在三类事件中各自跑出了显著信号：

• - 表达（Exp-TWAS）：68 个基因达到 Bonferroni 阈值 2.4×10⁻⁶；
• - 剪接（spTWAS）：44 个基因中的 56 个剪接事件显著（阈值 7.1×10⁻⁷）；
• - APA（APA-WAS）：21 个基因中的 22 个 APA 事件显著（阈值 3.4×10⁻⁶）。

在祖源分层分析中，又额外捞出：80 个基因（表达）、87 个基因中的 114 个剪接事件、30 个基因中的 34 个 APA 事件。

把三类事件合并、去重后，共得到 263 个与整体乳腺癌风险显著相关的基因，分布在 87 个独立位点上；若再加上按雌激素受体（ER）状态分层找到的 14 个 ER 阳性相关基因与 13 个 ER 阴性相关基因，总计 290 个基因。

其中最引人注目的是两个"新鲜度"指标：

• - 103 个基因是既往任何 TWAS 都未报道过的；
• - 46 个基因距既往 GWAS 识别的风险位点至少 500 kb——它们可能代表全新的风险区域。

此外，在按 ER 状态分析的 192 个显著基因中，39 个基因在 ER 阳性与 ER 阴性乳腺癌中的关联存在显著差异（其中 26 个只在 ER 阳性中显著，11 个只在 ER 阴性中显著）。这提示：一部分遗传风险，是"分亚型"的。

四、核心结果②：不止"表达量"——剪接与 APA 贡献了 115 个独有基因

▲ 图2｜按转录事件类型统计的乳腺癌风险关联基因。柱状图汇总三类分析在 Bonferroni 阈值下发现的整体乳腺癌风险关联基因数量，并按两种维度四分类堆叠着色：黄色=既往 TWAS 未报道且不在 GWAS 位点；橙色=位于 GWAS 位点但既往 TWAS 未报道；蓝色=位于 GWAS 位点且既往 TWAS 已报道；紫色=既往 TWAS 报道但不在 GWAS 位点。263 个基因按事件类型拆为：表达 148、剪接 106、APA 46（同一基因可被多种事件识别）。

从图2看，263 个基因按事件类型拆解为：表达 148 个、剪接 106 个、APA 46 个（同一基因可被多种事件识别）。三个数字相加远超 263，恰恰说明——

很多基因，只有跳出"表达量"才能被看见。

数据印证了这一点：有 115 个显著基因仅由 spTWAS 或 APA-WAS 发现，其中 17 个既是既往 TWAS 未报道、又不在任何已知 GWAS 位点。这些基因通过转录后调控影响乳腺癌风险，而传统的 Exp-TWAS 根本无法捕捉。

论文给出了一个有临床意义的例子：RAD51B。这个基因早已被认为与乳腺癌风险有关，却一直没被纳入乳腺癌基因检测。本研究通过 spTWAS 独立识别出它——为正式把它列为乳腺癌易感基因、纳入未来的基因检测，提供了新的证据。

五、多祖源的价值：46 个基因在三大人群中"同时亮灯"

把三大人群的数据并排比较，最有说服力的结果是：

• - 46 个基因在全部三个祖源中都显示与乳腺癌风险相关；
• - 70 个基因在两个祖源中显著，其中不乏"远离所有已知 GWAS 位点"的新基因。

为什么这一点重要？因为不同祖源的遗传结构不同、用来预测转录事件的变异集合也不同。一组基因如果能在三种独立的人群中都"亮灯"，它更可能是真正的因果基因，而不是统计假象。

细定位（fine-mapping，用 FOCUS 工具）给出了一个漂亮的佐证：在 2q33.1 位点，CASP8 在三个祖源中都被优先选出——这个早已确立的乳腺癌基因，再次被强化。

反过来，研究也发现了祖源特异性信号，例如 1q22 位点上的若干基因只在欧洲祖源中被识别。研究者谨慎地指出：这既可能是真实的祖源特异性效应，也可能只是非欧洲样本量偏小造成的效能不足——这恰恰说明，把非欧洲人群做大做全，是未来研究的关键方向。

六、功能验证：从"统计关联"到"功能必需"的三重证据

一个 TWAS 找到的基因，可能只是"统计上相关"。要把它坐实为易感基因，必须上功能实验。这项研究为 169 个基因提供了额外的功能证据，靠的是三把"锤子"：

▲ 图3｜22 个候选基因对乳腺癌细胞增殖的"必需性"（CERES 评分）。小提琴图展示 CRISPR-Cas9 全基因组敲除筛选中，22 个基因在 44 个侵袭性乳腺癌细胞系里的 CERES 评分分布。CERES 越低，说明基因被敲除后细胞耗竭越明显、对细胞越"必需"；虚线为 ≤−0.5 的判定阈值。

第一锤：CRISPR-Cas9 敲除必需性。 在 216 个蛋白编码基因中，203 个有 CERES 数据（覆盖 44 个侵袭性乳腺癌细胞系）。其中 22 个基因的中位 CERES 评分 ≤ −0.5，意味着敲掉它们会显著抑制乳腺癌细胞增殖——它们是癌细胞"活命所需"的基因。

第二锤：siRNA 敲低。 团队在三种不同亚型的乳腺癌细胞系（MCF-7 / ER+、SK-BR-3 / HER2+、MDA-MB-231 / 三阴性）中做了 siRNA 敲低实验，216 个基因里有 93 个在敲低后细胞增殖显著下降（P < 0.05）。

第三锤：单细胞"定位"。 用 GTEx 正常乳腺组织的单细胞 RNA 测序数据，研究者比较了上皮细胞与其他细胞类型：203 个基因中有 130 个在上皮细胞中差异表达——而上皮细胞正是乳腺癌的细胞起源。其中包括 8 个既往 TWAS 未报道、又远离 GWAS 位点的新基因。

这三层证据叠加起来，让"候选基因"离"因果基因"更近了一步。

七、生物学信号：这些基因落在哪些通路上？

把 290 个基因中的 216 个蛋白编码基因拿去做 KEGG 通路富集，结果与乳腺癌的经典认知高度吻合：

• - p53 信号通路、同源重组修复、雌激素信号通路、细胞凋亡、PI3K-Akt 信号通路——这些都是乳腺癌发生发展中公认的核心通路（其证据多来自对肿瘤组织体细胞突变的分析）；
• - 此外还提示了内分泌耐药、磷脂酶 D 信号、Rap1 信号等通路。

由此可以得出一个耐人寻味的推论：驱动肿瘤发生的基因，可能同时也在影响个体"是否易感"乳腺癌。

在细胞层面，研究还发现与 ER 阳性乳腺癌风险相关的若干基因（如 NSUN4、PEX14、THBS3）在管腔上皮细胞中显著富集——而 ER 阳性乳腺癌正是起源于管腔上皮。这为"亚型特异性风险基因"与其"细胞起源"之间架起了直接桥梁。

八、几个"值得记住"的候选基因

在 103 个全新基因中，有几位是"熟面孔、新身份"：

• - MRPL11：线粒体核糖体大亚基的关键蛋白，在肿瘤中频繁改变，其高表达与 IV 期神经母细胞瘤的不良预后相关；
• - HCN1：此前已被报道与乳腺癌不良生存显著相关；
• - TLK1（Tousled 样激酶 1）：参与细胞迁移与转移，抑制它能让乳腺癌细胞（MDA-MB-231、4T1）对多柔比星更敏感；
• - PHC3：被报道为包括乳腺癌在内的上皮肿瘤的潜在治疗靶点；
• - RAD51B：由 spTWAS 识别，支持其正式进入乳腺癌基因检测清单（见第四节）。

九、这项研究意味着什么？

1. 一份更完整的乳腺癌易感基因清单

   ：290 个基因，其中 103 个全新、46 个脱离已知 GWAS 位点，实质性地扩展了乳腺癌遗传风险的"候选名单"。

2. GWAS 位点终于有了"靶基因翻译"

   ：通过条件分析，189 个基因可能正是 76 个既往 GWAS 风险位点背后的靶基因；换言之，这项研究为"GWAS 找到的地址"配上了不少"住户姓名"。

3. 方法学范式的升级

   ：多祖源 × 三类转录事件 × 功能验证的组合，比"单一人群 + 只看表达量"的老套路，能挖出更多、也更可信的信号。

4. 为后续机制研究提供抓手

   ：CRISPR 必需性、siRNA 敲低、单细胞定位三层证据，为这些基因的机制研究排出了优先次序。

研究的局限（作者自述）

• - 非洲与亚洲祖源的关联分析样本量仍偏小，可能漏检祖源特异性信号，也可能因效能不足而出现"假阴性"；
• - 严格的 Bonferroni 校正（对高度相关的转录事件）可能偏保守，会损失一部分真阳性；
• - 条件分析仅调整了"最近的单个 GWAS 变异"，对存在多个独立因果变异的位点考虑不足；
• - 预测模型仅使用顺式（cis）SNP，尚未纳入反式（trans）eQTL——后者仍是建模的难题。

十、方法学启示：为什么"多祖源 + 多事件 + 功能验证"值得借鉴

对做队列与多组学研究的同行来说，这项研究的价值不止在结论，更在打法的示范：

• - 把"组织对、人群全"作为建模前提——用正常乳腺组织、按祖源分组建模，从源头提高预测模型的生物相关性；
• - 把转录后调控拉进视野——剪接与 APA 让 115 个基因"只此一路可见"，说明"只看表达量"会系统性漏检；
• - 把统计关联与功能实验绑在一起——CRISPR / siRNA / 单细胞三层验证，让"候选基因"更接近"因果基因"。

十一、写在最后

从"GWAS 地址"到"TWAS 基因"，我们正在把乳腺癌的遗传风险图，从粗粒度的路标逐步补全为带门牌号的详细地图。这项研究提醒我们两件事：一是"人群的多样性"本身就是发现力——有些信号只在特定祖源中现身；二是"表达的多样性"同样重要——同一个基因，剪接方式不同、尾部长度不同，风险也可能不同。

参考文献：Ping J, Jia G, Cai Q, et al. Multi-ancestry transcriptome-wide association studies uncover insights into breast cancer genetics and biology. Nature Communications, 2026, 17:7025. DOI: 10.1038/s41467-026-73801-x