先别问“这个变异有没有害”，先问“它在哪个细胞里有害”
传统遗传学经常把变异当作一个静态标签：有害、无害，或者意义未明。但这项研究提醒我们，非编码变异的功能更像是“情境依赖”的。一个变异可能在成人心肌细胞中几乎无影响，却在胎儿神经元中显著改变染色质可及性（chromatin accessibility）；也可能在单个细胞类型中表现强烈，却在组织混合样本中被稀释到难以检测。
研究人员首先建立了一个大规模预测框架。他们处理了来自5项研究的scATAC-seq数据，覆盖132个细胞和发育情境：30个胎儿脑情境、24个成人脑情境、33个胎儿心脏情境和45个成人心脏情境。随后，他们为每个情境训练ChromBPNet模型。ChromBPNet是一类用于预测染色质可及性的卷积神经网络（convolutional neural network），可以在碱基分辨率上评估序列改变对开放染色质的影响。
变异来源同样可观：研究人员从1000基因组计划（1000 Genomes Project）中纳入3202个全基因组，筛选出15,106,800个非编码单核苷酸多态性（single nucleotide polymorphism, SNP），其中6,349,771个是常见变异（minor allele frequency, MAF > 5%），8,757,029个是超罕见变异（MAF < 0.1%）。
这意味着，研究不是只问“某个疾病位点附近有什么变异”，而是在系统层面追问：在发育、器官、细胞类型都变化的背景下，非编码变异的功能地图会呈现怎样的结构？
常见变异更“挑细胞”，超罕见变异更“动全局”
最反直觉的发现之一，是常见变异和超罕见变异的作用方式并不相同。
在研究的分类中，有些变异只影响一个细胞类型，被称为细胞类型特异性变异；有些变异影响超过80%的细胞类型，被视为广泛共享变异。数据上，特异性变异有20,351个，共享变异只有460个，另有10,117个影响多个但不是大多数细胞类型，913,116个在可及区域内却未被预测出功能影响。
从基因组位置看，共享变异更靠近转录起始位点（transcription start site, TSS），而特异性变异更偏远端。尤其在效应最强的前1% SNP中，共享变异有46.9%位于实验验证的启动子区域（promoter regions），而细胞类型特异性变异只有0.5%位于启动子。这组数字很关键：它解释了为什么启动子附近的变异常常有更广泛的影响，而远端增强子（distal enhancer）中的变异更容易呈现细胞类型特异性。
但当研究人员比较常见变异和超罕见变异时，另一个模式出现了：超罕见变异在几乎所有细胞情境中都有更大的预测调控效应，而且更容易影响多个细胞类型；常见变异则更偏向细胞类型特异性。这个趋势在胎儿脑神经元中最明显。
这不是简单的“罕见就更危险”。更合理的解释是净化选择（purifying selection）：如果某些非编码变异在早期脑发育中造成较大、较广泛的调控扰动，它们更难在人群中积累到较高频率。换言之，我们今天看到它们“罕见”，可能不是偶然，而是选择压力长期作用后的结果。
胎儿脑为什么特别敏感？答案藏在转录因子基序里
非编码变异通常不改变蛋白质序列，它们更常改变转录因子（transcription factor, TF）的结合。研究人员用模型解释方法追踪哪些DNA基序（motif）被扰动，从而把“模型分数”转换成更可理解的调控机制。
在胎儿和成人兴奋性神经元（excitatory neurons）中，研究人员筛选出381个成人特异性超罕见变异和1236个胎儿特异性超罕见变异。两者的分子逻辑明显不同。成人特异性变异更常扰动EGR和AP-1基序：43.3%的成人特异性变异被预测会扰动EGR，17.3%会扰动AP-1；相比之下，胎儿特异性变异中对应比例只有1.5%和0.02%。
这符合发育生物学直觉。EGR和AP-1更像成人神经活动、应激反应相关的调控因子；胎儿特异性变异则扰动更广泛的发育相关基序，包括NDF/ATOH、SP/KLF、ZEB/SNAI、NRF1和ATF等。尤其是NDF/ATOH与神经分化相关，这让“胎儿脑调控变异承受更强选择压力”的推断更有生物学支撑。
这里的关键不是说成人脑不重要，而是选择压力的时间窗口不同。早期脑发育中的强效变异更可能影响生存、发育或生殖前适应度，因此更容易被自然选择压低频率；而较晚发生影响的调控变异，尤其在遗传传递之后才表现的效应，更可能逃过选择过滤。
一个阿尔茨海默病位点，如何从4个候选变异缩到1个？
复杂疾病的全基因组关联研究（genome-wide association study, GWAS）经常给出一片候选区域，却很难确定真正的因果变异。该研究用阿尔茨海默病（Alzheimer’s disease）作为例子，展示了细胞类型模型的价值。
在RASGEF1C内含子区域，统计精细定位（fine-mapping）得到4个可信候选变异，每个后验纳入概率（posterior inclusion probability, PIP）都超过0.2。但并不是每个候选都落在小胶质细胞（microglia）的开放染色质中，也不是每个都会影响可及性。最终，rs113706587被模型优先指认为更可能的因果变异。
证据链很具体。rs113706587作为降低RASGEF1C表达的脑组织eQTL，PIP为0.45；另一个同样位于小胶质细胞开放区域的rs116347724，PIP为0.21。AlphaGenome模型预测rs113706587会使RASGEF1C表达降低9.1%，这一效应位于所有测试常见变异中极端的0.000032%分位；而rs116347724预测只降低0.6%。此外，研究人员用诱导多能干细胞来源的小胶质细胞进行CRISPR干扰（CRISPR interference, CRISPRi），靶向该调控元件后观察到RASGEF1C表达显著下降。
这组证据说明，模型不是只给一个黑箱分数。它可以把GWAS信号、染色质可及性、序列基序、表达调控和实验扰动串成一条可检验的因果假说。
进一步地，研究人员识别出36个具有小胶质细胞特异性预测效应的阿尔茨海默病GWAS变异。基因集富集分析（gene set enrichment analysis, GSEA）显示，GTPase结合相关通路显著富集，FDR为0.003；ERK1/2级联调控也显著富集，FDR为0.006。这些结果把阿尔茨海默病风险从“某些非编码位点”推进到“小胶质细胞中的免疫和信号转导机制”。
FLARE：给罕见非编码变异排优先级，而不是给所有变异贴标签
在上述发现基础上，研究人员开发了FLARE，即调控进化功能Lasso分析（Functional Lasso Analysis of Regulatory Evolution）。它的目标不是直接诊断某个变异“致病”或“不致病”，而是把ChromBPNet预测的细胞类型特异性效应、染色质可及性、基因组上下文特征整合起来，预测进化保守性（evolutionary conservation），以此优先排序那些更可能具有强调控影响的非编码变异。
FLARE用8,757,029个超罕见变异训练，并可按不同组织和发育情境建立模型。它最有价值的地方在于：不要求每个疾病都拥有巨大样本量，也能基于序列和功能组学信息对罕见变异做机制优先级判断。
在自闭症谱系障碍（autism spectrum disorder, ASD）分析中，研究人员聚焦1902个ASD simplex家庭中的非编码新发突变（de novo mutation），并筛选出靠近综合征性自闭症相关基因的1855个非编码变异。胎儿脑FLARE模型的表现尤其突出：FLARE-fb评分最高的16个突变中，有14个来自ASD病例。所有1855个突变中，病例和对照的平均FLARE-fb分数差异显著，t检验P值为6.8×10−3；但中位数差异不显著，提示信号集中在少数高分离群变异中。
研究人员进一步估计，在校正与保守性相关的突变率后，ASD proband中高影响调控新发突变的过量负担为34个，而兄弟姐妹匹配对照中为10.8个；对应约1.2%的proband携带有影响的调控突变，95%置信区间为0.5%到1.9%。这不是一个巨大的比例，却很有意义：它提示远端非编码突变可能解释一小部分但机制清晰的ASD风险。
在先天性心脏病（congenital heart disease, CHD）中，FLARE同样显示出情境特异性价值。研究人员分析763个CHD病例中靠近已知CHD基因的836个突变，并与1766个对照突变比较。心脏FLARE模型（FLARE-h）优先排序的前10个高分变异中，有7个来自病例，P值为0.016。尤其值得注意的是，多个高分变异集中在ARID1B附近，并在胎儿心脏内皮样细胞等情境中显示更强预测效应。
模型可靠吗？需要看它在哪里被验证，也要看它哪里还没被验证
面对深度学习预测，不得不问：这些结果是否只是模型偏好，而不是生物学事实？
这项研究给出几类支撑。第一，模型在表达数量性状位点（expression quantitative trait loci, eQTL）和GWAS精细定位变异中表现出情境匹配性。例如，脑模型更能优先识别脑相关eQTL，心脏模型更能优先识别心血管相关位点；错配模型的信号会减弱。第二，在脑组织eQTL中，成人小胶质细胞ChromBPNet分数在神经元特异性eQTL处显著降低，P值为3.5×10−5，说明模型确实能分辨细胞类型效应。第三，RASGEF1C位点用CRISPRi进行了功能扰动，支持模型推断的调控元件作用。
但局限性也不容忽视，FLARE优先级不等于临床致病性判定；ChromBPNet预测的是染色质可及性变化，也不必然等价于基因表达变化或疾病风险。即便在成人脑表达离群分析中，FLARE也显示出“更容易解释低表达离群”的倾向：在ROSMAP的791名老年个体中，成人脑FLARE排名前0.1%的变异，在表达z < -3的低表达基因附近富集，OR为5.4，95%置信区间为2.3到10.7，P值为1.6×10−4；但对高表达离群的富集很弱。这说明模型抓住了部分调控破坏信号，却不是所有表达异常的通用解释器。
真正改变问题的是：从“找变异”转向“找情境”
这项研究最值得关注的，不是某一个算法名字，而是问题框架的变化。
过去我们常问：这个非编码变异是否重要？现在更准确的问题应当是：它在哪个细胞类型、哪个发育阶段、通过哪个转录因子基序、影响哪个基因调控过程，并在多大程度上受到进化选择约束？
在精神分裂症（schizophrenia）共同变异遗传力分析中，FLARE也显示出跨频率谱的价值。虽然它主要为罕见变异设计，但胎儿脑FLARE注释在前1%阈值下，对精神分裂症SNP遗传力显示19.1倍富集；心脏FLARE也有4.7倍富集。这提示，发育期调控约束不仅影响罕见变异，也可能帮助解释常见变异的疾病遗传结构。
非编码区并不是一片功能模糊的暗区，而是高度依赖细胞状态和发育时间的调控系统。常见变异、罕见变异、新发突变并不是彼此割裂的类别；它们共同受到染色质状态、转录因子结合、基因组位置和自然选择的塑造。
如果未来我们希望更准确地解释个人基因组中的非编码变异，仅仅知道变异坐标远远不够。我们还需要知道它落在哪个细胞的开放染色质里，改变了哪个基序，是否位于关键发育窗口，是否接近受约束基因，以及是否能在真实细胞系统中被扰动实验验证。
这项研究给出的答案并不是终点，而是一套更锋利的提问方式：当一个非编码变异沉默地躺在基因组中时，我们不应只问它“在哪里”，更要问它“在什么时候、在哪个细胞里，开始产生后果”。
参考文献