Cell | VIS-seq：精准解码疾病特异致病机制——在单细胞水平实现数千个蛋白变体的高通量成像表型解析|ips细胞|丰度|单细胞|变体|致病机制|蛋白|表型

撰文 | 水王星

遗传变异的细胞表型效应并非简单的“良性 - 致病”二元划分，而是呈现复杂的多维连续谱，传统深度突变扫描仅聚焦细胞增殖、蛋白丰度等一维功能指标，既无法捕捉蛋白定位、亚细胞结构、细胞形态等空间表型信息，又在人诱导多能干细胞（induced pluripotent stem ,iPS）等难转导细胞中面临转基因沉默的技术瓶颈，难以系统解析变体与疾病表型的精准关联。

近日，美国华盛顿大学的 William S. Noble研究团队在 Cell 期刊发表题为 Image-based, pooled phenotyping reveals multidimensional, disease-specific variant effects 的最新研究成果，开创性开发变体原位测序技术（Variant In Situ Sequencing，VIS-seq），在单细胞水平实现数千个蛋白变体的高通量成像表型解析，以LMNA和PTEN基因为模型，完整揭示遗传变体从分子到细胞的多维表型级联传导，精准区分疾病特异的变体效应，为遗传病、肿瘤中未知意义变体（variants of uncertain significance ,VUS）的功能解读与疾病亚型分型提供全新范式。

VIS-seq 是本次研究的核心技术突破，该技术基于环形RNA条形码与抗沉默通用表达元件构建表达载体，彻底解决iPS细胞及其分化细胞中转基因沉默的行业难题，同时将原位测序的单细胞reads数提升约13倍，实现极低拷贝数整合下的精准基因型判定；研究通过piggyBac转座实现变体文库的低拷贝整合，结合高通量成像、STARCall图像拼接与基因型匹配、CellProfiler单细胞特征提取，将每个细胞的基因型（具体蛋白变体）与蛋白丰度、定位、聚集状态、细胞器形态、信号通路活性等高维成像表型一一绑定，单轮实验即可完成千万级细胞、数千个变体的多维表型量化，突破了传统功能实验仅能检测单一表型的局限。

研究首先聚焦 LMNA 基因，该基因编码核纤层蛋白A （ Lamin A ），其突变可引发肌营养不良、心肌病、早老症等多种层粘连蛋白病，此前仅知晓部分变体存在蛋白聚集与核形态异常，却无法建立结构 - 表型 - 致病性的清晰关联。团队对1767个 LMNA 中央杆域（178-273位）变体进行VIS-seq解析，发现变体并非呈现均一的功能丧失表型，而是依据形态特征分为 10个稳定表型簇：同义变体主要分布于簇5-7，呈现野生型样表型；簇8-10为聚集型致病变体，表现为核纤层蛋白丰度与核边界定位显著降低、蛋白颗粒化聚集增加、细胞核圆形度大幅下降，与已知致病性变体表型高度吻合；而簇1为全新发现的功能获得型变体，可显著提升细胞核圆形度并增加核内蛋白丰度，这类变体的致病机制完全区别于传统聚集型缺陷。结构层面的深入解析进一步证实， Linker 12柔性连接区的变体特异性驱动核圆形度升高，α螺旋区二聚体界面的变体主要导致蛋白丰度降低，多聚体界面的变体则引发蛋白聚集，这是首次在全变体尺度建立LMNA的一级结构、高级组装与细胞表型的直接对应关系。

针对 PTEN 这一兼具肿瘤抑制与神经发育调控功能的关键基因，其突变可引发PTEN错构瘤肿瘤综合征（PTEN hamartoma tumor syndro me，PHTS）、自闭症谱系障碍伴发育迟缓（ASD/DD）及多种恶性肿瘤，临床中同一基因的不同变体对应截然不同的疾病表型，一维功能检测始终无法实现有效区分。研究在人 PTEN 敲除iPS细胞与NGN2诱导神经元中，对1228个PTEN催化域变体开展VIS-seq分析，同步量化蛋白丰度、脂质磷酸酶活性（pAKT水平）、核质定位三大核心表型，首次发现细胞类型特异的变体效应：43%的变体在iPS细胞中改变蛋白丰度，而在神经元中这一比例升至52%，定位表型则呈现相反的细胞偏好性。更具临床意义的是，研究成功分离出疾病特异的变体表型特征： ASD/DD相关变体以核错位为核心特征，这类变体多为弱功能型，磷酸酶活性与蛋白丰度改变温和，但会异常富集于细胞核；PHTS相关变体主要扰动脂质磷酸酶活性，对定位影响较小；肿瘤相关变体则同时出现丰度、活性、定位的多重严重缺陷，基于这三大表型的分类模型可精准区分三类疾病相关变体，其准确率远高于酵母功能实验、蛋白丰度检测等传统方法。

研究进一步将VIS-seq结果与AlphaMissense、EVE、REVEL等主流变体效应预测工具对比，发现现有计算预测仅能较好关联PTEN变体的磷酸酶活性，对LMNA变体的聚集、核形态异常及PTEN变体的核错位等关键表型预测效力极低，而 VIS-seq的多维表型数据在致病性判定、疾病亚型区分上展现出绝对优势，直接弥补了计算预测与一维功能实验的核心短板。同时研究也客观指出VIS-seq的现存局限：外源过表达可能引入表型假象、手动原位测序耗时较长、部分成像特征的生物学注释难度较高，而自动化测序、内源基因标记、3D类器官模型结合等方向将是技术优化的关键路径。

综上，这项研究创立的VIS-seq技术，首次实现了规模化、单细胞、多维度的蛋白变体功能解析，彻底打破了遗传变体功能研究的一维局限，以LMNA和PTEN为模型清晰揭示了变体效应从分子构象、蛋白定位到细胞形态、疾病表型的传递规律，不仅为层粘连蛋白病、PTEN相关综合征的致病机制解析提供了精准答案，更为人类数千种疾病相关基因的变体功能解读、未知意义变体的临床注释、疾病精准分型提供了可复制的核心技术与方法论，推动遗传变异功能研究进入多维高通量的全新阶段。