Nat Commun | 李帅成团队开发Invas，实现基因内倒位转录本精准组装
时间：2026-07-28 21:48:22 热度：37.1℃ 作者：网络
深度解析医学证据，lxfs.net为你支撑决策
基因组发生倒位后，一段 DNA 会改变方向并以反向互补序列重新接回原位。当倒位发生在同一个基因内部，它不仅改变 DNA 的排列，还可能打乱外显子顺序、重塑剪接位点，产生新的转录本和蛋白序列。
但常规转录组组装方法通常默认 RNA-seq reads 与参考基因组共线排列。倒位会让转录本在基因组上“折返”，形成非共线剪接甚至环状路径，就像一本书中有几页被翻转后重新装订：传统方法仍按原方向拼接，往往只能得到残缺或错误的内容。跨越倒位断点的 reads 也可能被软剪切或直接成为未比对 reads，造成倒位转录本漏检，并干扰表达定量。
近日，香港城市大学李帅成教授团队联合华中科技大学同济医学院附属同济医院孙朝阳教授团队，在Nature Communications发表题为 “Invas: An Inversion-Aware Method for Transcriptome Assembly” 的研究论文。研究团队开发了倒位感知的转录组组装框架 Invas，通过整合全基因组测序（WGS）断点与短读长 RNA-seq 证据，构建能够同时表示正向和反向片段的共轭图，并利用共轭图上的最大流估计转录本表达量（代码位于 https://github.com/deepomicslab/INVAS）。香港城市大学计算机科学系王学东、王飞越与华中科技大学同济医学院附属同济医院冯晨钊为论文共同第一作者。
Invas论文题目与作者信息
Invas 论文题目与作者信息。图片来源：Nature Communications论文页面。
研究团队在 42,000 个模拟倒位事件中评估了 Invas，并将其应用于 7 类疾病队列及健康家系数据。相比方法性能，更值得关注的是它揭示出的生物学线索：一些基因内倒位可能并非肿瘤形成后才出现，而是以胚系变异的形式从出生起便存在于个体基因组中。这些变异不意味着携带者一定会患癌，却可能构成长期存在的遗传易感背景。由于传统转录组方法难以看见倒位产生的异常转录本，这类风险线索过去很可能一直隐藏在测序数据中。
论文概览
图 1｜Invas 整体工作流程：整合 WGS 与 RNA-seq 证据，通过共轭图和最大流重建并定量倒位转录本。
不只是“发现”倒位，而是把转录本完整拼出来
Invas 从两类相互补充的证据入手：先从 WGS 数据中寻找可靠的倒位断点，再利用 RNA-seq 证据判断这些倒位是否真正发生了转录。对于跨越断点而无法正常比对的 reads，Invas 会将其重新比对，从中识别倒位特异性剪接信号。
找到这些信号后，Invas 将正常和反向的转录片段放入同一个共轭图。图中的每个片段都有与其反向互补关系相对应的表示，跨越剪接位点的 reads 则决定片段之间如何连接。传统剪接图只能沿参考基因组的方向连接片段，而共轭图可以同时描述正向、反向及跨倒位断点的连接，因此能够表示倒位造成的“折返”结构。
随后，Invas 根据 reads 支持度在图上寻找最相容的路径。每条路径对应一种可能的转录本；识别出一条路径后，算法更新已被解释的覆盖信号，再继续寻找其他路径，从而逐步恢复正常转录本和倒位来源的不同异构体。
在此基础上，Invas 进一步利用共轭图上的最大流估计表达量。它将 reads 覆盖度转化为图中可分配的流量，并在正向和反向连接之间协调这些证据，使同一批 reads 不会被重复计算。最大流由此给出与各条转录路径相匹配的覆盖水平，实现正常和倒位转录本的定量。
换句话说，共轭图解决“这些片段应该怎样连接”，最大流则回答“每条转录本有多少 reads 支持”。
Invas 解决的不只是“这个基因是否发生倒位”，而是进一步回答：倒位是否被转录、形成了怎样的转录本，以及它表达了多少？
42,000 个模拟事件中精确率达到 99.2%
研究团队设计了 6 类模拟场景，覆盖外显子片段、完整外显子、内含子保留、多外显子和可变剪接相关倒位等结构，并设置 7 个 RNA-seq 测序深度，共生成 42,000 个独立事件。
综合所有场景，Invas 检测基因内倒位的精确率为 99.2%、召回率为 86.3%，F1 分数为 92.3%。相比之下，StringTie、Cufflinks 和 Trinity 受限于共线或无环组装假设，难以完整重建跨越倒位断点的转录本。在 TNFSF9、HES3 和 PRDX5 等代表性案例中，传统方法的组装结果在断点附近终止或高度碎片化，而 Invas 能够恢复倒位结构及其可变剪接异构体。
模拟数据评估
图 2｜Invas 与 StringTie、Cufflinks、Trinity 在模拟数据中的性能比较。
倒位断点还会造成软剪切、未比对和歧义比对，进而影响同一区域正常转录本的定量。对于不含倒位结构的转录本，Invas 获得了最高的表达相关性（Pearson r = 0.9722）和最低的均方根误差（RMSE = 0.0395）。这表明，倒位感知建模既能找回异常异构体，也能降低局部结构变异造成的定量偏差。
被忽略的遗传底色：基因内倒位与肿瘤易感性
完成性能评估后，研究团队将 Invas 应用于真实测序数据，分析了肝细胞癌（HCC）、高级别浆液性卵巢癌（HGSOC）、急性髓系白血病（AML）、多囊卵巢综合征（PCOS）、软组织肿瘤、头颈部鳞状细胞癌和肺癌等 7 类疾病队列，并进一步考察健康家系中的可遗传倒位。
在 HCC 中，促转移相关基因 TSPAN8 的倒位出现于 5/34（14.7%）的样本，并较其他癌种显著富集（FDR = 0.015）。研究将其视为候选胚系易感变异：如果一个人在胚胎发育之初便携带这一倒位，它可能在肿瘤出现之前就持续影响基因调控和转录本结构，为后续癌变提供更易受影响的遗传背景。该事件翻转完整的第 4 外显子，可能影响邻近调控元件、RNA 二级结构及蛋白互作；结构预测还提示，它可能削弱 TSPAN8 与 CD44 的结合，同时增强其与 integrin α3 的结合。这里的重要发现并非“一个倒位必然导致肝癌”，而是过去被忽略的结构变异可能参与塑造个体对 HCC 的易感性。
HCC中的TSPAN8倒位
图 3｜HCC 队列中的 TSPAN8 基因内倒位及其潜在功能影响。
在 HGSOC 中，Invas 在 50 份样本中的 34 份识别到基因内倒位，潜在有害事件占 27/42（64.3%），为所分析癌种中比例最高。研究关注的 PTPRF 倒位同样具有候选胚系易感变异的意义：这种与生俱来的结构改变可能长期存在，并在特定组织环境和其他分子事件共同作用下增加患病风险。该倒位可能引入提前终止密码子，使蛋白 C 端关键磷酸酶结构域缺失，进而影响 EGFR 和 β-catenin 相关信号。
在 AML 中，NOL10 是最常见的倒位基因，出现于 9/21（42.9%）的样本。预测结果表明，该倒位可能改变 RNA 折叠，并重塑 AATF-NGDN-NOL10 复合体的互作，影响核糖体生成、细胞增殖与凋亡之间的平衡。
研究还在 Genome in a Bottle 的 Ashkenazi 三人家系中识别到一个位于 MSC-AS1 内的 245 bp 倒位。该事件符合孟德尔遗传规律，得到 Illumina、PacBio、stLFR 和 Oxford Nanopore 等多平台数据支持，并可在群体数据中观察到。功能分析提示，它更可能是一个常见且影响相对温和的结构多态性。这说明 Invas 既能寻找潜在致病倒位，也有助于识别健康人群中可耐受的变异。
健康家系倒位
图 4｜Ashkenazi 三人家系中 MSC-AS1 倒位的遗传与多平台测序证据。
倒位转录本可能带来新的肿瘤抗原
基因内倒位可以翻转编码序列、激活内含子中的新开放阅读框，或在断点附近产生全新的肽段，因此可能成为肿瘤特异性抗原（tumor-specific antigens, TSAs）的新来源。
研究团队从 196 个含倒位区域获得 673,942 条候选肽，经过 MHC-I 结合、加工与呈递预测、自身蛋白组去除、免疫耐受过滤和基因组定位核验，最终得到 30 条高置信候选 TSA，其中 17 条来自体细胞倒位。这些候选肽的预测 MHC-I 结合亲和力为 9.73-44.08 nM，并覆盖多个常见 HLA 等位基因。
倒位来源TSA
图 5｜倒位来源候选 TSA 的筛选流程及代表性肽段与 MHC-I 结合模型。
例如，FMNL2 体细胞倒位产生的候选肽 FINPHFTYV 对 HLA-A*02:01 的预测结合亲和力为 9.73 nM。TSPAN8、PTPRF 和 NOL10 倒位也可产生不同 HLA 背景下的候选抗原肽。
总 结
Invas 通过整合 WGS 与 RNA-seq 数据，利用共轭图表示倒位造成的反向连接，并通过图上的最大流完成表达定量。共轭图和最大流解决了“如何看见”的问题，但这项工作的价值不止于提出一种新算法：它让过去埋在常规分析盲区中的倒位转录本第一次能够被系统追踪，也让研究者有机会重新审视结构变异与疾病易感性之间的联系。
从模拟数据到多类疾病队列、健康家系和候选肿瘤抗原，该研究最值得记住的发现是：部分基因内倒位可能在出生时就已存在，随后作为一种长期的遗传背景影响转录调控，并在特定环境和其他变异共同作用下增加肿瘤易感性。它们不是决定命运的“致癌开关”，却可能是此前长期未被看见的一层风险因素。研究团队同时开源 Invas 并发布 InvasDB，为进一步验证这些候选易感变异及其疾病机制提供了工具和数据基础。
