论文题名： Mechanisms underlying disease-causing variants in promoters and enhancers。

作者与出处： Hannah K. Long、Kun Wu（武堃）、Ryan S. Barkham、Wendy A. Bickmore，Nature Genetics，2026年9月8日在线发表。论文与DOI。

阅读版本与范围： 本文依据所提供的12页期刊PDF，覆盖摘要、正文全部章节、四张主图的所有子图、Box 1及结语。页码均为这份PDF的文件页码。该文件没有单独的Methods章节，也不包含独立补充文件；正文提到的Supplementary Tables 1、2不能当作本次已完整读取的资料。

配图说明： 这份期刊版本标示出版方专有版权。公开文章使用依据机制关系自行绘制的阅读示意图，不转载原图、全文英文或整段图注；下面逐项解读对应原图的全部主子图。示意图不是原论文数据，原图可从论文链接查看。个人本地的原文对照阅读资料与网站公开解读分开保存。

返回本组论文目录

先把问题收窄：不是所有非编码变异，也不是所有疾病风险

这篇文章的核心问题可以表述为：当一个碱基没有改变蛋白质序列，它如何通过改变基因在何时、何处、以何种水平表达，最终产生可辨认的疾病？作者不是给出一套新算法，也没有重新招募一个患者队列，而是把已经报道的人类遗传学、功能实验和发育机制证据组织起来。因此，文中数字来自不同原始研究，不能拼成同一个样本的“总准确率”。阅读它应关注案例的证据链与可推广程度，而不是寻找一个模型排行榜。

作者主要讨论启动子、增强子和沉默子中的小变异：单核苷酸变异（SNV）、小于50 bp的插入或缺失以及小重复。大型染色体重排、绝缘子、mRNA的UTR与剪接/翻译变异、功能性非编码RNA基因不是本综述的主要对象。这里的“非编码致病”也主要指有较强遗传与功能证据的罕见病机制，不等于GWAS中某个位点使风险轻微增加。后文讨论常见变异，是为了说明两类遗传架构之间的联系，而不是取消区分。

引言提到，即使采用全基因组测序与现代解释流程，疑似有遗传原因的发育障碍患者也只有约40%得到遗传诊断。这个数字说明诊断仍有缺口，却不能推出另外60%全由非编码变异造成。漏检、未认识的基因、结构变异、样本与表型限制、多因素机制等都可能参与。类似地，约98%的基因组不编码蛋白，表示不能只靠三联体密码解释它们，不表示98%全部具有调控作用，也不表示98%的变异都值得同等怀疑。（PDF第1页）

我认为作者的论证起点，是反对两个过快的结论：一是“没有改变蛋白就不重要”，二是“剩余诊断缺口一定藏在增强子里”。全文在这两端之间寻找能够逐步检验的机制路径。

阅读时固定三个层级：元件、表达、表型

先约定几个词。CRE是顺式调控元件，TF是转录因子，TFBS是转录因子结合位点，TSS是转录起始位点。LOF与GOF分别表示功能丧失和功能获得，但必须说清楚“谁的功能”：一个沉默子LOF可能导致靶基因表达升高；一个增强子GOF可能让表达跑到错误组织，而不只是总表达量增加。

因此，一条相对完整的机制链应当是：变异改变某种序列识别或染色质状态，影响特定细胞与时间中的元件功能，改变正确靶基因的表达，再通过剂量或空间边界改变产生表型。每个箭头都需要相应证据。报告基因变化只能直接支持某种实验环境中的调控活性改变，TF模体匹配只能提出结合假设，两者都不能独立等同于人类致病判定。这篇阅读笔记讨论科学机制，不用于个人诊断、遗传咨询或临床变异定级。

Figure 1：启动子的结构决定变异可以怎样破坏或增强表达

对应原图：PDF第3页Figure 1；相关正文：第2页。此图为原创机制说明图。

a：TATA启动子与CpG岛启动子不是同一种起始架构

作者把距离TSS 1 kb以内的变异纳入这里的“启动子变异”；这是一种综述工作定义，不是所有基因的调控边界。约四分之一人类启动子具有TATA box，它通常位于精确TSS上游30–31 bp；另一大类启动子与CpG岛（CGI）相关，转录可在较宽范围的多个位置起始。a的目的，是把后续案例放回起始架构：丢失TATA、失去或获得TFBS、改变DNA甲基化，各自影响的对象不同。

CGI启动子的分散起始可能使它对某些单碱基改变更耐受，但“可能更耐受”不是“不会致病”。一个分散启动子仍可能依赖关键TF结合位点，或者存在组织中特异使用的替代启动子。对于模型，这意味着只靠一个固定窗口与统一输出，很容易忽略起始位置和转录本选择的不同。

b：HBB与APC展示两类LOF，也展示组织依赖

左侧HBB是β-珠蛋白基因。TATA、CCAAT、CACCC等核心元件和结合位点被破坏后，β-珠蛋白表达受到影响，可形成β-地中海贫血；综述指出这类启动子变异的疾病程度常较编码变异温和。这里的启发不是“调控变异总是轻”，而是表达还可能保留一部分，且元件类型决定损伤方式。

右侧APC的1B CGI启动子强调YY1位点。一些SNV减少1B活性，与家族性腺瘤性息肉病或特定胃癌表型相关。APC还有下游1A启动子：胃黏膜中较短转录本的启动子甲基化状态与结肠不同，使替代启动子能否补偿具有组织差异。不能只写“APC表达下降导致癌症”，还要追问哪一启动子、哪一异构体、哪一组织失去了备用通路。

正文补充的OTC、INS、PIGM和MLH1也不完全共享机制。OTC例子涉及HNF4结合减弱；INS的CC二核苷酸变化涉及GLI3结合及解除抑制；PIGM涉及SP1与细胞类型特异表达；MLH1例子提出的是启动子甲基化与转录沉默。这些案例提醒我们，模体丢失只是机制集合的一部分，不能把每个启动子变异都归结为“TF结合少了”。

c：表达增加可以有保护性后果，也可以带来疾病风险

HBG编码γ-珠蛋白。失去BCL11A/LRF等抑制位点，或者获得KLF1、TAL1、GATA1等激活位点，能够维持胎儿血红蛋白表达。相对于正常发育中的出生后切换，这是调控上的GOF；但在β-地中海贫血与镰状细胞贫血背景中，持续γ-珠蛋白可以具有保护性。分子功能方向与健康后果不是同一条轴。 本文只讨论这种机制关系，不给出治疗操作或实验编辑方案。

TERT则提供另一种结果。家族性黑色素瘤中的启动子变异可生成潜在ETS/TCF结合位点，报告实验显示活性增加；散发性黑色素瘤中还有反复出现的体细胞启动子变异。它们都是表达增强思路，但不能因此把HBG与TERT的临床意义归为同类。

原图中的c.编号以编码序列第一个ATG的A作为c.+1，不是把TSS作为零点。若要根据图示去查具体变异，还要回到对应参考转录本、基因组版本和Supplementary Table 1，不能仅凭图上负数坐标进行注释。ZBTB18的案例进一步说明：一个位点可以是主要转录本的上游“启动子变异”，却落入另一个上游TSS转录本的内含子。启动子与内含子不是脱离转录本的绝对标签。（PDF第2–3页）

增强子病例为什么这么少：统计稀少与机制稀少不是同义词

启动子至少靠近某个转录起始区域，而增强子可位于靶基因、邻近基因的内含子里，也可以离靶基因超过1 Mb。病例变异坐落在某个开放区域，不代表最近的基因就是靶标；开放度标记也不能证明那里在相关胚胎细胞中执行同一作用。

综述给出几个有意保持张力的观察。在2430名具有隐性发育障碍基因杂合编码变异的先证者中，只有6个非编码候选经过生物信息学和临床审查被认为可能具有诊断意义。这说明“另一个等位基因的调控第二击”不是在该队列里自动解释所有病例；6/2430也不是全人群非编码变异致病率，更不是6个都已完成相同强度机制验证。

神经发育障碍中，作者引用对未获诊断者的估计，提示非编码致病变异可能只解释至多约5%的病例。一个47名外显子阴性智力障碍先证者研究发现胎脑相关增强子的DNV富集，但样本不足以稳健估计全部负担。自闭症家系研究主要观察到启动子而非更远CRE的超额DNV。相比之下，超过700组三联体的外显子阴性先天性心脏病研究，在增强子等非编码区域观察到潜在破坏性DNV富集。这些差异可能涉及病种、区域定义、模型、背景与统计能力，不能把它们平均成一个通用百分比。（PDF第2–3页）

三联体能够排除大量遗传性候选，但每个孩子仍约有100–200个新生变异，因此“新生”不是“致病”的同义词。与此同时，多增强子协作与冗余可能使单个元件受损仍不触发表型。另一个问题是我们可能在寻找错误表型：SOX9编码LOF能产生广泛骨骼与其他发育表现，而极远端颅神经嵴增强子损失可主要影响颅面。这不是验证失败，恰恰符合调控元件限制在特定细胞时空中的作用。（PDF第3–5页）

Figure 2：三条机制路线，说明“开关坏了”为什么过于简单

对应原图：PDF第4页Figure 2；机制正文：第5–6页。此图为原创说明图。

a–b：先辨认正常机制，再解释变异的组织后果

a用TF、共激活因子与RNA聚合酶II的关系说明增强子的正常激活作用；b把序列改变与不同组织的表达联系起来。两者只是机制框架，不是直接证明每个患者位点都经过完全相同的分子步骤。尤其是b的“失去/获得结合位点”，必须与真实TF存在、结合环境、靶基因联系和发育阶段一起解释。

c：PTF1A EnhP不是普通冗余增强子，而是发育级联中的早期开关

PTF1A编码重要的胰腺TF，其双等位编码LOF可伴随胰腺与小脑缺陷。位于下游约25 kb的EnhP则在胰腺祖细胞中起作用，一些近亲家系的双等位EnhP变异与孤立性胰腺缺如相关，而不出现同样的小脑表现。纯合区定位结合WGS缩小候选区间；后续复现病例、EnhP变异与另一等位基因蛋白截短变异组合出现，以及EnhP删除的表型，都加强了它作用于PTF1A的解释。（PDF第5页）

c左侧的关键是FOXA2/PDX1等结合位点受影响；右侧是发育级联：EnhP帮助早期多能胰腺祖细胞激活PTF1A，继而启动这一位点上的其他胰腺增强子与后续分化。损坏上游主导元件，后面的增强子即使仍在，也可能没有被正确启动。它解释了为什么“很多基因有多个增强子”与“一个增强子变异可以产生严重表型”并不矛盾：冗余与层级关系不是一回事。

但作者并没有把这写成完全确定的一对一关系。相同常见EnhP致病候选SNV的纯合姐妹可有不同发病时间与程度，另有纯合父亲在报告时尚未出现糖尿病。这提示表达效应强弱、修饰背景、年龄与非遗传因素仍重要。存在未发病携带者会影响证据解读，但不能仅凭这一事实否定全部机制，更不能据此断言患者一定何时发病。

d：沉默子LOF导致的是错误表达，而不是表达消失

GATA2 CRE2案例最容易被简单标签误读。这个调控区域被认为抑制相邻增强子的作用，使GATA2不在迁移中的面部分支运动神经元里错误表达。HCFP1相关SNV中有一部分影响NR2F1结合；元件的抑制功能失效后，GATA2在不该表达的神经细胞中出现，导致面神经发育问题。六个与疾病共分离的SNV，其外显情况又比覆盖元件的大删除更有限。（PDF第6页）

所以这里至少有两种“功能”的符号：CRE2抑制功能下降，GATA2表达上升。把它统称为“GATA2 LOF”会颠倒机制。正文还用HK1说明代谢酶也需要组织特异沉默：胰腺β细胞中的HK1抑制失效会破坏正常感知背景。HK1编码变异与内含子沉默元件变异可能关联不同组织后果；不能把基因名相同当作所有机制相同。

e：SHH ZRS的GOF最重要的是空间边界改变

ZRS是距离SHH约980 kb、位于LMBR1内含子中的复杂肢体增强子，约800 bp。它控制肢芽后侧极化活动区（ZPA）的SHH表达。不同区域负责水平和空间限制，因此变异不仅能够增加表达，还可能让肢芽前侧出现异位SHH，关联三节拇指、轴前多指以及某些更重的肢体表型。（PDF第6页）

某些SNV可增加ETS/GABPα相关位点或增强原有亲和力，另一些较严重表型相关变异聚集在一个6 bp区域，涉及激活位点附近抑制结合的复杂机制。不能用一句“新增ETS位点”覆盖所有ZRS变异。原图e应沿着“结合语法改变—后侧表达扩展/前侧异位—指的数量与身份改变”读，而不是把表达轨迹压缩为单一总量。

ZRS拥有特别多已知SNV病例，还可能有发现偏差：显性表型更容易出现，细微肢体变化容易观察且通常不影响生存，肢体又在演化中经历丰富形态改变。综述把它视为值得追问的范例，而不是已经证明所有增强子都能像ZRS那样敏感。

不完全外显率与自调控：体外“有变化”还没有回答全部问题

SHH前脑增强子SBE2位于上游约460 kb，一个与全前脑畸形相关的候选SNV影响SIX3结合与小鼠腹侧间脑报告表达。父亲是未受影响携带者，使单一家系证据不是完全封闭的因果证明。小鼠删除SBE2时没有明显表型，与Shh空等位基因组合才显露下丘脑发育异常。这里展示的是背景依赖与稳健性，而不是“增强子完全没用”。（PDF第5页）

GATA2造血增强子的变异也可呈现更晚、更低外显的疾病，某些模型的缺陷在继发应激后才显现。这提示体外实验若只观察静息状态，可能错过再生或压力下的调控需求；反过来，某个极端实验条件出现变化，也不必然等于日常生理中都有同样严重后果。

PAX6下游约147 kb的眼增强子案例，解释的是反馈维持。SNV破坏PAX6自身结合位点后，眼中的PAX6表达能早期启动，却不能在之后持续；报告活性在晶状体/视网膜消失，但脑中仍可保留。这种机制在单一时间点的平均RNA测量里可能被稀释。一个较好的问题不是“表达有没有差异”，而是“启动、维持还是关闭哪个阶段发生了失效”。（PDF第6页）

Figure 3：常见与罕见变异不是两座孤岛

对应原图：PDF第7页Figure 3；相关正文：第7–8页。此图为原创说明图。

a：GATA6示例要求把两个等位基因一起看

GATA6单倍剂量不足是胰腺缺如的重要机制。下游约8 kb的常见调控变异rs12953985，其次要等位基因在部分患者中富集，并与杂合编码LOF位于trans，即在另一条等位基因上。该变异影响RORα结合，降低表达并影响体外胰腺祖细胞形成。这意味着已经丢失一条编码功能后，剩下那条等位基因的调控量仍可能决定是否越过更低剂量阈值。

原图a中约25%与50%的表达下降标记属于基因型组合的示意，不是对所有携带者测出的通用百分比，更不是给单个患者预测的置信区间。图中的体内胰腺形态明确属于提出的表型解释；体外祖细胞实验与真实个体发育之间还有证据距离。类似TBX6的低表达常见单倍型与罕见LOF组合，也说明“常见”不代表没有作用，而往往不是足以单独产生疾病。

b：IRF6 MCS9.7把单基因机制与GWAS风险放在同一元件上

罕见的单碱基重复dupA在一个没有相应编码致病变异的Van der Woude综合征家系中出现，实验提示p63/E47激活结合受损，并生成LEF1结合位点，伴随增强子活性降低。一个变异可以同时“失去激活”和“获得抑制”，所以LOF/GOF也未必只对应单一分子事件。

同一MCS9.7元件还包含常见口面裂风险位点。rs642961相关机制涉及AP-2α；芬兰人群的rs570516915与孤立性腭裂及IRF6结合有关；rs11119348风险效应可能涉及增强FOXE1抑制结合。原图用它们说明同一元件在不同人群、细胞读出和表型定义中具有不同遗传信号，不能把所有“唇腭裂”当作同一种分析终点。（PDF第8页）

等位基因方向尤其要谨慎：图中rs642961写作A>G，但标注的风险等位基因是A；并非所有条目的ALT都自动是风险等位基因。查数据库或解释模型Δ值时，应分别核对参考/替代、主/次要和风险/非风险这三组概念，避免因为箭头方向而把结论翻转。

正文的RET与Hirschsprung病进一步提供网络视角：多个常见增强子变异降低相关TF结合与RET表达，可与罕见编码变异相互作用。TBX5低频增强子变异则提示，应区分超罕见、低频和常见，而不是用二分法把所有非超罕见位点都排除。这里真正可迁移的思想是“剂量与调控网络阈值”，不是拿一个家系的阈值应用到所有基因。（PDF第7–8页）

Box 1：把增强子解释问题拆成七个可检查的缺口

Box 1（PDF第5页）比一张工具清单更值得反复使用。作者列出的难点可以逐项转换成阅读检查，但不能当作已完成验证的证据。

这张表也解释了为什么“做了MPRA”不是所有箭头都已解决。MPRA能在相同实验条件中比较大量序列，但原始位置的长距离联系、染色质、TF供给、时间和压力背景仍可能丢失。一个阴性报告实验不能自动清除内源调控作用；一个阳性结果也不能自动证明该片段在人体中作用于指定基因。

Figure 4：深度学习更适合提出机制优先级，不是绕过验证

对应原图：PDF第8页Figure 4；未来策略与局限：第9页。此图为原创说明图。

a：训练标签决定模型真正回答的问题

a展示序列到功能模型利用染色质开放度、TF结合、组蛋白修饰与转录组等数据，学习某种细胞或组织中的调控关系。对参考与替代序列作预测，比较各类输出，再结合计算突变扫描寻找可能受影响的模体，是候选排序的手段。这里输入是DNA，输出是分子层级的读出，不是直接观察患者未来结局。

正文列举promoterAI与Puffin、BPNet与ChromBPNet，以及DeepSEA、DeepSTARR、DeFINE、Enformer、ExPecto、Sei、AlphaGenome等模型。它们的任务、窗口、监督标签与组织覆盖并不一样；被放在同一段落中不代表预测所有机制的能力相同。比如一个主要预测局部开放度的模型，可能无法直接回答距离近1 Mb的增强子影响哪个转录本；长窗口模型也不能凭长度自动解决正确发育细胞缺失的问题。

b：组织优先级、体外、体内与反馈形成闭环

b的路线是先用模型帮助定位可能的机制、相关组织与发育阶段，再做体外和体内验证，最后把实测结果作为额外训练信息。它没有删除实验，而是试图把实验放到更有信息量的位置。需要注意，实验反馈进入训练后，最终验证必须使用保持独立的位点或临床/实验数据；否则模型看过答案后的高分并不能说明可泛化。

作者明确要求谨慎基准评估：输入窗口可能遗漏极远端作用，训练组织偏向细胞系或容易取样的时期，不同工具的正负输出需要比较与标准化，使用临床验证变异训练的模型还有过拟合风险。最值得带走的是评估任务应贴近目标机制：预测平均RNA轨迹很好，并不保证识别某个胚胎短暂、异位表达事件也很好。（PDF第9页）

实验策略的价值在于互补，不在于通量越来越大

作者把高通量方法与较低通量的时空实验并列。报告实验可以检验数百乃至数千非编码候选；酵母单杂交和SNP-SELEX可帮助研究TF结合；内源扰动配合单细胞读出更接近天然背景。然而这些方法各自丢失不同信息，不能仅按“测得多”排序证据强度。（PDF第9页）

双报告系统提供了一个清楚的比较原则：把野生型和变异型放在同一细胞、同一发育时间中对照，减少跨样本、时间或背景差异。QSTARZ对SHH SBE2的观察提示：早期脑表达仍能启动，较晚的前端下丘脑活性却丢失。dual-enSERT能够检验ZRS变异的前侧异位肢芽活性，也支持远距EBF3候选增强子变异的前脑GOF。后一个元件距EBF3约1.3 Mb，野生型与变异都能在中后脑表达，而变异增加前脑活性。这些例子共同说明，疾病相关变化可能是新增空间域或失去晚期维持，而不是一个整体活性百分比。

这篇综述没有为这些实验统一报告效应量、重复数或一个共同显著性门槛，因此不能把示意图当作可以复算的统计图。若想进一步复现某个案例，应回到对应原始研究核对测量体系、分组、背景、重复与具体输出，而不是把综述里的图形尺寸当作数据。

我会怎样把这篇综述转化成论文阅读的方法

第一步先问作者讨论的到底是哪一层。若目标是“元件有活性”，报告与表观标记可能足够回答一个限定问题；若目标是“人类疾病机制”，还需要正确靶基因、相关细胞时空、遗传共分离/相位和表型一致性等互补信息。研究之间不能因为都使用了“variant effect”就视为同一任务。

第二步把相反方向摆在一起读。HBB启动子LOF、HBG启动子GOF、GATA2沉默子LOF、ZRS增强子GOF可以组成一个反例集合：它们阻止我们把非编码变异简化成“表达降低”。用这些不同机制评估计算方法，比只给一个总AUROC更容易看见模型遗漏的类别。

第三步寻找例外，而不是把例外删掉。未发病父亲、同基因型不同年龄发病、双扰动后才显现的小鼠表型，都是解释表达阈值、补偿与背景依赖的入口。严谨的阅读应该把这些写进结论边界，同时避免从“存在复杂性”退回“什么也无法判断”。

第四步把“新的模型”与“新的证据”分开。预测提供的是机制候选和实验优先级；正确组织中的内源表达变化、跨时间的功能维持、遗传背景组合与体内表型，是另一层证据。模型可以节省搜索空间，但不能让缺失的箭头凭空存在。

最后，这篇综述最重要的结论并不是非编码致病变异已经被大规模解决，而是我们有了一张更清楚的问题地图：元件和靶基因仍不够完备，时空与组合语境经常缺失，模型必须接受独立检验。把病例机制、发育调控、规模化实验与计算预测放在一起，才可能逐步把“一个候选位点”推进为有证据支持的机制解释。

回看原文时的定位索引

资料边界： 本文是研究阅读与方法讨论，不是对任何个人或家系的临床意见；没有声称运行患者分析、重做实验或验证本文全部候选。补充表不在用户提供的主PDF内，因此具体基因组坐标及各案例完整临床证据仍应通过论文页面进入补充文件与原始研究核对。