《自然》子刊：科学算命来临！全基因分析成功预测5种常见病发病风险，科学家太给力了

算命这件事可谓历史悠久，从商代的占卜，到文王拘而演周易，一直延续到世纪初打着高科技名义坑蒙拐骗的“电脑算命”。

“算命”最大的意义恐怕就是给我们留下了商代的甲骨文，让我们可以一窥4000年前祖先的生活。

不过现在，这一封建迷信的传统领域也部分地被科学攻克了。近日，哈佛医学院的Amit Khera和Sekar Kathiresan等，通过全基因组评分，成功预测了冠心病、房颤、2型糖尿病、炎症性肠病和乳腺癌这5种疾病的发病风险[1]。文章发表在《自然遗传学》上。

说起基因和疾病，奇点糕首先想到的就是高中生物课里学的各种红绿色盲、血友病、白化病等等遗传病。这些遗传病有个共同特点，都是单基因遗传，也就是它们的发病都只和一个基因的异常有关，测一个基因就能知道会不会得病了。

这样的遗传题大家都做过吧

不过，大多数的疾病都是多个基因，再加上环境因素共同作用的造成的。比如在帕金森中，最常见的LRRK2突变也只占了全部发病人数的3%[2]。在2型糖尿病中，最常见的HNF1α突变也只能解释2.1%的患者[3]。

而像冠心病，流行病学调查显示40-60%的易感性是遗传因素带来的[4]，全基因组关联性也发现了33个和冠心病有关的基因，每个基因突变都会不同程度地增加冠心病的风险[5]。比如，遗传性高胆固醇血症突变，一种出现率0.4%的突变，会使冠心病的风险增加3倍[6]。

影响因素这么复杂，研究起来自然很难。不过还好，测序技术和计算机技术的成熟，使得获得和处理大量样本成为可能，也让对多基因遗传病的预测研究可以开展。

通讯作者Sekar Kathiresan

“我们很久以前就知道，整体基因变异情况是一些疾病的高危因素”通讯作者Sekar Kathiresan说，“现在，我们能够使用基因组数据来衡量这种风险。从公共卫生的角度来看，我们需要确定这些高危人群，以便提供适当的预防措施。”

在2006年，威康信托医疗慈善机构、医学研究理事会、卫生部、苏格兰政府和西北地区发展署共同建立了英国生物银行。在2006到2010年间，英国生物银行一共招募了50万名年龄在40至69岁之间的志愿者，收集了血液、尿液和唾液样本，并在之后跟踪他们的健康状况。

这些数据正好可以用于多基因遗传病的研究。

Amit Khera等首先根据以往的数据，为冠心病建立了31个全基因组多基因评分（GPS）模型，然后从英国生物银行中抽取120280名志愿者的数据，对这些模型进行了测试。

研究人员对评分和发病率作图，根据曲线下面积（AUC）对这些模型进行评价，选取出最好的一个模型，再用英国生物银行中，另外抽取288978名志愿者的数据对其进行验证。

在验证队列中，通过这个多基因评分模型，研究人员发现有8%的人患冠心病的风险比普通人高3倍多，是之前根据遗传性高胆固醇血症这一个基因突变找出的高危人群的20倍。而比普通人冠心病风险高4倍和5倍的分别有2.3%和0.5%。

“对于心脏病发作，我预测每个病人在不久的将来都有机会知道自己的多基因风险指数——就像他们现在知道自己的胆固醇指数一样。”通讯作者Kathiresan博士表示。

评分与发病率的关系

接下来，研究人员又用同样的方法对房颤、2型糖尿病、炎症性肠病和乳腺癌进行了分析。

对于房颤，多基因预报模型发现有6.1%的人有3倍风险，而评分最高的1%的人有4.63倍的风险。至于2型糖尿病、炎症性肠病和乳腺癌，分别有3.5%、3.2%和1.5%的人有3倍风险。

当然，光找出易感人群是不够的，还要有针对性的预防措施。比如冠心病，课题组之前的研究显示，通过健康的生活方式，以及服用他汀类药物降低血脂，是可以抵消掉基因带来的冠心病风险的[7-9]。

Kathiresan博士说：“我们将多基因风险评分作为一种方法，在出生时识别出疾病的高风险或低风险人群，然后使用这些信息来针对性干预，无论是通过生活方式的改变还是治疗。”

不过研究人员也指出，他们的研究是基于欧洲人的，如果用于其他人群，可能还需要做进一步的验证。此外，这样的基因检测会不会造成“基因歧视”也是个值得思考的问题。

参考资料：

1. KHERA A V, CHAFFIN M, ARAGAM K G, et al. Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations[J]. Nature Genetics, 2018, 50(9): 1219-1224.

2. Zimprich A, Biskup S, Leitner P, et al. Mutations in LRRK2 cause autosomal-dominant parkinsonism with pleomorphic pathology[J]. Neuron, 2004, 44(4): 601-607.

3. Estrada K, Aukrust I, Bjørkhaug L, et al. Association of a low-frequency variant in HNF1A with type 2 diabetes in a Latino population[J]. Jama, 2014, 311(22): 2305-2314.

4. Chan L, Boerwinkle E. Gene-environment interactions and gene therapy in atherosclerosis[J]. Cardiology in Review, 1994, 2(3): 130-137.

5. Roberts R, Stewart A F R. Genes and coronary artery disease: where are we?[J]. Journal of the American College of Cardiology, 2012, 60(18): 1715-1721.

6. Abul-Husn N S, Manickam K, Jones L K, et al. Genetic identification of familial hypercholesterolemia within a single U.S. health care system[J]. Science, 2016, 354(6319).

7. Khera A V, Emdin C A, Drake I, et al. Genetic Risk, Adherence to a Healthy Lifestyle, and Coronary Disease[J]. Journal of the American College of Cardiology, 2016, 69(11):2349-2358.

8. Mega J L, Stitziel N O, Smith J G, et al. Genetic Risk, Coronary Heart Disease Events, and the Clinical Benefit of Statin Therapy[J]. Lancet, 2015, 385(9984):2264-2271.

9. Natarajan P, Young R, Stitziel N O, et al. Polygenic Risk Score Identifies Subgroup with Higher Burden of Atherosclerosis and Greater Relative Benefit from Statin Therapy in the Primary Prevention Setting[J]. Circulation, 2017, 135(22):2091.

免责声明：基因测序产业网转载文章出于传递产业信息之目的，且明确注明来源，如有侵权请联系删除。本平台对转载文章保持中立，不对所包含内容的准确性、可靠性或完整性提供明示或暗示保证，仅作参考。