文章发表在Nature Genetics

为了量化不同药物诱导的多样化PTCs的通读，研究团队构建了包含3498个导致孟德尔遗传病的PTCs（ClinVar）、2372个复发性体细胞 PTCs（721个来自TCGA；1651 个来自MSK - IMPACT）及1个TP53对照无义突变（n = 5871）的文库。将每个PTC及其周围144个核苷酸（nts）的序列背景克隆到一个双荧光蛋白报告细胞中，并在HEK293T landing pad（LP）细胞系中进行单拷贝基因组整合，结果显示通读效率在重复实验中高度相关，且在HEK293T_LP、MCF7和HeLa三种类型细胞中，不同突变之间的通读效率高度相关，该检测结果与在其他实验室进行的包含不同基因和药物的定量分析结果相吻合（图1）。

图1.定量通读数千种致病性PTCs

研究团队对20种已知能诱导通读的不同浓度药物进行了分析，其中8种药物（CC90009、clitocine、2,6-diaminopurine (DAP)、gentamicin、G418、SJ6986、SRI-41315和5-fluorouridine (FUr)）在实验中诱导了可重复的通读，这些药物包括不同类别的小分子，涵盖不同的作用机制。不同药物对PTCs的通读促进效果差异显著，且每种药物对特定PTCs子集有更强的通读促进作用。

此前研究表明，终止密码子的上游密码子在无药物条件下可调节通读。通过上游密码子对文库中的序列进行聚类，研究揭示了每种药物的上游偏好。此外，以A结尾的密码子在促进通读方面表现更好，且不同氨基酸间影响不同。

图2.序列特征解释PTCs和药物之间

研究建立的文库共包含240个基因组位置，每个位置包含两种代表不同终止密码子类型的突变（即“多终止突变”），根据所比较的药物和终止类型，终止突变对之间的通读相关性范围在约0到0.85之间，在不同药物处理下，同一基因组位置的不同终止密码子突变如图3a所示，证实了特定突变对特定药物的敏感性差异。为每个突变选择最佳药物时，50.3%的PTCs可实现超2%通读率，高于任何单一药物，基于基因信息的药物选择可以使更多突变实现更高的读通率，其中27%的PTCs通读率大于3%，11%的PTCs大于4%，3.2%的PTCs大于5%，1.6%的PTCs大于6%（图3b）。比较每种药物前50个最敏感变体显示，每种药物使不同变体组的通读最大化，所有成对比较中平均有13个变体重叠（图3c）。因此，最佳药物的选择取决于每位患者中引起疾病的特定无义突变。

研究团队基于六种在超过3%的PTCs中引发大于1%通读的药物训练了基于序列的基因型-表型模型——RTDetective。该模型优化后，使用四个序列特征组的简单模型在六种药物中表现良好，特征组包括终止密码子类型、PTC下游的三个核苷酸及其相互作用、PTC上游的三个核苷酸及其相互作用、终止类型与PTC下游三个核苷酸的相互作用（图4）。训练计算模型需要大量的数据，研究团队测试了数千种药物和终止密码子的组合，产生了超过14万次的单独检测。

图4.可解释模型从序列背景预测通读效率

通过这六种药物，可以对人类基因组中3270万个位点中的1300万个（39.6%）实现>2%的通读，对2860万个位点（87.3%）实现>1%的通读。不同药物对无义突变密码子实现大于2%通读率的比例不同，考虑所有可能的PTCs，最有效的药物是DAP（32.8%），其次是clitocine（30.5%）、SJ6986（29.5%）、SRI（6%）和G418（1.1%）。特定药物与终止密码子类型的组合在DMD、PTEN和TP53基因中显示出治疗潜力。（图5）。因此，药物诱导的通读可作为一种有希望的治疗策略，关键在于为每个PTC匹配正确的药物。

图5.人类基因组的计算机模拟无义饱和突变

综上所述，该研究分析了8种药物对约5800个人类致病性终止密码子的通读影响，数据来自于ClinVar和癌症基因组图谱等大型公共数据库的患者报告。研究团队基于局部序列背景的影响，建立了计算模型RTDetective，该工具可能有助于无义抑制疗法药物临床试验的设计、开发和疗效评估。