1. 领域背景与文献
文献英文标题：Integrating single-cell sQTL mapping with deep-learning splicing prediction identifies causal variants under influenza infection；
发表期刊：Genome Biology；影响因子：未公开；研究领域：基因组学与病毒感染（流感）交叉领域
人类遗传学中，分子数量性状位点（molQTL）分析如表达数量性状位点（eQTL）和剪接数量性状位点（sQTL）是关联遗传变异与分子表型的核心技术，领域共识：这类技术在解析复杂疾病的遗传机制中发挥关键作用，但当前面临的核心问题是如何从大量关联信号中精准定位因果变异及其调控功能，尤其是在病毒感染等动态生理过程中，剪接调控的遗传变异与疾病易感性的关联机制尚未完全明确。现有研究虽已鉴定大量sQTL，但多数仅停留在关联层面，缺乏对因果变异的功能验证，且在感染条件下的特异性sQTL研究仍存在空白。本研究旨在整合单细胞sQTL定位与深度学习剪接预测技术，解决流感感染背景下因果剪接变异鉴定的核心问题，为病毒感染相关疾病的遗传机制解析提供新的技术范式。
2. 文献综述解析
作者针对molQTL领域的研究现状，按技术应用场景（基础状态与感染状态）和研究深度（关联分析与功能验证）进行分类评述。现有研究中，eQTL和sQTL分析已成功关联大量遗传变异与基因表达、剪接表型，技术优势在于能在全基因组层面系统挖掘遗传调控位点，但局限性在于多数研究聚焦于基础生理状态，对感染等应激条件下的动态调控解析不足，且缺乏对因果变异的精准筛选与功能验证，样本量和实验模型的局限性也导致部分结论无法直接延伸至临床场景。本研究的创新价值在于首次将单细胞sQTL分析与深度学习剪接预测相结合，针对流感感染这一特定场景，实现了因果剪接变异的精准鉴定与功能验证，填补了感染条件下剪接遗传调控机制研究的空白。
3. 研究思路总结与详细解析
本研究的目标是鉴定流感感染背景下调控RNA剪接的因果遗传变异，核心科学问题是这些因果变异如何通过调控剪接影响流感感染过程，技术路线遵循“高通量筛选→精准定位→功能验证→关联拓展”的闭环逻辑。
3.1 单细胞sQTL高通量筛选
实验目的：在流感感染与未感染的淋巴母细胞系中，鉴定差异剪接事件及对应的sQTL位点。
方法细节：采用scHi-HOST单细胞全基因组关联分析方法，对96株淋巴母细胞系在感染甲型流感病毒（IAV）和未感染条件下进行分析，通过差异剪接分析和sQTL定位筛选关联位点。
结果解读：共鉴定约43000个sQTL SNP-剪接体对，涉及217个基因，这些位点在感染条件下呈现特异性调控模式（文献未明确提供具体统计数据，基于图表趋势推测）。
产品关联：文献未提及具体实验产品，领域常规使用单细胞转录组测序平台、剪接分析软件等试剂/仪器。
3.2 因果变异的精准定位
实验目的：从筛选得到的sQTL中定位具有直接剪接调控功能的因果变异。
方法细节：整合深度学习剪接预测模型与SuSiE精细定位方法，对sQTL位点进行功能注释与因果概率计算，筛选可能调控5’供体或3’受体剪接位点的变异。
结果解读：共优先定位57个可能的因果变异，这些变异直接作用于顺式剪接调控元件（文献未明确提供具体统计数据，基于图表趋势推测）。
产品关联：文献未提及具体实验产品，领域常规使用深度学习预测工具、精细定位分析软件等。
3.3 因果变异的功能验证
实验目的：验证候选因果变异对剪接调控及流感感染的影响。
方法细节：选取PARP2基因的rs2297616变异进行验证，通过CRISPR基因编辑技术构建携带不同等位基因的细胞系，检测蛋白异构体表达及流感病毒载量变化。
结果解读：rs2297616的A等位基因与PARP2基因第二内含子5’剪接供体位点的改变相关，产生两种相差13个氨基酸的蛋白异构体，且A等位基因与更长的蛋白异构体表达及细胞系中IAV载量升高相关（文献未明确提供样本量及P值，基于图表趋势推测）；CRISPR编辑实验验证了该变异对蛋白长度及流感感染的因果调控作用。
产品关联：实验所用关键产品：CRISPR基因编辑系统（文献未明确品牌及货号）。
3.4 变异与疾病易感性的关联拓展
实验目的：探索鉴定的因果sQTL与复杂疾病的关联。
方法细节：将57个候选因果sQTL与GWAS数据库中的疾病性状进行共定位分析。
结果解读：这些sQTL与超过100种GWAS性状相关，其中多个变异与自身免疫疾病易感性关联（文献未明确提供具体统计数据，基于图表趋势推测）。
产品关联：文献未提及具体实验产品，领域常规使用GWAS数据库分析工具等。
4. Biomarker研究及发现成果解析
本研究鉴定的Biomarker为调控剪接的因果遗传变异，属于遗传类Biomarker，筛选逻辑为“单细胞sQTL高通量筛选→深度学习剪接预测→精细定位→功能验证”的多步骤流程。
Biomarker定位：这些因果变异主要为影响RNA剪接的SNP，如PARP2基因的rs2297616，筛选过程从96株细胞系的sQTL位点出发，通过深度学习模型预测剪接调控功能，再经精细定位确定高概率因果变异，最后通过CRISPR编辑实验验证功能。
研究过程详述：Biomarker来源于淋巴母细胞系的基因组DNA，验证方法包括CRISPR基因编辑、蛋白表达检测（如免疫印迹，WB）、病毒载量检测等；其中rs2297616变异的A等位基因与更长的PARP2蛋白异构体表达相关，且与IAV载量升高关联（文献未明确提供特异性、敏感性数据，基于图表趋势推测）。
核心成果提炼：这些因果sQTL的核心功能是通过调控RNA剪接影响流感感染过程，创新性在于首次在流感感染背景下，整合单细胞技术与深度学习实现了因果剪接变异的精准鉴定与功能验证；其中rs2297616变异作为PARP2剪接调控的因果位点，为流感感染的遗传易感性研究提供了新的靶点，相关关联的统计学结果文献未明确提供，需进一步临床样本验证。