调控性CD4 T细胞基因和染色质活性图谱：124个健康个体的数据集和药物靶标

资源免疫疾病变体调节调节性CD4+ T细胞图形摘要亮点d来自124个个体的CD4 Treg细胞中的基因表达和染色质活性的数据集d3，685个基因和7，195个染色质区域的数量性状基因座（QTL）图谱dTreg细胞QTL和免疫疾病GWAS变体的共定位以指定药物靶标作者放大图片作者：Dafni A. Glinos，NataliaKunowska，. Ian Dunham，David J.Roberts，Gosia Trynka通信gosia@sanger.ac.uk（G.T.），dafni. gmail.com（D.A.G.）简言之调节性T细胞（Treg细胞）在维持适当的免疫应答中起着至关重要的作用，但它们在循环血液中的低频率导致了有限数量的可用基因组资源。在此，Bossini-Castillo、Glinos等人提供了从124个健康个体分离的Treg细胞中的基因表达调控和染色质活性的详细图谱。Bossini-Castillo等人，2022，细胞基因组学2，1001172022年4月13日，作者。https://doi.org/10.1016/j.xgen.2022.100117染色质活性（H3K27ac）124例健康外周献血者血液调节性T细胞基因启动子（H3K4me3）染色质可及性（ATAC-seq）CD127基因表达（RNA-seq）TSSTESTreg基因表达QTL SNP基因疾病SNP染色质活性抗原呈递细胞基因组位置AAAB基因型BB基因组位置对抗原呈递细胞的CD4 T细胞调节性T细胞固有Treg功能的调节基因组位置AAAB基因型BB常规T细胞影响功能CD4 T细胞等位基因B等位Treg细胞等位基因B等位校准的读数计数校准的读数计数CD25p值序列读数+会会开放获取资源免疫疾病变体调节调节性CD4+ T细胞中的基因表达Lara Bossini-Castillo，1.8Dafni A.Glinos，1，2，8，*Natalia Kunowska，1Gosia Golda，1Abigail A.Lamikanra，3，4麦克拉斯皮策，5，6布拉戈耶索斯基奇，1，6埃迪卡诺加梅斯，1，6黛博拉J史密斯，1，6克莱尔卡特莫尔，1考尔阿拉苏，1，7爱丽丝曼，1库西克昆杜，1安娜洛伦茨，1妮可索兰佐，1伊恩邓纳姆，5，6大卫J。Roberts，3，4and Gosia Trynka1，6，9，*1Wellcome Sanger Institute，Wellcome Genome Campus，Cambridge，UK2纽约基因组中心，纽约，美国3NHS血液和移植，牛津，英国4英国牛津大学拉德克利夫医学系BRC血液学主题5欧洲分子生物学实验室，欧洲生物信息学研究所（EMBL-EBI），Wellcome Genome Campus，Hinxton，Cambridge，UK6Open Targets，Wellcome Genome Campus，Cambridge，UK7Institute of Computer Science，University of Tartu，Tartu，Estonia8这些作者贡献相当9引线触点* 通信：gosia@sanger.ac.uk（G.T.），dafni. gmail.com（D.A.G.）https://doi.org/10.1016/j.xgen.2022.100117总结识别疾病相关变异失调的细胞功能可能涉及细胞疗法中药物靶向或调节的新途径。然而，如果疾病相关细胞类型难以取样，则后续研究可能具有挑战性。与免疫疾病相关的变异指向CD4+调节性T细胞（Treg细胞）的作用我们绘制了Treg细胞中基因表达和染色质活性的遗传调控（数量性状基因座[QTL]），并确定了133个与免疫疾病变体共定位的基因座免疫疾病全基因组关联研究（GWAS）变体与控制CD 28和STAT 5A表达的表达QTL（eQTL）的共定位，参与Treg细胞活化和白细胞介素-2（IL-2）信号传导，支持Treg细胞对免疫疾病病理生物学的贡献。最后，我们确定了7个已知的药物靶标，适合药物再利用，并建议63个目标与药物追踪的证据中的GWAS信号，共定位与Treg细胞QTL。我们的研究是第一次深入表征免疫疾病变体对Treg细胞基因表达调节和Treg细胞功能失调的影响。介绍通过全基因组关联研究（GWAS）绘制的数千种疾病变体为疾病生物学提供了遗传锚，但GWAS信号的功能解释一直具有挑战性，因为绝大多数变体是非编码的。将遗传变异与下游效应联系起来的一种方法包括表达数量性状基因座（eQTL）作图，其中转录水平与遗传多态性相关。1然而，由于遗传变异之间的连锁不平衡（LD），所鉴定的eQTL通常导致数十至数百个相关变异与基因表达水平的关联，因此不能指定因果调节变异。通 过 使 用 染 色 质 可 接 近 性 或 组 蛋 白 修 饰 （ 染 色 质 QTL[chromQTL]）对染色质活性进行QTL定位，可以进一步推断基因表达变化背后的确切调控变体的优先顺序。在这种方法中，调节染色质标记的活性水平的变体可以与chromQTL功能. 2eQTL和chromQTL的组合提供了一个强大的工具包，用于将非编码变体与表达受调节的基因最后，疾病GWAS信号与此类QTL的共定位3可以指向致病基因和疾病关联的潜在机制，因此将疾病相关变体与失调途径和新药靶点联系起来。与常见免疫介导的疾病相关的GWAS变体，如炎症性肠病（IBD），1型糖尿病（T1D）和类风湿性关节炎（RA），富含活性染色质标记，这些标记标记了CD4+ T细胞中的增强子和启动子，特别是调节性T细胞（Treg细胞）。4免疫表型研究已经显示，循环Treg细胞的异常数量7、8和Treg细胞的抑制功能缺陷导致调节异常。CellGenomics 2，100117，April 13，2022？作者。1这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。会开放获取资源2细胞基因组学2，100117，2022一124例健康供体调节性T细胞基因表达（RNA）染色质可及性（ATAC）染色质活性（H3K27ac）共定位GWAS和QTL信号QTL SNP疾病SNP外周血CD127基因启动子（H3K4me3）AA Aaaa基因型基因组坐标B40 k30kcaQTLpromQTLactQTLC1.000.7520k0.5010keQTL0.250RNAATACH3K4me3H3K27ac0.00> 0.05> 0.1> 0.2> 0.3> 0.4> 0.5差异解释D400k439,582SNP总数：5，761，739在高峰EeQTL + chromQTL+峰eQTL+chromQTLeQTL+峰eQTL300keQTL基因1,0351112,020200k100k065,88555,17738,50730,44122,21717,815actQTL+ eQTL +染色体QTLactQTL峰值0255075100的峰值eQTL+ chromQTLeQTL+ chromQTL特征百分比图1. 定位的Treg细胞QTL(A) 我们研究设计的示意图。(B) 每个基因组测定定义的特征数和每个类别中的显著QTL数。(C) 由遗传变异和染色质标记解释的eQTL基因表达方差的比例。我们认为顺式调控元件在±150 kb的窗口从基因。显示的是基因的累积贡献，其解释方差的比例增加。(D) 测试的遗传变体的功能分类具有紫色轮廓的条表示当QTL变体映射到任何染色质峰时的实例类别是相互排斥的。(E) eQTL基因（顶部）和actQTL峰（底部）的分类。基于eQTL变体与chromQTL的注释以及与染色质峰的重叠对eQTL基因进行分类。eQTL + chromQTL +peak，eQTL变体也导致chromQTL和定位在染色质标记峰内的eQTL变体之一的eQTL基因的数量; eQTL + chromQTL，eQTL变体也导致chromQTL但没有变体定位在任何染色质标记峰内的eQTL基因的数量; eQTL + peak，eQTL变体定位在染色质标记峰内但没有检测到chromQTL效应的eQTL基因的数量;eQTL，我们无法将eQTL变体定位到染色质标记峰或将其与chromQTL相关联的eQTL基因的数量actQTL峰值（图例接下页）actQTLactQTL +actQTL+ eQTLchromQTL+peak573 4996071，1921,41937,684（41,45037,954（41,455所有遗传变异H3K27acH3K4me3ATACH3K27ac +H3K4me329,6204,290(13%）8,8323,685(29%）SNP数量519CD25数量的特征校准的读数计数基因百分比细胞基因组学2，100117，2022年4月13日3资源会开放获取免疫疾病患者的免疫应答，912，13总而言之，Treg细胞中基因表达失调的遗传锚和指向该细胞类型功能受损的免疫表型研究强烈表明，识别遗传变异调节Treg细胞功能的机制可能具有重要的临床意义。此外，扩增Treg细胞数量和增强Treg细胞抑制能力并将其加强到患者体内的离体方法在T1 D1417尽管Treg细胞在维持适当的免疫应答中起关键作用，但它们在循环血液中的低频率导致有限数量的可用基因组资源。182，21在这里，为了在与疾病生物学密切相关的细胞类型的背景下解释免疫疾病变体，我们生成了从124名健康个体中分离的Treg细胞中基因表达调控的第一个详细图谱我们总共鉴定了10，880个QTL效应（3，685个eQTL和7，195个chromQTL）。与密切相关的幼稚CD4 T细胞以及单核细胞相比，我们观察到仅在Treg细胞中检测到21%的eQTL和29%的活性增强子和启动子QTL。通过共定位Treg QTL与14种不同免疫疾病相关的变体，我们鉴定了133个在Treg细胞中具有功能相关性的GWAS位点免疫疾病GWAS信号与68个免疫疾病基因座上的功能性相关变异的染色体QTL的重叠我们将Treg细胞eQTL基因分配到81个免疫疾病位点。在52个位点上，我们检测到与chromQTL的共定位，我们无法链接到下游基因靶点，这表明基因调控效应可以在细胞状态特异性背景下表现出来。最后，我们使用优先的基因来识别重新利用的药物，并定义新的验证目标。我们的研究提供了一个从免疫疾病相关变体，通过调节Treg细胞中的基因表达，到新的治疗选择的翻译途径结果Treg细胞中基因表达调控的综合目录为了鉴定控制从健康献血者分离的Treg细胞中的基因表达调控的遗传变异（图S1;表S1），我们使用RNA测序（RNA-seq）（124例个体）、染色质可及性使用测序（ATAC-seq）（73个个体）、使用H3 K4 me 3的启动子（88个个体）和使用H3 K27 ac的活性增强子和启动子区（91个个体;图1A）的转座酶可及染色质测定。我们检测到12，517个基因的表达，而染色质分析揭示了39，134个可接近区域，39，409个H3K4me3标记的启动子区域和33，910个H3K27ac标记的活性染色质区域（图1B和S2）。大多数映射的调控染色质特征彼此重叠（图S2A）。与先前的研究一致，24、27、28我们观察到H3K4me3和染色质可接近区域集中在转录起始位点（TSS）附近，而H3K27ac标记更远端的基因调控元件（图S2B）。与先前描述的DNA 乙酰化模 式一致，H3K27ac 峰比H3K4me3和ATAC峰宽（图S2C）。此外，峰中读数的分数和重复之间的相关性证实了定义特征的质量（图S2D和S2 E）。使用62个样本，我们有完整的信息，包括遗传变异，染色质谱，和整个转录组，我们估计的百分比基因表达变异解释的遗传成分和染色质调控功能。我们观察到驱动转录变异性的主要成分是常见的遗传变异;对于75%的eQTL基因，我们能够解释5%或更多的表达变异（图1C）。通过添加染色质标记（H3K27ac、H3K4me3和ATAC）和共同遗传变异的组合，我们能够解释所有eQTL基因的5%或更多的基因表达方差。这种额外的基因表达变异性主要由H3K27ac和H3K4me3的组合引起。这些结果与先前关于其他原代免疫细胞的报道一致。24总之，基因表达方差分解分析表明，遗传变异对基因表达调控的贡献最大，并且遗传调控存在于转录组和染色质标记水平。因此，通过将遗传变异与基因表达和染色质调控特征联系起来，我们期望我们的Treg细胞数据集能够提供对免疫疾病GWAS基因座的翻译见解。接下来，我们进行QTL定位以定义Treg细胞中受遗传控制的基因和染色质特征（STAR方法）。我们检测到3，685个基因（29%）和总共125，650个eQTL变体（eQTL）的至少一个独立关联（图1B我们利用染色质可及性（caQTLs，1，450;4%）、H3 K4 me 3（promQTLs，1，455; 4%）和H3 K27 ac共定位了7，195个（actQTL，4，290; 13%）组蛋白标记，其对应于9，292个非重叠峰区域，与152，648个chromQTL变体相关。在H3 K27 ac特征中检测到大多数chromQTL（4，290个actQTL;图1B）。在所有分析的基于用eQTL注释actQTL变体并与染色质峰重叠来分类actQTL + eQTL + chromQTL，也导致eQTL和额外的chromQTL的actQTL的数目;actQTL + eQTL，也导致eQTL的actQTL的数目;actQTL + chromQTL，也导致额外的chromQTL的actQTL的数目; actQTL + peak，在没有额外的chromQTL或eQTL的情况下定位在染色质标记峰内的actQTL的数目; actQTL，我们不能将变体定位到染色质标记峰或将它们与额外的chromQTL或eQTL相关联的actQTL的数目。4细胞基因组学2，100117，2022会开放获取资源遗传变异（5，761，739）、439，582（7%）落在峰值内;然而，只有一小部分定位在染色质特征中，并且还与chromQTL（38，507个SNP; 0.7%）、eQTL（22，217个SNP; 0.4%）或两者（17，815个SNP; 0.3%;图 1D）连锁对于所有eQTL基因的28%（1，035），我们观察到至少一个eQTL 变 体是 chromQTL并 且也 物 理上 位 于 染色 质 峰中 （ 图1E），并且对于另外2，020个eQTL基因，我们能够将eQTL变体与染色质峰联系起来，尽管没有检测到QTL对染色质特征的影响。这种重叠的一部分可能不是功能性的，因为染色质调控特征在整个基因组中是丰富的，因此可能会偶然重叠常见的遗传变异。有趣的是，我们不能将大多数actQTL变体与eQTL联系起来（图1E），这暗示这些调控区可以在特定的细胞环境下或通过多种调控元件的相互作用来调节基因表达。定义Treg细胞中的基因表达调控我们试图在我们的Treg细胞数据集特异性的基因表达和染色质调节水平上鉴定QTL效应，并且在公开可用的数据中测定的其他免疫细胞中不存在。然而，我们认识到，这种比较可能会受到技术偏差引入的混淆因素的影响，例如样本处理的差异。因此，我们使用了来自免疫细胞eQTL表达表观基因组学数据库（DICE）联盟取样的91个个体的转录组学数据，其中18个个体的不同免疫细胞类型来自相同供体（STAR方法）。我们检索了幼稚T细胞和记忆Treg细胞的数据，以直接估计可复制eQTL效应的比例。作为比较，我们包括经典单核细胞，因为我们预期与Treg细胞相比共享程度较低。 我们使用成对pi1评分，29估计发现和复制队列之间复制的真阳性关联的比例。实际上，我们观察到在我们的Treg细胞群组中检测到的eQTL在DICE数据中的记忆Treg细胞（pi 1= 0.85）和初始T细胞（pi = 0.84）中高度复制，而在单核细胞中共享较低（pi 1 = 0.71;图S3 A和S3 B）。在DICE Treg细胞组群中检测到的eQTL在我们的Treg细胞数据集中复制得更高，并且与DICE初始T细胞相比也复制得更高，这意味着我们复制了大多数DICE eQTL，这可能是由于样品大小的差异和我们的数据集中平均测序深度更大（图S3B）。在确认我们的数据集捕获了与Treg细胞生物学相关的效应之后，我们接下来使用来自BLUEPRINT项目的CD4幼稚T细胞，24因为它在与我们相似的队列（197名英国健康个体）中分析了转录组和H3K27ac。同样，我们包括单核细胞，因为我们预期与初始CD4+ T细胞相比共享更低。我们观察到大多数eQTL（69%;图2A;表S2）与初始CD 4 T细胞共有，具有相似的效应大小和相同的效应方向（图S4A和S4 B）。Treg细胞与初始T细胞之间的eQTL效应相关性（Spearman R2 = 0.93）高于Treg细胞与单核细胞（斯皮尔曼R2 = 0.76），也得到了pi1估计值的证实（图2B和2C）。尽管Treg细胞和其他两种细胞类型之间共享大量eQTL，但我们将775个基因（所有eQTL基因的21%）分类为对我们的Treg细胞数据集特异性的，包括仅在Treg细胞中表达的92个基因（仅在初始T细胞中表达的187个基因和仅在单核细胞中表达的384个基因之间的交叉;STAR方法;图 2A和S4B）。在这775个基因中，与来自DICE聚生体的幼稚T细胞和单核细胞相比，695个基因也仅在Treg细胞中检测到，而来自DICE聚生体的幼稚T细胞和单核细胞中的695个基因仅在Treg细胞中检测到。与DICE聚生体相比，92个基因仅在Treg细胞中表达，82个基因也仅在Treg细胞中表达（图S4C）。与在所有细胞类型中表达的基因相比，在Treg细胞中特异性表达但在其他两种细胞类型中不表达的eQTL基因显示出较低的表达水平（图S4D）。因此，一些eQTL效应可以与其他细胞类型共享，并且我们研究的更高测序深度使得能够捕获这些基因的转录本，而它们在BLUEPRINT数据集中未检测到。在Treg细胞特异性eQTL中，存在许多免疫功能调节所必需的基因，包括TNFRSF 14（错误发现率[FDR] =2.86× 10- 4），一种将淋巴细胞吸引向上皮细胞的趋化因子（图2D）。在单核细胞中也发现了TNFRSF14eQTL，但变体处于低LD，而在幼稚T细胞中，该基因以非常低的水平表达。为了比较所有三种细胞类型中相同峰区域的遗传效应，我们对从所有细胞类型合并的读数进行了峰调用（参见STAR方法）。当我们比较三种细胞类型的actQTL时，我们观察到1，307个（29%）actQTL是Treg细胞特异性的（图2A和S4B）。尽管所有峰间效应量的一致性很小（Spearman R2% 0.28），但具有共享QTL的峰表达了相似的效应量（R2R 0.84;图2 B）。如所预期的 ， Treg 细 胞 和 初 始 T 细 胞 之 间 的 效 应 大 小 的 相 关 性（SpearmanR2 = 0.94）高于Treg细胞和单核细胞之间的效应大小的相关性（SpearmanR2 = 0.79;图S4 A）。来自pi 1分析的结果也反映了我们从RNA观察到的Treg细胞QTL的复制在幼稚数据集中比单核细胞中更高（图2C）。在Treg细胞特异性actQTL效应中，我们观察到FCRL 3基因的启动子中的峰（chrl：157，693，404-30Treg细胞QTL与免疫疾病基因座共定位为了将疾病相关基因座精细定位到致病基因和变体，我们接下来将Treg细胞QTL结果与来自常见免疫疾病的GWAS信号整合。我们应用贝叶斯框架来测试疾病相关变体和Treg细胞QTL信号的统计共定位。31总的来说，我们检测了1,290个与14种免疫介导疾病相关的独特GWAS基因座：过敏性疾病（ALL）、强直性脊柱炎（AS）、哮喘（AST）、乳糜泻（CEL）、克罗恩细胞基因组学2，100117，2022年4月13日5FDR =0.0024贝塔=-0.29FDR = 8.52x10-8β =-0.43资源会开放获取AeQTLactQTL0 2550 75100与幼稚细胞共享与单核细胞与两种细胞类型T共享基因/峰的比例RNA H3K27acBRNA H3K27acC单0.790.810.840.84Spearman1相关性RNAH3K27ac1.00.827ac0.900.75天真Tregs0.93110.650.540.470.94110.280.160.140.60.40.20.00.600.450.30D单核细胞共享QTLTNFRSF14初始TregE单核细胞发现细胞类型FCRL 3启动子峰天真Treg612FDR = 1β =-0.052FDR = 1β =0.147FDR = 3.47x10-8β =0.3571048260AA GA GG AAGAGG AA GA GG4CC CT TT CC CT TT CC CT TTCHR1：2565210_G_A CHR1：157668993_C_T图2.在调节性T细胞、CD4+幼稚细胞和单核细胞中鉴定的eQTL和actQTL的比较(A) 与初始T细胞和单核细胞相比，Treg细胞特异性的eQTL和actQTL的比例(B) eQTL和actQTL的三种细胞类型之间的成对pi 1得分。(C) 所有eQTL和actQTL的相同基因或峰与变体对的回归斜率之间的Spearman相关性（彩色）和仅共享对的回归斜率之间的Spearman相关性（灰色）。（D和E）Treg细胞特异性（D）eQTL和（E）actQTL的实例FPM，每百万个片段;TPM，每百万个转录物FDR错误发现率(VIT)（参见STAR方法和表S3）。具有最高数量的共定位（超过20个共定位信号）的疾病包括IBD、UC、CD、ALL、T1D、VIT和PBC（图3A和S5A）。观察到的大量共定位与先前的工作一致，这些工作涉及Treg细胞在所有这些疾病的病理生物学中的作用5，6，32-34，并且在一定程度上也反映了总的来说，免疫介导的疾病比非免疫介导的疾病（如2型糖尿病或抑郁症）显示出更多的Treg细胞QTL共定位。共定位eQTL中有4个在3种或3种以上疾病之间共享，包括BACH 2（T1D、AS和MS）、SUOX（ALL、VIT和T1D）、TYK 2（PBC、RA、SLE和T1D）、和ZFP 90（PS、ALL和UC）。BACH2基因座还含有一个actQTL(chr6 90264695与ALL、AST、MS、CEL、VIT、CD和IBD共定位类似地，SUOX与T1 D、ALL和VIT的actQTL（chr 12：55，989，136 -56，011，728）、promQTL（chr 12：55，996，308 - 55，998，877）和caQTL（chr 12：56，041，233 - 56，042，198）共定位我们观察到与Treg细胞actQTL共定位的数量最多。还有一些与多种病害共定位的染色体QTL，但没有相应的共定位eQTL。其中，我们鉴定了（1）CXCR 5上游的一个区域，该区域与actQTL（chr 11：118，866，698PBC）;（2）LRRC 32上游的actQTL（chr 11：76，586，431176917044771023757384单声道0.78 0.8 1 0.57 0.53 1pi1RNAH3K幼稚0.9 1 0.75 0.82 1 0.36电话：+86-071 - 82200001307775所有LO G2TPM+1复制细胞类型LO G2FPM+16细胞基因组学2，100117，2022会开放获取资源图3.免疫性疾病GWAS基因座和Treg细胞QTL的共定位(A) 与不同免疫疾病GWAS位点共定位的Treg细胞eQTL和染色质QTL的分布括号中的数字是与该性状相关的状态独立条右侧的数字对应于共定位测试的特征（基因或峰）的总数。ALL，过敏性疾病（哮喘、枯草热和湿疹）; AST，哮喘; CD，克罗恩(B) 与不同类型Treg细胞QTL共定位的GWAS位点的分布。(C) 与单核细胞、初始T细胞和Treg细胞eQTL和actQTL共定位的免疫GWAS基因座的数量。SLE、ALL和PBC）和promQTL（chr 17：39，912，458我们观察到疾病基因座和至少一个Treg细胞QTL之间的360个显著共定位，对应于133个独特的GWAS基因座（图3B;表S3）。在133个独特的GWAS位点中，50个位点仅与eQTL共定位，52个位点仅与chromQTL共定位与转录组和染色质证据的共定位影响37个eQTL基因的表达，乙酰化的31个actQTL峰，甲基化的10 promQTL峰，和11个caQTL位点的可及性。在与Treg细胞eQTL和chromQTL共定位的免疫疾病GWAS位点中，31个位点 中 有 27 个 包 含 actQTL （ 87% ） 。 最 后 ， 对 于 绝 大 多 数（79%）的位点，我们观察到的疾病信号共定位与两个或两个以上类型的QTL，风险等位基因的影响传播在同一方向。例如，与UC变体共定位的CCL20eQTL，由chr2：228，670，575标记，并且风险等位基因导致基因表达降低，降低的H3 K27乙酰化（chr 2：227，804，673-然而，在10个位点，我们观察到疾病等位基因导致不同类型QTL之间的相反效应，表明基因表达调控的复杂机制（表S3）。我们系统地研究了与Treg细胞QTL共定位的所有免疫疾病信号，以将疾病相关信号细化为功能变体集并命名致病基因。我们将共定位位点分为三类。第1层基因座包含31个信号，其中GWAS关联与eQTL和染色质QTL共定位（图3B;表S4）。其中，在25个位点，相关的变体也位于chromQTL峰内。这类基因座是功能上细化疾病关联的最具信息性的，因为我们能够将GWAS信号与基因和调节基因表达的功能性染色质元件联系起来。第2层基因座包含50个信号，会开放获取资源细胞基因组学2，100117，2022年4月13日7（图例见下页）会开放获取资源8细胞基因组学2，100117，2022只与eQTL共定位。在这种情况下，我们无法将关联信号细化为功能变体集，但我们能够将GWAS信号与候选致病基因联系起来。最后，第3层中的52个位点包括与染色质QTL共定位的GWAS信号，但不包括eQTL。其中，在40个基因座处，GWAS变体与染色质QTL峰重叠，提供了进一步的线索以优先考虑GWAS基因座处的功能变体（表S4）。最后，第3层基因座代表了大多数共定位。我们假设，基因表达的影响可以表现在细胞状态的具体情况。为了进一步提名由与actQTL共定位的变体调节的候选基因，我们使用了静息和活化Treg细胞转录组数据（参见STAR方法）并定义了在细胞活化时非特异性表达的QTL峰附近的基因（表S5）。该分析优先考虑与44个疾病共定位actQTL相关的124个基因我们继续对这些基因座进行等位基因特异性表达分析，并验证了这些基因中的36个基因相对于前导GWAS变体显 示 出 不 平 衡 表 达 （ STAR 方 法 ） 。 同 时 ， 我 们 使 用 来 自FANTOM 5- 35的基因表达的帽分析（CAGE）数据，并将50个疾病共定位作用QTL的增强子使用与374个基因的TSS表达相关联（STAR方法）。重叠这些方法，我们发现34个actQTL连接到56个基因差异表达的Treg细胞刺激，其中23个显示等位基因特异性表达，包括CD247，LRRC32，和PRDM1。因此，对于基因座的子集，我们基于跨平台的等位基因和基因表达证据编制了候选基因靶点列表。接下来，我们评估了哪些鉴定的与免疫疾病变体共定位的eQTL在显示与Treg细胞eQTL共定位的81个GWAS基因座中，31个是Treg细胞排他性的并且不存在于初始T细胞或单核细胞中（图3C、S5C和S5D）。78个actQTL中有21Treg细胞特异性共定位eQTL中的三个也与Treg细胞actQTL具有特异性共定位：与UC和IBD共定位的MAP 3 K8;与PBC共定位的IFITM 1;以及与ALL共定位的TLRTreg-细胞共定位actQTL富集JUN、GATA 3和STAT 6转录因子（表S6）。共定位Treg细胞QTL优先考虑免疫疾病致病变体和基因使用与染色质QTL峰重叠的第1层和第3层基因座，我们将68个GWAS基因座的信号从48个相关变异的中位数细化为6个功能变异，基因座（图4A;表S4和S7）。在68个基因座中，在45个实例中，我们观察到遗传变体另外重叠开放染色质峰，从而允许我们进一步优先化功能变体，从平均13个功能变体到平均每个基因座两 个 变 体 ， 包 括 BACH 2 、 CD 28 （ 图 S6 ） 、 CENPW 、HERC2、JAZF 1、MAP3K8、PIM 3、RERE、STAT 5A和THBS 3基因座，这些基因座与eQTL共定位并被细化为单个功能变体（图4B;表S4）。在先前统计学上精细定位的基因座的情况下，其中关联已被细化到罕见变体或单倍型，如CD28、BACH 2、CTSH和TYK 2，36，37，来自Treg细胞QTL共定位的信息优先考虑其他功能变体。Treg细胞排他共定位以及Treg细胞actQTL特异性共定位表明调节Treg细胞生物学特征的通路。因此，我们更详细地研究了用IBD GWAS信号的Treg细胞排他共定位，所述IBD GWAS信号由chr 10：30，401，447（rsl 0826797）变体标记，所述变体与actQTL共定位，所述actQTL调节在MAP 3 K8的TSS处的6-kb-大（chr 10：30，432，917-IBD危险等位基因降低了H3K27的乙酰化水平，下调了MAP3K8的表达。其中只有一个SNP，chr10：30，434，664（rs306588）与一个1.5kb的ATAC峰（chr10：30，433，210表S3和S7）。该方法将来自30种GWAS变体的IBD相关信号细化为调节MAP3K8表达的单一功能候选变体，MAP3K8是调节FoxP3（Treg细胞标志转录因子）的DNA结合活性的激酶。38在另一个实例中，我们观察到与过敏相关的基因座39（由索引SNP chr 17 ： 42 ， 262 ， 844 [rs7207591] 标 记 ） 与 STAT5AeQTL（p = 3.93 10- 6）以及与80-kb actQTL（chr 17：42，219，755-该峰与STAT5ATSS重叠。近一半的变态反应变体的LD区块（93个SNP中的55个）与调节的actQTL峰重叠，并且变体之一chr 17：42，266，938（rs34129849）也定位于位于STAT 5 B基因的内含子1中的629-bp开放染色质区域（chr 17：42，266，595STAT 5介导的通路的调节可能涉及对Treg细胞功能的广泛影响，因为STAT 5A调节白细胞介素-2（IL-2）受体下游基因的表达，这对于Treg细胞发育和功能至关重要。40图4.与Treg细胞QTL共定位的免疫疾病关联的功能改进(A) X轴上的LD块（前导GWAS信号及其代理R2R 0.8）中的SNP的数量和y轴上的定位在chromQTL峰值内的SNP的数量(B) LD块中映射到chromQTL内的SNP数量在x轴上，映射到chromQTL和另外的ATAC峰内的SNP数量在y轴上。（C和D）从上到下，该图显示了基因注释轨迹; ATAC-seq、H3 K27 ac和H3 K4 me 3 ChM-seq的染色质景观;疾病的区域关联图; eQTL和actQTL关联p值，集中于通过纯合基因型分层的H3 K27 ac景观;以及基因型分层的eQTL和actQTL小提琴图。(C)显示了与IBD相关的基因座，其由与MAP 3 K8 eQTL和chr 10：30，432，917 - 30，439，043 actQTL共定位的chr 10：30，401，447（rsl 0826797）SNP标记。(D)显示了与过敏相关的基因座，其由与STAT 5A eQTL和chr17：42，219，755 - 42，299，818 actQTL共定位的chr 17：42，262，844（rs7207591）SNP标记。CQN，条件分位数归一化读数; SPMR，每百万读数的信号。会开放获取资源细胞基因组学2，100117，2022年4月13日9一小分子抗体chromQTLIBDCDUCALLASTCELMSPBCPSRASLET1DVITAS处理性临床优先发现优先或高度易处理预测可处理chromQTL存在基因表达增加减少B抗原呈递监管常规途径中的基因：共刺激通过CD28家族TNF信号传导IL10信号转导图5.与Treg细胞QTL的免疫疾病共定位为药物靶标提供信息(A) 与具有药物可追踪性证据的免疫疾病GWAS变体共定位的第1层和第2层基因座（绿色）。粗体是Treg细胞特异性eQTL。临床优先，被批准用于患者治疗或进行临床试验的小分子或抗体靶向的基因;发现优先，显示出结合小分子的基因产物;预测易处理，预测小分子易处理的基因;易处理的高置信度，作为抗体药物靶标具有高预测易处理性的基因产物;易处理的中低置信度，作为抗体药物靶标具有预测易处理性的基因产物。NDUFS1不是直接靶向的，而是靶向复合物的一部分。(B) 在CD 28共刺激（橙色）、TNF（蓝色）和抗炎IL-10（绿色）途径中具有易处理潜力的第1层和第2层基因。Treg细胞QTL强调CD 28共刺激、肿瘤坏死因子和IL-10信号通路用于药物靶向尽管GWAS在绘制疾病风险变异方面取得了成功，但将这些发现转化为药物靶点的努力一直具有挑战性。因此，我们使用OpenTargets Platform41系统地评估与免疫疾病信号共定位的eQTL是否识别已知和潜在的新药物靶标（参见STAR方法）。在与免疫疾病共定位并且可以在开放靶标平台中测试的91个eQTL基因中，我们发现了9个（第1层：BLK、CD28、PIM 3、PTGIR和TNFRSF9，以及第2层：ERAP 2、NDUFS 1、TNFRSF 1A和TYK 2;图5A），其已经被已知药物靶向并且用于临床实践或进行临床试验。这些eQTL基因中的七个可以被考虑用于药 物再利用 ：ERAP 2、NDUFS 1、PIM 3、PTGIR 、TNFRSF1A、TNFRSF9和TYK2，其中三个是Treg细胞特异性eQTL。然而，靶向这些基因的大多数药物用于癌症治疗，其中所需的效果包括抑制Treg细胞的抑制能力，与寻求增强Treg细胞功能的免疫疾病相反。然而，该分析强调了一些潜在的候选药物，例如，NDUFS1eQTL和CD之间的共定位，其中疾病风险等位基因增加基因表达，表明二甲双胍的再利用，其靶向NADH脱氢酶复合物（而不是直接NDUSF1）。二甲双胍目前用于治疗2型糖尿病;在MS患者的临床试验中，它增加了Treg细胞的数量，42在体外研究中，它促进了Treg细胞增殖。43此外，我们观察到63种基因尚未成为临床治疗的一部分，但具有药物易处理性证据，其中47种被归类为高度易处理的（其中8种对Treg细胞具有特异性;图5A;表S8和S9）。我们使用OpenTarget细T细T细活化增殖存活率细胞因子生产维护细胞周期抑制凋亡会开放获取资源10细胞基因组学2，100117，2022易处理性（可药性）的定义，其基于蛋白质中可用于小分子结合的结合位点的可用性、基于抗体的治疗的可接近表位的存在或临床试验中化合物与小分子或抗体以外的形式的报告。高度易处理基因的一个例子是ERAP 2，我们观察到IBD和CD风险等位基因与ERAP 2eQTL共定位增加基因表达，暗示ERAP 2作为验证的靶标。总的来说，我们观察到具有高度易处理性证据的基因落入三种途径：CD 28家族的共刺激（p = 0.012）、肿瘤