美国圣路易斯华盛顿大学医学院的Chiang等研究人员运用深度全基因组测序技术（whole-genome sequencing，WGS），分析了结构变异（structural variants，SVs）、单核苷酸变异（single-nucleotide variants，SNVs）和短插入/删除（insertion/deletion，indels），发现SVs对基因表达的影响更大，相关文章发表于《自然•遗传学》杂志。

在过去十年中，全基因组关联研究（genome-wide association studies，GWAS）已将数以千计的常见基因变异和人类特征和疾病关联起来。然而，精确定位具有因果关系的变异的基因座位置是非常困难的，这是由于大约88%的变异存在于非编码区域，而且在大多数情况下，因果关系的变异和相关基因是未知的。这些挑战的存在使得靶向精准疗法变得更加困难重重。为此，全基因组的表达数量性状基因座（expression quantitative trait loci，eQTL）扫描技术试图鉴别出基因表达变异的决定因子。目前已经在人组织中成功鉴别出了成千上万的eQTLl。

SVs是人类基因多样性的一个重要原因，但是SVs对人类特征、疾病和基因调节的作用目前仍不太清楚。研究人员通过源自深度WGS的SVs、SNVs、短插入/删除的联合分析，定位了13个组织的eQTLs。研究人员估计，在3.5%～6.8%的eQTLs中，SVs是导致表达改变的原因，这一比例高于既往估值，改变表达的SVs比SNV和插入/删除具有更大的效应量（effect sizes）。研究人员鉴别出789个推测的疾病相关的SVs，预测其会直接改变基因表达：大多数（约88.3%）是非编码区的变异体（在增强子等调节元件上，这种变异非常丰富），52个与GWAS基因座有关。研究人员观察到了非常多的与相邻基因异常表达相关的罕见的高影响力SVs的存在。这些研究结果提示，以复杂的WGS为基础的SV综合分析将会增加常见变异和罕见变异相关研究的效能。（作者：包丽霞)

参考文献：Nature Genetics 2017;49:692-699