UK Biobank 467,152 例基因组的表型范围结构变异图谱绘制
A phenome-wide structural variant map from 467,152 UK Biobank genomes.
研究团队基于 UK Biobank 467,152 例全基因组测序数据，对 160 万个结构变异进行表型组范围关联分析（PheWAS），覆盖 13,322 项二分类、2,018 项定量与 2,923 项血浆蛋白性状，结果显示 82.25% 的 SV 超出既往拷贝数变异研究的检测范围。
结构变异通常指长度超过50个碱基对的DNA大片段改变，对这类变异的认识起步很早：2004年有研究在20个个体中鉴定出76个大尺度拷贝数多态，提示其在正常人群变异中的分量[6]；随后基于HapMap 270人的分析刻画了1,447个拷贝数可变区域，约占基因组的12%[3]。随着个体全基因组测序成为现实[4]、从短读长数据检出结构变异的计算方法逐步建立[1]，系统研究具备了技术条件，但与疾病的对接一度受挫：2010年一项对约1.9万人、3,432个多态性CNV与八种常见疾病的关联研究只确认了三个位点，且均为SNP研究已知信号，因为常见CNV大多能被SNP良好标签化[5]。2020年gnomAD用14,891个基因组构建了含433,371个SV的医学与人群遗传学参照，估算SV占每个基因组25-29%的罕见蛋白截断事件[2]，但SV与全谱表型的关联仍缺乏大规模证据。
新研究依托英国生物银行的全基因组测序资源，该资源已覆盖490,640名参与者[7]，上一轮发布规模为150,119个基因组[8]。研究在467,152个基因组中对结构变异开展表型组范围的关联分析，共检验约160万个SV[9]，结果显示SV是人类疾病风险中一个重要且此前未被充分认识的来源；由此生成的资源揭示了与疾病相关的罕见SV和调控区SV，为理解人类生物学提供线索，并有潜力加速药物研发。
相对已有认识，其推进在于规模与变异类型同步扩展。芯片时代的CNV关联研究只能对较常见、较大的CNV分型，结论受SNP标签化限制[5]；gnomAD刻画了群体层面的SV景观，但定位是参照集而非表型关联资源[2]。本研究将近50万基因组与表型组对接，并把分析对象扩展到罕见与调控性SV，这正是摘要明确指出的两类发现。
局限与未解的问题同样清楚：短读长数据对SV的检出在分辨率和假阴性上存在公认难点[1]；样本来源差异（如血液与细胞系来源的DNA）可引入CNV假阳性关联[5]；而从关联信号走向致病机制、再到药物靶点，还需后续功能研究接力。
- 1.Computational methods for discovering structural variation with next-generation sequencing · Nat Methods 2009
- 2.A structural variation reference for medical and population genetics · Nature 2020
- 3.Global variation in copy number in the human genome · Nature 2006
- 4.The complete genome of an individual by massively parallel DNA sequencing · Nature 2008
- 5.Genome-wide association study of CNVs in 16,000 cases of eight common diseases and 3,000 shared controls · Nature 2010
- 6.Large-scale copy number polymorphism in the human genome · Science 2004
- 7.Whole-genome sequencing of 490,640 UK Biobank participants · pmc.ncbi.nlm.nih.gov 2026
- 8.The sequences of 150119 genomes in the UK biobank · biorxiv.org 2026
- 9.A phenome-wide structural variant map from ... · cell.com 2026
基于 467,152 例 UK Biobank 全基因组数据，给出 82.25% 超出既往拷贝数变异研究范围的结构变异图谱与 28,184 项表型关联。
来源：顶刊论文（社媒热度） · doi.org