剪接变异和调控突变

剪接变异和调控突变影响基因的加工或表达方式，而不是直接改变氨基酸序列。剪接变异会扰乱内含子的去除和外显子的连接，而调控突变则会改变启动子、增强子或其他非编码元件，这些元件控制着基因转录的时间和程度。由于它们的影响是间接的，因此比编码区变异更难解释。

Definition

剪接变异是改变剪接位点或剪接调控元件识别的DNA变化，从而改变转录本的组装方式；调控突变是启动子或增强子等非编码控制元件中的变化，它改变基因表达而非蛋白质序列。

Scope

本条目涵盖了剪接改变变异的分子后果、更广泛的非编码调控变异类别、用于评估它们的计算和实验工具，以及为什么这些类别带来了独特的解释挑战。它是一个方法学参考主题，而非临床指导。

Core questions

• 变异如何扰乱正常的RNA剪接，以及由此产生的转录本后果是什么？
• 什么是调控（非编码）变异，它们如何改变基因表达？
• 如何预测和测试剪接和调控效应？
• 为什么这些变异比编码区变异更难分类？

Key concepts

• 经典剪接位点变异
• 外显子跳跃和内含子保留
• 剪接调控元件
• 启动子和增强子变异
• 非编码变异
• 剪接预测工具
• RNA水平确认

Mechanisms

经典剪接供体和受体位点或附近剪接调控元件的变异可能导致外显子跳跃、内含子保留或隐秘剪接位点的使用，从而产生异常转录本，这些转录本可能被降解或产生异常蛋白质——这是导致疾病的主要途径，在RNA错剪接综述中有所总结（Scotti & Swanson, 2016）。启动子、增强子和其他非编码元件中的调控变异则改变转录水平或背景；它们的影响是弥散的，并已在模型中被阐述，其中许多调控基因座对复杂性状产生微小影响（Boyle et al., 2017）。由于其后果是间接的，解释依赖于计算预测器——包括从原始序列预测剪接影响的深度学习模型（Jaganathan et al., 2019）——以及在可能的情况下，RNA水平的确认。分类框架将剪接预测视为计算证据的一种，同时强调功能确认（Richards et al., 2015）。

Clinical relevance

剪接改变和调控变异导致遗传性和获得性疾病，并且报告日益增多，因此理解它们难以解释的原因是评估分子发现的一部分。本条目解释了其机制和评估逻辑；它不提供个性化解释或治疗指导。

Evidence & guidelines

在ACMG/AMP框架内，计算剪接预测被视为支持性证据，该框架强调通过功能或RNA研究进行确认（Richards et al., 2015）。深度学习剪接预测器提高了候选剪接改变变异的优先排序能力（Jaganathan et al., 2019）。

History

剪接位点突变是已知最早的遗传疾病分子原因之一，但对非经典剪接和非编码调控变异的系统解释落后于编码区分析。全基因组功能注释以及最近基于序列的机器学习预测器扩展了评估这些变异的能力（Jaganathan et al., 2019）。

Debates

计算预测在多大程度上可以替代剪接效应的功能确认？

计算机剪接预测器能有效标记候选变异，但预测可能不准确，并且在将剪接效应视为强有力证据之前，框架仍要求进行RNA水平或功能确认。

Seminal works

• scotti-2016
• jaganathan-2019

Frequently asked questions

为什么剪接和调控变异比编码变异更难解释？

它们的影响是间接的——影响转录本的组装方式或基因的表达量——而不是直接的氨基酸变化，因此评估它们通常需要计算预测以及RNA水平或功能确认。

什么是经典剪接位点变异？

它是内含子边界高度保守的供体或受体位置的变化；此类变异经常扰乱剪接，并且当基因机制支持时，通常被视为致病性的有力证据。