《Nature》：基因检测时代来临！大数据预测常见致命疾病风险

基因检测可以预示常见疾病风险了！来自麻省理工学院、哈弗医学院等机构的一个研究小组报告了一种新的基因组分析，可以识别出患严重常见病的高风险人群，包括冠心病、乳腺癌或2型糖尿病。

图片来源： Lauren Solomon

这些测试利用基因组中数百万个地方的信息来确定五种疾病的风险，可以在症状出现之前就预示更有可能发展成潜在的致命疾病。虽然这项研究数据源自英国，但它表明，仅根据基因变异，美国就有高达2500万人患冠状动脉疾病的风险可能比正常人高出3倍以上。此外，还有数百万人患其他疾病的风险也可能类似。基因组信息可以让医生将注意力特别集中在这些个体上，或能通过早期干预实现疾病的预防。

这项研究提出了一个重要的问题：如何在医疗系统中进一步完善和使用这种称为多基因风险评分（polygenic risk scoring）的方法？同时，作者指出，这一份研究很大程度上是基于来自欧洲裔个人的信息，我们还需对其他族裔群体进行更大范围的研究，以确保结果的准确性。这项研究发表在8月13日的《Nature Genetics》杂志上。

“我们早就知道，仅仅根据他们的总体遗传变异就能知道一些高风险人群。”通讯作者、Broad Institute心血管疾病倡议主任兼哈佛医学院医学教授Sekar Kathiresan说， “现在，我们能够使用基因组数据以有意义的方式来测量这种风险。从公共卫生的角度来看，我们需要确定这些高危人群，以便我们能够提供适当的护理。”

1、具体研究

为了开发疾病风险评分算法，研究人员首先从大规模全基因组关联研究中收集数据，以确定与冠状动脉疾病、心房颤动、2型糖尿病、炎症性肠病或乳腺癌相关的基因变异。对于每种疾病，他们应用一种计算算法将来自所有变异体的信息（其中大部分变异体单独对风险的影响非常小）组合成一个单一的数字，即多基因风险评分。这个数字可以用来根据一个人的基因组预测他（她）的患病几率。

为了验证该算法，研究小组对来自英国生物银行（UK Biobank）的40多万人的数据进行了测试，该银行是一个广泛的数据库，收集了来自英国血统参与者的基因组数据和医学信息。

需要强调的是，根据Khera的说法，冠状动脉疾病的多基因风险评分高的人不一定表现出其他疾病风险的警告信号(如高血压或高胆固醇)。

他解释说: “这些人的心脏病发作的风险是正常水平的几倍，而这仅仅是由于多种基因变体的附加效应。一旦他们进入临床实践中，常规标准就无法判断他们的风险值。只有对这些病例进行确认，我们才能更有效地进行筛查和治疗，而新算法为我们提供了一种潜在的前进道路。”

图片来源：pixabay

2、准确预测

以冠状动脉疾病的评分方法为例：该算法在基因组中搜索了660多万个位置，以估计一个人患致命疾病的风险（这是美国最常见的心脏病类型，也是成人死亡的主要原因）。在英国生物银行数据集中显示，基于他们的遗传变异，8%的人比其他人多出三倍多的可能性患上这种疾病。绝对来说，只有0.8%的多基因风险得分最低的人患有冠心病，而得分最高的人中， 11%患有冠心病。

乳腺癌是导致女性恶性肿瘤相关死亡的主要原因，多基因预测发现，与其他人相比，1.5%的英国生物库人口患乳腺癌的风险是其他人的三倍多，而那些多基因风险得分最高的人风险高达5倍。从绝对数字来看，这意味着得分最高的人中，19%患有乳腺癌，而其余的人只有4%。研究人员随后对2型糖尿病、房颤和炎症性肠病的多基因风险评分也采用了类似的方法。

3、一些局限

为了开发其他常见疾病的多基因风险评分测试，研究小组指出，需要进行额外的研究来收集全基因组关联数据，并通过参考生物库来验证评分。此外，目前的多基因风险计算主要来自对欧洲血统的人进行的遗传研究，因此需要更多的研究来优化其他种族群体的算法。

尽管如此，研究人员建议，现在是生物医学界考虑将这种方法纳入临床护理的时候了。但在做到这一点之前，还需考虑多种因素，例如疾病是否有遗传成分；对于普遍性疾病，建议将筛查纳入常规临床护理；提前了解一种疾病的遗传风险有助于指导护理以抵消这种遗传风险。

“归根结底，这是一种新型的基因风险因子。我们设想将多基因风险评分作为一种方法来识别疾病的高或低风险人群，或许早在出生阶段就可利用这些信息制定干预措施，如改变生活方式或治疗方法预防疾病；对于心脏病，我预见每位患者在不久的将来都有机会知道他或她的多基因风险数，就像他们现在知道胆固醇数值一样。” Kathiresan总结。

参考资料：Researchers predict risk for common deadly diseases from millions of genetic variants

原文检索：Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations