引言

破译人类基因组序列曾被视为生命科学的终极胜利。然而，认识所有“零件”的名字，并不等于理解这台机器的运转机制。基因从来不是在孤岛上独自工作的，它们之间存在着错综复杂的互动。

4月27日，《Cell》的研究报道“Global genetic interaction network of a human cell maps conserved principles and informs functional interpretation of gene co-essentiality profiles”，以前所未有的广度和深度，绘制了人类单倍体细胞的全局遗传相互作用图谱，揭示了隐藏在海量突变数据背后的生命法则。

在过去几十年里，寻找致病基因一直是生物医学研究的核心驱动力。当我们敲除或突变某个特定的基因时，如果细胞死亡或生长迟缓，我们就会认为该基因对细胞的适合度 (fitness) 至关重要。然而，这种将生命过程简化为“单个基因对应单一功能”的线性思维，在面对复杂的疾病和发育过程时往往显得力不从心。真实的情况是，细胞内部运作着一个庞大的网络，基因与基因之间会发生显著的遗传相互作用 (genetic interactions)。

当两个基因同时发生突变时，如果细胞最终的适合度与我们根据每个单独突变预测的结果大相径庭，我们就认为这两个基因之间存在遗传相互作用。为了在人类细胞中全面捕捉这种相互作用，研究人员采取了一种规模极其庞大的实验策略。他们利用经过巧妙设计的CRISPR-Cas9基因编辑系统，在一种名为HAP1的人类近单倍体细胞系中进行了大规模的筛选。单倍体细胞只有一个拷贝的基因组，这意味着基因敲除的效果会立即显现，而不会被另一个正常的基因拷贝所掩盖。

研究人员精心挑选了 222个功能广泛的查询基因 (query genes)，并利用包含约18,000个向导RNA (gRNA) 的全基因组CRISPR文库，在这些查询基因突变的细胞系中进行二次敲除。这相当于在微观尺度上进行了超过四百万次“组合拳”测试，观察每一种双基因突变组合对细胞生存和生殖能力的真实影响。

经过极其严苛的数据处理和统计学分析，研究人员从这片浩瀚的数据海洋中，清晰地识别出了总计 45,181对显著的遗传相互作用。具体而言，其中包括40,038个负向相互作用 (negative interactions)和5,143个正向相互作用 (positive interactions)。这些庞大且精确的数据，不再是简单的静态列表，而是首次为我们具象化了人类细胞内部基因如何协同作战、如何互相制约的动态社交图谱。

在这个庞大的网络中，负向相互作用和正向相互作用构成了两股截然不同却又同样关键的暗流。负向相互作用意味着两个基因同时突变给细胞带来的损害，远大于各自单独突变损害的叠加。其中最极端的表现形式被称为合成致死 (synthetic lethality)。

在这项研究中，研究人员共鉴定出 1,881个极端的合成致死相互作用对。在这些基因对中，任何单个基因的缺失细胞都可以勉强应对，但一旦两者同时失去功能，细胞便会陷入彻底的崩溃并走向死亡。更为引人注目的是，在这些极端的合成致死对中，有1,173对涉及人类孟德尔遗传病数据库 (OMIM) 中收录的疾病相关基因。此外，还有287个合成致死相互作用明确涉及了已知的癌症驱动基因，例如经典的肿瘤抑制基因。

不妨停下来思考一下这些数据的分量。在癌症治疗中，由于癌细胞的抑癌基因已经发生了不可逆的突变，如果能够准确找到该突变基因的“合成致死搭档”，并通过药物抑制这个搭档基因的功能，就有望在精准杀死癌细胞的同时，使得具有正常抑癌基因的健康细胞免受伤害。这287个涉及癌症驱动基因的互作网络，无疑为未来的抗癌药物靶点开发提供了一份价值极高的导航图。

硬币的另一面是正向遗传相互作用，其极端表现形式被称为遗传抑制 (genetic suppression)。这是一种在直觉上相对反常的生物学现象：第一个基因突变使得细胞变得虚弱，但令人惊讶的是，第二个基因的突变并没有让情况变得更糟，反而意外地拯救了细胞，使其部分甚至完全恢复了健康。研究数据清晰地展示了1,226个极端的抑制相互作用对，其中617对涉及OMIM疾病基因。

遗传抑制的发现不仅挑战了我们对疾病破坏性的传统认知，更为罕见遗传病的治疗开启了全新的想象空间。如果一种严重的遗传病是由某个关键基因的突变引起的，我们或许不必执着于直接修复这个受损的基因，而是可以通过寻找并抑制其相互作用网络中的“抑制基因”，从而迂回地恢复细胞的正常功能。

生物学界一直存在一个深刻的追问：构成简单单细胞生物的底层逻辑，是否同样适用于高度复杂的人类？酵母 (Saccharomyces cerevisiae) 作为真核生物的经典模型，其遗传相互作用网络早在多年前便已被系统地绘制出来。在此次研究中，研究人员将人类细胞的全新图谱与酵母的数据进行了深度的对比分析。两种生物在进化树上已经分道扬镳了超过 十亿年，但令人震撼的是，它们在基因组网络架构上展现出了高度一致的底层法则。

研究发现，在这两个截然不同的物种中，处于网络中心的“枢纽基因”都具有高度的多效性 (pleiotropy)——即单个基因能够影响多种不同的细胞特征和生物学过程。数据表明，一个基因在负向相互作用网络中所拥有的连接数（度数），与其在单基因突变下造成的适合度缺陷呈现出显著的负相关性。在酵母中，这一相关系数 (r) 为-0.52；而在人类细胞中，该相关系数极为接近，为-0.49。

这组看似枯燥的数字揭示了一个极其重要的生物学定律：无论是在简单的酿酒酵母还是在复杂的人类细胞中，那些与其他基因有着频繁、广泛相互作用的基因，往往是细胞生存不可或缺的核心枢纽。这些枢纽基因的扰动，牵一发而动全身，会导致网络大面积的系统性故障。这种十亿年来未曾改变的拓扑结构法则，证明了生命在应对环境压力和维持系统稳健性时，采取了高度保守的网络设计方案。

此外，研究人员还进一步评估了遗传相互作用轮廓相似性 (profile similarity) 的预测能力。简单来说，如果基因A和基因B总是表现出与其他相同基因群体相似的相互作用模式（即它们总是和同一批基因发生合成致死或抑制），那么A和B极有可能参与了相同的蛋白质复合体或位于同一条生物化学通路中。研究人员基于约 3,800个基因的互作轮廓相似性构建了一个高度模块化的网络，其中囊括了DNA复制、转录调控、线粒体代谢等各个核心生物学过程。这也再次印证，利用遗传互作图谱来推断人类未知基因的功能，与在酵母模型中一样精准有效。

除了在细胞系内挖掘相互作用，该研究最值得关注的突破之一，在于它为目前癌症基因组学领域的庞大数据集提供了一种深度的“动态”解释。目前科学界有一个名为“癌症依赖性图谱” (Cancer Dependency Map, 简称DepMap) 的重要数据库，它记录了成百上千种不同癌细胞系中，敲除各个基因对癌细胞生存的影响。在这个庞大的数据集中，研究人员经常会观察到某些基因对表现出“共必需性” (co-essentiality)——即在敲除了基因A会死亡的细胞系中，敲除基因B也往往会导致死亡。

一直以来，共必需性被广泛用于推断基因之间的功能联系。然而，这些来自不同细胞系的静态相关性数据，其背后的根本驱动力究竟是什么？通过将HAP1细胞的动态遗传互作数据与DepMap的静态共必需性数据进行交叉分析，研究人员揭示了一个极具启发性的逻辑：不同细胞系之间之所以表现出基因重要性的差异，本质上是由细胞内基因表达水平的动态变化所介导的遗传相互作用引起的。

研究人员重点分析了“表达依赖性” (Expression Dependency, ED)。当基因A的表达量在某些癌细胞系中自然偏低时，这些细胞系会对敲除基因B变得异常敏感，研究人员将这种情况定义为负向的表达依赖性。数据深度剖析发现，这种现象在本质上就是一场在不同细胞背景下上演的“合成致死”。因为基因A表达低下，相当于基因A已经处于半功能缺失状态，此时再人为敲除基因B，就触发了A和B之间的合成致死效应。

反之亦然，正向的表达依赖性则与遗传抑制效应紧密相关。这意味着，当我们将视角从单一的细胞类型扩展到具有不同遗传和表观遗传背景的成百上千种癌症细胞时，我们在宏观层面上观察到的那些基因共依赖性规律，实际上是由极其微观、且被进化深度保守的遗传相互作用网络所决定的。这项研究将原本割裂的静态癌细胞系筛选结果，与具有因果关系的基因相互作用机理紧密地缝合在了一起。

透过这份包含着数万个连接的全局图谱，我们看到的不仅是数据的堆砌，更是生命这台复杂机器的运行算法。研究人员对数百万次组合突变系统性的探究，向我们展示了遗传密码中远超一维序列的丰富维度。

在过去，面对复杂的疾病机制，我们常常因为找不到单一的致病“元凶”而感到困惑。现在我们认识到，决定细胞命运的往往不是单个节点的缺失，而是整个网络平衡的崩塌。正因为有着成千上万个遗传抑制相互作用的缓冲，生命才能在不断的突变和环境压力中保持着令人惊叹的韧性；也正因为有着诸多合成致死节点的制约，微小的遗传变异才可能在特定条件下成为压垮细胞的最后一根稻草。

这项针对人类细胞遗传相互作用的深度解码，才刚刚揭开冰山一角。未来，如何将这种网络化的思维全面融入到复杂疾病的风险预测中？如何针对那些极其保守的“网络枢纽”或脆弱的“合成致死对”开发出下一代革命性的药物？当我们不再孤立地审视每一个基因，而是将它们重新放回庞大而活跃的生命社交网络中去理解时，我们对生命本质的探寻，以及对疾病治愈途径的探索，必将迎来一个豁然开朗的新纪元。

参考文献

https://www.cell.com/cell/fulltext/S0092-8674(26)00345-4

声明：本文仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正，谢谢！