Seal：发育期人脑基因调控与变异效应的时空AI建模框架

理解遗传变异如何塑造发育中人脑的基因调控，是神经科学的一个核心难题。学界早已认识到，组织特异性调控区承载了大量神经精神疾病的遗传风险：对201例孕中期人脑的分析鉴定出7,962个eQTL和4,635个sQTL，其中数千个为孕期特异，并证明疾病遗传风险显著富集于产前调控区^[2]；针对672例发育中大脑的跨祖先研究进一步将15,752个基因的调控QTL定位到细胞情境，且显示孕中期的同工型水平调控介导了最大比例的GWAS遗传力^[4]。染色质构象研究则把精神分裂症GWAS中的非编码变异与皮层生成时期的增强子接触联系起来^[3]。与此同时，从早期466个细胞的单细胞转录组普查^[1]，到覆盖393,060个细胞、揭示疾病风险基因时间特异性表达模式的图谱^[5]，细胞与发育阶段特异性被反复证明是理解脑发育疾病的关键维度。但以往发现大多依赖大样本的基因型—转录组配对数据，难以覆盖一过性的细胞类型和阶段，也无法对任意变异的调控效应作出预测；虽然DNA序列深度学习已被用于预测细胞类型特异性调控活性与变异效应，但正确构建和解释此类模型并不容易^[6]。

在这项新工作中，研究者提出Seal，一个可解释的AI迁移学习框架，基于基因组序列对基因表达和变异效应进行建模，分辨率覆盖26个脑区、30种细胞类型和7个发育阶段。针对瞬时细胞类型和发育阶段数据有限的难点，Seal的预测既可刻画生殖系变异，也能评估脑内体细胞变异，并通过将序列变异与特定时空情境中的转录调控因子相关联，提供机制层面的解释。将Seal应用于GWAS，作者识别出与神经精神疾病风险相关的细胞类型和发育时间窗，揭示六种神经精神疾病之间既共享又各具特点的调控架构，且这种异同与临床轨迹相吻合。在Simons Simplex Collection自闭症队列的全基因组数据中，Seal发现瞬时性胎儿兴奋性神经元中de novo调控变异存在显著负荷，呈现出细胞类型与发育阶段特异的调控负担。

相对已有认识，Seal把研究范式从依赖配对基因型数据的QTL关联^[2][4]和基于既有染色质数据的变异—基因映射^[3]，推进到可在脑区、细胞类型与发育阶段的组合分辨率下对序列变异做预测建模，使数据稀缺的瞬时细胞类型也能被系统考察，而这正是描述风险基因表达动态的图谱类研究^[5]无法直接回答的变异效应层面。自闭症队列中指向瞬时胎儿兴奋性神经元的de novo调控变异负荷，也与既往ASD常见与罕见变异在共表达模块中汇聚于皮层神经元的证据相呼应^[2]。

当然，作为预印本，这些结果尚待同行评议与独立验证；摘要本身也承认瞬时细胞类型和发育阶段的数据仍然有限，模型预测如何经受实验检验、能否在更广泛祖先背景的队列中泛化^[4]，以及体细胞变异解释的适用边界，都还有待后续工作回答。