后GWAS时代的数据整合：RegulomeDB和HaploReg数据库

RegulomeDB和HaploReg数据库提供了将大量基因组学数据与非编码突变整合的思路。

1.背景

GWAS研究产生了大量的SNP，大部分在非编码基因组

这些SNP其实是Lead/Tag SNP，所以需要同时关注与这些SNP处于高LD（linkage disequilibrium）的其它SNP

ENCODE产生的大量数据，可以用来注释这些SNP，为我们研究这些SNP的功能提供一些参考。

本篇介绍的两个数据库RegulomeDB和HaploReg的套路就是将ENCODE产生的注释数据与dbSNP和GWAS Catalog的SNP取交集。

2. 注释SNP的数据可以将RegulomeDB和HaploReg使用的注释数据分成以下几类：

预测该SNP的目标基因：eQTLs（RNA-Seq）

是否在基因内部：GENCODE注释文件

转录因子结合位点：ChIP-Seq

蛋白结合Motif的改变：PWM分数

调控元件分类结果（promoter，enhancer等）：Chromatin States（来自Roadmap项目）

染色质开放区域（open chromatin）：DHS区域

碱基在人群中比例：1000 Genomes等项目

人工注释：Vista enhancer数据库

序列保守性：SiPhy软件注释

当我们查看特定的SNP，或者特定的基因组区域，以上返回的结果就能提示值不值得深入研究了。虽然两个数据库的信息大同小异，但是细节上还有一些不同，比如：RegulomeDB链接到UCSC Browser，可以查看这些支持性信息的trackHaploReg可以同时展示处于高LD区域的其它SNP的信息查看完整的注释信息请参考页面下方的官网链接。3. 用法示例文献报道rs2816316与腹腔疾病疾病相关(Hunt, …, van Heel (2008) Nature Genetics和Dubois, …, van Heel (2010)Nature Genetics).

在RegulomeDB里查询该SNP。RegulomeDB将所有SNP按照Fig 1的优先性打分。Fig 2说明该SNP与转录调控关系不大。

Fig 1. RegulomeDB的打分规则

Fig 2. rs2816316在RegulomeDB的得分

在HaploReg里查询，有25个SNP与rs2816316处于高LD（r^2>0.8）（Fig 3），有三个SNP（rs2816305, rs2984920和rs7535818）是转录因子结合位点，并且也与DHS和enhancer区域重叠。

Fig 3.rs2816316在HaploReg的查询结果

返回Regulome中继续查询上述三个SNP（Fig 4）。

Fig 4. rs2816305, rs2984920和rs7535818在Regulome的查询结果

rs2816305为RGS1的eQTL，同时处于调控元件内部。rs2984920在RGS1启动子内部，并且处于 PU.1和NFKB的motif内部（Fig 5）。这两个SNP都值得继续深入研究。

Fig 5. 在UCSC Browser查看rs2984920

4. 结语这样的数据叠加，可以为该SNP的功能提供一些参考信息。如果我们能直接知道它调控的基因就更好了。参考资料NCBI dbSNP Build 141: https://www.ncbi.nlm.nih.gov/projects/SNP/snp_summary.cgi?view+summary=view+summary&build_id=141HaploReg: http://archive.broadinstitute.org/mammals/haploreg/haploreg.phpENCODE Document: https://www.encodeproject.org/documents/