暑假前

**— layout: mypost title: 暑假前文献阅读和计划安排 category: other subcategory: other-other —

暑假前文献阅读和计划安排

文献阅读

Integrated multimodal cell atlas of Alzheimer’s disease

• 全球首个阿尔茨海默病多模态细胞图谱

2024 NC–Integrating human endogenous retroviruses into transcriptome-wide association studies highlights novel risk factors for major psychiatric conditions

• 如果HERV在一个基因内部（同义链），且基因本身也表达，则有可能是构成了这个基因转录本的一个Isoform; 如果该基因表达低、HERV在反义链、或HERV周围没有基因，则更可能是它自己的转录

Somatic cancer variants enriched in Alzheimer’s disease microglia-like cells drive inflammatory and proliferative states

• 这些microglia-like cells （小胶质样脑巨噬细胞）跟你在mic里看到的亚组有关嘛

stellarscope原文：A single-cell transposable element atlas of human cell identity

• 用hERV定义细胞类型

2024 NC–Single-cell eQTL mapping of human endogenous retroviruses reveals cell type-specific genetic regulation in autoimmune diseases

• 分析非常全面 可以效仿 就是生物学上差点意思

2025 NG–A retrotransposon caught red-handed in a curious case of missing digits

AI-guided multi-omics analysis identifies NPC1-modulated susceptibility to SARS-CoV-2 infection under PM2.5 exposure

• 这篇论文提到了一个比较有趣的方法，用现有的单细胞大模型Geneformer打底，用特定的case/control数据做微调，然后做in silico perturbation找关键基因。可学习下这个思路

Classification and characterization of human endogenous retroviruses; mosaic forms are common

• 近期重磅论文比如cell等里引用参考的HERV的分类

包含脑在内的单细胞atac：https://health.tsinghua.edu.cn/human-scatac-corpus/download.php

2024 NC–hERV + TWAS

2024 NC–Integrating human endogenous retroviruses into transcriptome-wide association studies highlights novel risk factors for major psychiatric conditions

样本情况：CommonMind Consortium(CMC)数据集，人类死后脑的背外侧前额叶皮层(DLPFC)

• 初始样本：910个，表达数据、基因型数据、临床信息，包含无精神疾病诊断442人、精神分裂症350人、双相情感障碍110人
  • 基因型数据：SNP基因型矩阵，比如每个人在某个位点是AA、AG还是GG
• 选择了两个较大的、相对同质的祖源群体：欧洲血统共563人+非洲血统共229人，都是包含患病和健康
  • “把死亡时有精神疾病诊断的个体也纳入SNP权重构建，是因为增加样本量能提高检测cis调控效应的能力”
  • “结果显示，使用完整欧洲样本比只用242个未受影响个体更有统计功效，且两者rTWAS结果高度一致”

数据预处理：

• 基因型QC：去除了杂合率异常的样本、亲缘关系较高的样本、基因型缺失率较高的样本，以及遗传性别和记录性别不一致的样本
  • 杂合率异常：可能提示样本污染、测序/芯片质量问题或群体结构异常
  • pihat>0.2：PLINK中估计的样本亲缘关系指标，>0.2说明两个人可能有较近亲缘关系。TWAS建模一般希望样本近似独立
• fastq处理：Trimmomatic去除低质量碱基和过短reads

第1步：在DLPFC脑组织中定量gene和HERV表达

• 位点级HERV表达定量：Bowtie2 + Telescope
• 常规基因表达定量：
  • kallisto不做传统逐碱基全比对，而是pseudoalignment，速度快，适合转录本/基因表达定量
  • lengthScaledTPM是tximport中常用设置，用TPM回推count，同时考虑长度校正，方便后续统计模型使用
  • biomaRt用于把Ensembl等数据库注释转换成标准gene信息
  • 作者把有HUGO Gene Nomenclature Committee gene symbol的基因定义为canonical genes（常规基因/标准基因），主要是蛋白编码基因
• 表达过滤：把HERV和gene表达矩阵合并，然后只保留在至少20%样本中满足read counts≥6且TPM≥0.1的feature
  • 这个阈值来自GTEx eQTL分析习惯，目的是去掉极低表达、难以可靠建模的feature。对于TWAS来说，表达太稀疏的feature无法稳定估计SNP weights
• 校正协变量：用limma调整表达数据，协变量包括样本来源机构、病例/对照状态、RIN、性别、死后间隔、年龄分组、前10个祖源PC，以及sva计算的surrogate variables
  • limma：常用于表达矩阵线性模型校正
  • RNA完整性指标(RIN)：死后脑RNA质量差异很大，必须校正
  • 死亡到取材间隔(post-mortem interval, PMI)：会影响RNA降解
  • 祖源主成分(population PCs)：用于控制群体结构
  • 未知批次效应或隐含混杂因素(surrogate variables, sva)：例如实验批次、RNA质量残留差异、未记录的技术因素等
  • 年龄分箱：作者把年龄分为17–29、30–49、50–69、70–89、90+，而不是直接使用连续年龄，可能是为了处理非线性年龄效应和>90岁这种顶码记录

第2步：构建SNP weights（遗传变异预测表达）模型

• Fig.1B：在某个局部基因组区域中，如果某个SNP的A等位基因对应某个gene/HERV更高表达，那么就可以学习出这个SNP对表达的权重。“用附近SNP预测某个gene/HERV表达量”
• FUSION TWAS权重计算：在欧洲/非洲CMC子集中分别估计每个gene/HERV的cis遗传调控模型，Expression_gene/HERV ​≈ β₁​SNP₁ + β₂SNP₂ ​+ … + β_k​SNP_k，其中这些SNP都在该feature附近1Mb内
  • 其中使用了BLUP/BSLMM/LASSO/Elastic net/Top SNP模型，这些模型对应不同遗传架构假设。某个HERV表达可能由一个强SNP控制，也可能由多个弱SNP共同控制。FUSION会尝试多种模型，从而提高不同类型feature的预测能力
  • eQTL分析通常逐个SNP-feature配对检验，而TWAS权重构建更像是构建一个由多个cis SNP共同预测表达的模型

• 在DLPFC中能检测到多少HERV？其中多少有cis遗传调控？
  • 欧洲血统563个样本中，检测到4594个表达HERV，其中4289个位于常染色体，1238个有显著cis遗传调控；有15017个表达基因，6956个有cis调控
  • 非洲血统229个样本中，检测到4645个表达HERV，其中4343个位于常染色体，852个有显著cis遗传调控；有15015个表达基因，5464个有cis调控
• 成人DLPFC中确实存在大量可检测HERV表达，而且相当一部分HERV表达能被附近遗传变异调控，为后面做rTWAS提供了前提
  • 非洲组表达HERV数量和欧洲组差不多，但cis-heritable HERV数量更少，作者认为这可能部分来自样本量差异，也可能提示祖源差异

第3步：把SNP weights和精神疾病GWAS结果整合，做rTWAS

• Fig.1C：把表达预测模型和精神疾病GWAS summary statistics交叉整合，找出“被遗传风险牵引的表达特征”
• TWAS：把表达预测模型和GWAS summary statistics整合
  • rTWAS：把TWAS对象从普通gene扩展到HERV
  • 输入：
    • 每个gene/HERV的SNP weights
    • 精神疾病GWAS summary statistics：只包含每个SNP的效应值、标准误、P值等，不需要个体级数据
    • LD reference panel，即与建权重样本相匹配的CMC基因型数据：如果不控制LD，一个区域内多个SNP信号会重复计入

  • FUSION：用GWAS SNP效应和表达预测权重推断“遗传上预测的表达”是否与疾病风险相关

    

    如果某个HERV附近的SNP既能预测HERV表达，又在GWAS中影响疾病风险，那么该HERV就可能出现rTWAS显著

  • TWAS Z-score方向：正值通常表示遗传风险相关等位基因预测更高表达，负值表示预测更低表达，不等同于病例脑组织真实表达升降
  • Bonferroni校正：严格多重检验校正，用于控制全局假阳性

• Manhattan plot（曼哈顿图）：分别对应精神分裂症、双相情感障碍和重度抑郁障碍。横轴是基因组位置，纵轴是TWAS Z-score；灰色水平线是Bonferroni显著性阈值。这里找的特征同时包括基因和hERV，图上标注的是其中的hERV位点部分
  • MER4_20q13.13也在双相情感障碍和精神分裂症rTWAS中出现，且方向一致，提示MER4_20q13.13可能对应精神分裂症和双相障碍的共同遗传风险机制
  • 抑郁症中HERV占比看起来较高，但后续真正进入高可信名单的主要是ERVLE_1p31.1c
  • ADHD和自闭症谱系障碍没有显著HERV信号
• 这里的“风险表达特征”不是说病例中真实表达一定升高/降低，而是说遗传上预测的表达水平与疾病GWAS风险相关
• 这里出现的HERV信号需要后续条件分析判断它是不是独立于周围基因

第4步：用条件分析和fine-mapping筛出更可信的HERV

• Fig.1D/E：先看某个HERV信号是否独立于邻近gene，再看它在同一LD区域中是否最可能解释GWAS信号。最后得到high confidence risk HERVs
  • 连锁不平衡(linkage disequilibrium, LD)：附近SNP常一起遗传，所以一个GWAS峰可能牵连多个gene/HERV表达信号
  • 后验纳入概率(posterior inclusion probability, PIP)：PIP>0.5表示该表达特征比同一区域其它特征更可能解释关联信号
• 条件分析(conditional analyses)：把同一区域的其它显著表达特征纳入后，看目标HERV是否还能解释GWAS信号
  • 一个GWAS locus里可能有多个gene和HERV都显著，因为它们的预测表达模型共享同一批LD相关SNP。条件分析会把同一区域的显著表达特征放在一起，估计谁还能在联合模型中保留信号
  • 这个HERV显著，是因为它自己能解释GWAS信号，还是因为它和旁边某个gene的预测表达高度相关？
  • 如果还能解释，它就更像是独立信号；如果不能，可能只是“蹭到”附近gene或LD结构
  • 方法：还是用FUSION，它不是拿真实表达矩阵直接做条件分析，而是基于遗传预测表达
    • 比如HERV1预测表达 = 0.3×SNP1 + 0.1×SNP2 - 0.2×SNP3
    • GeneA预测表达 = 0.2×SNP1 + 0.4×SNP2 + 0.1×SNP4
    • FUSION用SNP weights和LD矩阵计算二者预测表达的相关性corr(HERV1预测表达, GeneA预测表达)，判断HERV1和GeneA是不是由同一批或高度相关的一批SNP预测出来的，如果相关性很高，那么它们的TWAS信号可能来自同一个遗传信号；如果相关性低，则更可能是独立信号
    • 之后FUSION条件/联合分析会进一步做类似这样的模型disease GWAS signal ~ predicted GeneA expression + predicted HERV1 expression + predicted GeneB expression，然后看每个feature在联合模型中的P值，也就是论文中说的joint P（普通rTWAS是每个feature单独看HERV1 ~ disease risk/GeneA ~ disease risk，也称marginal association边际关联）
    • 如果HERV1单独显著，联合模型里也显著，作者就认为它是一个conditionally independent association
• 用FOCUS在每个LD block内做TWAS fine-mapping（精细定位）：在一个LD block中比较多个候选表达特征，估计谁最可能是因果信号。条件分析回答“是否独立”，回答“在同一区域多个候选表达特征中，谁更可能是因果/主解释信号”
  • PIP越接近1，说明该表达特征越可能是该区域的主解释信号

• 条件分析后的局部区域图：每个小图上半部分是基因组上下文，下半部分是GWAS变异关联信号。灰点是原始GWAS中每个SNP与疾病风险的边际关联P值，蓝点是在条件化该locus中联合显著表达特征之后 每个SNP剩余的GWAS关联P值
  • 如果蓝点明显比灰点低，说明：原始SNP→疾病风险信号有一部分和gene/HERV预测表达信号重合
• GWAS峰：Manhattan plot上纵轴是-log10(p)，p值越小点越高。如果在某个基因组区域里，一群相邻SNP都和疾病显著相关，在图上形成一个像山峰一样的区域
  • 为什么一个区域会有“一群SNP”同时显著：连锁不平衡(linkage disequilibrium, LD)现象——附近SNP常常一起遗传。真正影响疾病风险的可能只有其中一个变异，但它周围一串SNP因为和它一起遗传，也会表现出疾病关联
  • 所以GWAS峰通常说明：这个区域有遗传风险信号，但不一定立刻知道到底是哪个SNP、哪个gene或哪个HERV在起作用

• 上半部分每个点是一个表达特征，纵轴是TWAS关联p值；点的大小和颜色代表PIP；下半部分是这些用遗传变异预测出来的表达特征的相关性
  • 预测表达特征：比如说一个hERV位点和基因的SNP weights模型分别为HERV1预测表达 = 0.3×SNP1 + 0.1×SNP2 - 0.2×SNP3和GeneA预测表达 = 0.2×SNP1 + 0.4×SNP2 + 0.1×SNP4，预测表达是根据一个人的基因型推算出来的表达倾向，预测表达特征就是这些SNP位点，表达特征的相关性就是“hERV1和geneA的遗传预测表达是不是由相似的一批SNP决定”，如果它们相关性很高，说明这两个表达特征的TWAS信号可能来自相同或相近的遗传信号
  • 当然预测表达特征和LD有关：即使MER4和GeneA没有使用完全相同的SNP，但它们的SNP高度LD，那么它们的预测表达也会相关
  • 因此，预测表达相关性 = SNP weights + SNP之间LD结构共同决定的相关性
  • 如果两个feature间是正相关，就说明“预测HERV表达升高的遗传背景也倾向于预测GeneA表达升高”。以ERVLE_1p31.1c区域为例，它出现大片红/蓝结构，说明这个区域里很多候选表达特征的预测表达彼此相关或反相关，这意味着这个区域里多个gene/HERV的rTWAS信号可能互相牵连，不能只看谁的rTWAS P值最小；或者如果两个表达特征的预测表达高度相关，TWAS里它们可能都会显著，这时很难说到底是GeneA还是HERV1在解释GWAS信号，这些时候就要用FOCUS fine-mapping来判断谁更可能解释局部遗传信号

• 作者把“条件分析显著”且“PIP>0.5”的HERV定义为high confidence risk HERVs

GWAS → TWAS/rTWAS → 条件分析 → fine-mapping：一个逐层筛选、逐层提高可信度的流程

• GWAS：SNP → 疾病风险，比如某个区域里很多SNP都和精神分裂症显著相关，于是形成一个GWAS峰，我知道“这个基因组区域和疾病风险有关”，但不知道它是通过哪个功能元件起作用的，可能是geneA/geneB/hERV/增强子，或者只是LD牵连
  • “GWAS发现的风险变异多数是非编码的，因此通常被认为可能影响局部基因调控”
• TWAS/rTWAS：SNP → HERV/gene预测表达+SNP → 疾病风险，如果同一批SNP既能预测某个HERV/gene表达，又和疾病风险有关，TWAS就会说“这个HERV/gene的遗传预测表达与疾病风险相关”
  • 不是说“病人真实表达升高/降低”，而是“遗传上预测的表达高低与疾病风险相关”
• 条件分析：与疾病风险相关的HERV/gene是它独立影响的，还是借用了邻近gene的影响力？或者说，HERV1在考虑GeneA/GeneB/GeneC之后，是否还显著？如果还显著，就是我们想要的真正有影响力的hERV位点
• fine-mapping：在这个LD区域里，它是不是最可能解释该TWAS/GWAS信号的表达特征之一
• high confidence risk HERVs：rTWAS显著 + 条件分析中独立 + fine-mapping中PIP>0.5

第5步：敏感性分析和祖源外推

• 只用欧洲未患病对照构建TWAS weights，再与完整欧洲样本构建的weights比较
  • 加入病例后，样本量增加133%
  • 检测到cis-heritable HERV数量增加85%
  • 用对照only权重和全样本权重做精神分裂症rTWAS，Z-score高度相关，Pearson r=0.95，但对照only分析显著结果减少16%
  • 结论；结果不是明显由病例状态造成的偏差，把病例纳入建模不是为了做病例-对照差异，而是为了增加样本量、提高cis表达调控建模能力
• 尝试跨祖源验证，但结果较弱
  • MER4_20q13.13在亚洲精神分裂症GWAS中有名义显著关联，但不能通过多重检验
  • 用非洲血统CMC权重和非洲裔精神分裂症GWAS时，没有Bonferroni显著表达信号，作者认为主要是GWAS功效不足
  • 结论；目前高可信结果主要限于欧洲血统，不能直接推广到其它祖源

第6步：这些高可信HERV在基因组上是什么关系

• 这些HERV信号到底是独立HERV转录，还是普通gene转录本的一部分

• A：比较高可信HERV和最近常规基因的logCPM表达，结果显示HERV表达普遍低于附近gene。作者认为这符合成人脑中HERV通常受表观遗传抑制的认识
• B：用HOMER注释HERV所在基因组区域，发现约98%的表达HERV位于基因间区或内含子区域
  • intronic HERV：位于某个gene内含子中，不一定就是该gene转录本的一部分
  • 如果HERV和gene同链且gene表达强，可能是gene isoform（基因mRNA前体剪接产生多种mRNA）的一部分；如果反义链、gene不表达或位于基因间区，更可能是独立非编码RNA
• C-D：ERV316A3_2q33.1g与FTCDNL1转录本3’UTR重叠；ERV316A3_5q14.3j位于ADGRV1转录本启动子区域。作者据此认为这两个rTWAS信号可能反映FTCDNL1和ADGRV1的特定isoform
  • 这类HERV信号不能简单解释为“独立HERV RNA”，也可能是HERV参与形成的gene转录本结构。
• E-F：MER4_20q13.13位于PTGIS反义链；ERVLE_1p31.1c位于基因间区，最近基因是NEGR1，附近有ncRNA注释。作者认为这两个更可能代表新的非编码RNA

第7步：HERV可能参与哪些功能网络

• 在欧洲血统563个DLPFC样本中，把常规基因和HERV一起做WGCNA，得到16个表达模块，另有grey模块表示无法归类的特征
• 所有模块都包含HERV，说明HERV表达并不只集中在某个单一网络中，而是分布在多个表达程序里

• A：每个共表达模块中gene和HERV的比例
• B：每个模块的GO富集结果
  • cyan模块：synapse相关
  • blue模块：mitochondria相关
  • greenyellow模块：immune response相关
  • turquoise模块：signal transduction相关
• 作者特别强调turquoise模块：包含1398个常规基因，占27%；包含3815个HERV，占73%；包括Table2中的所有高可信risk HERV；富集于信号转导相关GO term，如G protein-coupled receptor activity和detection of chemical stimulus
• 还做了两类稳健性检查：
  • 调整样本来源、RIN、性别、病例状态、PMI、年龄、祖源PC和surrogate variables后，结果类似
  • 在非洲血统229个样本中平行分析，turquoise模块也主要包含HERV，并且同样支持信号转导相关功能
• 结论：高可信HERV并不是孤立表达，而是落在一个HERV高度富集、并与信号转导相关gene共表达的大模块中

---

研究方法总结：遗传风险变异是否通过影响DLPFC中某些HERV位点的表达，从而参与精神疾病风险？

• RNA-seq定量gene和HERV表达
• 基因型数据建立表达预测模型(SNP weights)，筛出能被cis遗传变异预测的HERV
• 把这些预测模型和精神疾病GWAS整合，做rTWAS，看看哪些HERV/gene的遗传预测表达与疾病风险相关（SNP~HERV/gene预测表达 + SNP~疾病风险）
• 用条件分析排除邻近gene牵连，看看哪些hERV位点在考虑邻近基因后还有影响力
• 用fine-mapping进一步判断哪个候选HERV是否最可能解释局部信号
• 用基因组上下文判断HERV是gene isoform的一部分还是独立ncRNA
• 用WGCNA从HERV和常规基因的共表达模块推断功能背景（GO富集）

为什么要分别分析欧洲和非洲：

• 欧洲和非洲血统是CMC中最大的、相对同质的两个子集：“同质”主要是遗传祖源上的同质，因为rTWAS需要用附近SNP预测表达，如果样本中混合很多祖源，SNP频率和LD结构会变复杂，预测模型会不稳定
• TWAS/rTWAS需要祖源匹配的SNP weights、LD reference和GWAS结果
  • LD结构不同：某些SNP在欧洲人群中高度连锁，在非洲人群中可能不连锁
  • 如果用欧洲weights去解释非洲GWAS，统计结果可能偏差
• 欧洲GWAS统计功效最高（欧洲精神疾病GWAS样本量更大、结果更稳定），所以用欧洲分析作为主分析
• 非洲样本用于两个目的：看HERV调控是否有祖源差异，以及测试结果能否外推
  • 在表达结果中，非洲血统样本表达HERV数量与欧洲样本接近，但cis遗传调控的HERV重叠并不完全（非洲样本中852个cis-heritable HERV里，只有534个也在欧洲样本中显示cis调控）。虽然需要谨慎解释，因为两组样本量不同，但这提示可能存在祖源相关的HERV表达调控差异
  • 测试欧洲样本中发现的高可信HERV是否能推广到其它祖源：跨祖源使用欧洲weights并不理想，因为不同人群LD结构不同

主要结论：

• 在DLPFC中检测到大量HERV表达，并且一部分受cis遗传调控
  • 在欧洲血统563个样本中，作者检测到4594个表达HERV，其中4289个位于常染色体，1238个有cis-heritable expression
  • 在非洲血统229个样本中，检测到4645个表达HERV，其中852个有cis-heritable expression
  • 两组中表达的canonical genes数量接近，但欧洲组中检测到更多cis调控表达特征，可能与样本量更大有关
• rTWAS发现多个精神疾病相关的HERV表达信号
  • 精神分裂症中发现163个Bonferroni显著表达特征，其中15个是HERV
  • 双相情感障碍中发现47个显著表达特征，其中2个是HERV
  • 重度抑郁障碍中发现29个显著表达特征，其中9个是HERV
  • ADHD和自闭症谱系障碍中没有发现HERV显著信号
• 条件分析筛出独立于邻近gene的HERV信号
  • 精神分裂症中有91个条件独立表达关联，其中6个是HERV
  • 双相障碍中有30个条件独立关联，其中2个是HERV
  • 重度抑郁障碍中有12个条件独立关联，其中2个是HERV
• fine-mapping进一步筛出高可信risk HERV
  • 精神分裂症中有3个高可信HERV：ERV316A3_2q33.1g、ERV316A3_5q14.3j、MER4_20q13.13
  • 双相障碍中MER4_20q13.13也是高可信HERV
  • 重度抑郁障碍中ERVLE_1p31.1c是高可信HERV
• 把病例纳入权重构建并没有明显改变结果方向，主要作用是提高检测cis调控和rTWAS信号的统计功效：
  • 加入病例使样本量增加133%，cis-heritable HERV检测增加85%
  • 只用欧洲未患病对照做精神分裂症rTWAS时，结果与全样本weights高度相关，但显著信号减少16%
• 高可信HERV可能有不同分子含义
  • HERV表达普遍低于附近gene
  • 大多数表达HERV位于基因间区或内含子区
  • ERV316A3_2q33.1g与FTCDNL1转录本3’UTR重叠，ERV316A3_5q14.3j位于ADGRV1转录本启动子区域，因此它们可能反映特定gene isoform
  • 而MER4_20q13.13位于PTGIS反义链，ERVLE_1p31.1c位于基因间区，作者推测它们更可能是ncRNA
• 部分高可信HERV与预测增强子区域重叠，但需要实验验证
  • 在UCSC Browser中查看发现ERVLE_1p31.1c、ERV316A3_2q33.1g和MER4_20q13.13所在位置包含ENCODE预测远端增强子，但ERV316A3_5q14.3j附近没有
  • 由于缺少长读长RNA-seq来精确定义HERV转录本位置，增强子预测也需要实验验证
• 高可信risk HERV并不是孤立表达信号，而是落在一个HERV高度富集、与信号转导相关的共表达模块中

2024 NC–schERV+eQTL

2024 NC–Single-cell eQTL mapping of human endogenous retroviruses reveals cell type-specific genetic regulation in autoimmune diseases

• 计数
  • scRNA-seq：包含981个供体和约120万个细胞
  • 去掉了与基因外显子重叠的HERV位点，cellranger 构建hERV+gene注释直接计数hERV，也是位点级
  • 只保留unique mapping reads
  • 标准化：（HERV计数×1e4）/（总计数），保留至少了20个细胞中表达的hERV
  • 用了Pseudobulk
• 用常规基因表达注释PBMC细胞类型，识别细胞类型特异HERV，最后识别出1936个细胞类型特异HERV
• 用表观遗传数据解释细胞类型特异性：把细胞类型特异HERV与Roadmap/ENCODE的chromatin state、H3K27ac、H3K4me3等数据整合，发现这些HERV富集在对应细胞类型的active chromatin、enhancer或promoter区域。把“这个HERV在某类细胞中特异表达”进一步解释为“这个HERV所在区域在该细胞类型中处于开放/活跃调控状态”
• Pseudobulk计数矩阵+TensorQTL做cis-eQTL分析；用SMR分析三类关系：variant-eHERV-eGene、variant-eHERV-disease、variant-eGene-disease；再用coloc做GWAS和eQTL共定位验证。某个遗传变异影响HERV表达，HERV表达与附近疾病相关基因或疾病GWAS信号有关

后续思路

都是正常组织 建SNP和hERV的关系 从GWAS/eQTL（孟德尔随机化）推疾病和hERV的关系

• 要拿外部数据库去推断 没有从实际数据上去看
• 重点——SNP~hERV~疾病：
  • 单细胞中大脑皮层的SNP和hERV关系
  • epi连接SNP和hERV（SNP在调控元件上，影响不同hERV，联系到疾病中hERV的变化）
• hERV与疾病的因果关系（找mediation）：hERV调控转录本导致疾病
• SNP-hERV-疾病：直接overlap/SMR算显著hERV
• 疾病里面失调的TF（SNP影响的TF）同时影响hERV和gene：LTR上结合的TF是哪些
• lncRNA领域：hERV通过miRNA（SNP影响的miRNA）影响基因

表观遗传：解释hERV为什么发生变化，作为结果的补充 组蛋白乙酰化/染色质可及性影响比较大，甲基化比较小

计划安排

• 沿着单细胞mRNA这条路，仿照那篇NC，把功能、疾病那块做清楚：扩展多个数据集，下游分析有套路，结果意义中等
• 考虑hERV尤其是LTR作为enhancer、调控的角度去做与AD疾病的关系：新意、意义上更大一点
• 一起整合起来做也行

Single-cell eQTL mapping：HERV不是简单的基因组残留物，它们在不同免疫细胞中是否有特异表达？这些表达是否受遗传变异调控？是否和疾病风险有关？

• 在单细胞RNA-seq中重新计数HERV位点表达：使用特殊的筛选方法，尽量只保留“独立转录的HERV”（hERV计数方法？）
• 判断HERV表达是否真的有细胞类型特异性：HERV表达谱在不同免疫细胞之间差异明显，而且HERV表达与邻近基因整体相关性较低，说明很多HERV信号不是简单来自附近基因转录本的“顺带计数”（如何区分“某个hERV位点到底是自己转录，还是只是落在某个基因转录本里”）
• HERV-eQTL分析：把供体基因型和各细胞类型中的HERV表达联系起来，看哪些SNP会影响某个HERV位点的表达（eQTL分析需要同一批样本的基因型数据，现在的数据集没有这方面数据）
• HERV-eQTL和疾病GWAS整合：用免疫相关疾病GWAS做SMR分析，检验“变异-HERV-疾病”、“变异-HERV-基因”、“变异-基因-疾病”这几类关系，从而提出某些HERV可能介导遗传变异与自身免疫疾病风险之间的联系

snATAC分析：这个细胞的哪些基因组区域是开放的、可能正在参与调控

• 给细胞类型做表观遗传注释：GSE174367原文在snATAC中识别了兴奋性神经元、抑制性神经元、星形胶质细胞、小胶质细胞、少突胶质细胞和OPC等主要细胞类型
• 找AD相关开放区域：比较AD和对照，在某类细胞里哪些peak更开放或更关闭。GSE174367原文识别了细胞类型特异、疾病相关的候选顺式调控元件，并把这些元件和候选靶基因联系起来
• 找转录因子调控线索：看某些转录因子的结合位点是否在AD中更开放。GSE174367原文做了TF motif变异分析，并在不同细胞类型中寻找疾病相关TF调控信号
• 和GWAS风险位点整合：很多AD风险变异不在编码区，而在调控区，snATAC可以帮助判断这些风险位点在哪类细胞中开放，可能调控哪些基因。GSE174367原文把AD GWAS精细定位信号与snATAC数据整合，用来连接风险信号、细胞类型和顺式调控关系
• 在我的课题里：
  • AD中差异表达的hERV/LTR位点，附近染色质是否也更开放
  • 某些LTR是否本身就是AD相关开放peak
  • 这些开放的LTR是否可能作为enhancer/promoter影响附近AD相关基因

下周文献汇报Single-cell eQTL mapping以及相关文章，学习并实践一下snATAC分析，因为我现在手里有snATAC数据，可以先尝试一下。转录组这一块我之前挖的已经比较深了，只剩下一些小问题，可能还要再找新数据

其它

gtf文件gene行染色体范围和基因的重叠，比较是不是重叠多的表达高

我的表达多的类别是不是别人也报道了，和total RNA的报道的是不是相同；ERV位点在基因组内的分布，是不是分布多的表达也多

人体ncRNA什么情况下会发生ployA加尾 **