Systematic common and rare variant association testing in 392,030 whole genomes in All of Us

Diese Studie präsentiert eine umfassende Analyse von 392.030 vollständigen Genomen aus dem All of Us Research Program, die ein einheitliches „All by All"-Rahmenwerk nutzt, um nahezu 50.000 genetische Assoziationen über Tausende von Merkmalen hinweg zu identifizieren und durch Metaanalyse mit dem UK Biobank neue Gen-Phänotyp-Verbindungen aufzudecken, während gleichzeitig öffentliche Werkzeuge für die globale Forschung bereitgestellt werden.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen zu verstehen, warum manche Menschen krank werden, während andere gesund bleiben. Seit langem suchen Wissenschaftler nach Hinweisen in unserer DNA, arbeiteten jedoch mit relativ kleinen Karten. Dieser Artikel ist vergleichbar mit der Enthüllung eines massiven, hochauflösenden Atlas der menschlichen Genetik, der aus dem Forschungsprogramm „All of Us" erstellt wurde.

Hier ist eine Aufschlüsselung dessen, was die Forscher taten und entdeckten, unter Verwendung einfacher Analogien:

1. Das große Ganze: Eine riesige genetische Bibliothek

Stellen Sie sich das Programm „All of Us" als eine massive Bibliothek vor. Anstelle von Büchern enthält sie den vollständigen genetischen Code (komplette Genome) und Gesundheitsdaten von über 392.000 Menschen. Was diese Bibliothek besonders macht, ist, dass sie nicht nur mit Menschen einer einzigen Herkunft gefüllt ist; es ist eine vielfältige Sammlung, die viele verschiedene genetische Abstammungslinien innerhalb der Vereinigten Staaten repräsentiert.

Die Forscher betrachteten nicht nur ein oder zwei Gesundheitsprobleme. Sie entwickelten ein System, um 3.602 verschiedene Merkmale gleichzeitig zu überprüfen. Dies ist vergleichbar mit einer Bibliothekarin, die nicht nur prüft, ob ein Buch über „Kochen" handelt, sondern gleichzeitig überprüft, ob es über Kochen, Gartenarbeit, Autoreparatur und Weltraumreisen handelt. Sie nannten dies einen „All-by-All"-Ansatz.

2. Die Suche: Winzige Hinweise in einem Heuhaufen finden

Die Forscher suchten nach zwei Arten genetischer Hinweise:

• Häufige Varianten: Diese sind wie Tippfehler, die in einem Buch häufig vorkommen. Viele Menschen haben sie, und sie können das Risiko für häufige Probleme wie Fettleibigkeit oder Bluthochdruck leicht erhöhen.
• Seltene Varianten: Diese sind wie sehr spezifische, einzigartige Tippfehler, die nur in wenigen Exemplaren des Buches zu finden sind. Obwohl sie selten sind, können sie manchmal einen enormen Einfluss auf die Gesundheit haben, etwa indem sie eine bestimmte Krankheit verursachen.

Sie führten 1,3 Billionen Tests durch (das ist eine Menge Sucharbeit!), um festzustellen, ob diese genetischen Tippfehler mit einem der 3.602 Gesundheitsmerkmale verknüpft waren.

3. Die Ergebnisse: Neue Verbindungen entdecken

Nach all dieser Suche fanden sie 49.863 starke Verbindungen zwischen Genen und Gesundheitsmerkmalen.

• Die „häufigen" Erkenntnisse: Sie bestätigten viele Dinge, die sie bereits vermutet hatten. Beispielsweise fanden sie starke Zusammenhänge zwischen Genen in der Nähe von FTO und TCF7L2 und Problemen wie Fettleibigkeit und Diabetes. Interessanterweise stellten sie fest, dass bei einigen dieser Verbindungen die Stärke des Zusammenhangs bei Männern anders aussah als bei Frauen, wahrscheinlich weil Ärzte bestimmte Medikamente unterschiedlich für Männer und Frauen verschreiben.
• Die „seltenen" Erkenntnisse: Sie fanden über 1.000 neue Verbindungen, die seltene genetische Fehler betrafen. Einige davon waren wie das Finden eines fehlenden Puzzleteils, von dem niemand wusste, dass es fehlte. So entdeckten sie einen seltenen Fehler in einem Gen namens TIMD4, der mit hohen Triglyceriden (eine Art Fett im Blut) verknüpft zu sein schien – eine Verbindung, die beim Betrachten kleinerer Personengruppen nicht sichtbar war.

4. Das Super-Team-Up: Kräfte bündeln

Um ihre Suche noch leistungsfähiger zu machen, kombinierten die Forscher ihre „All of Us"-Bibliothek mit einer weiteren riesigen Bibliothek namens UK Biobank.

• Die Analogie: Stellen Sie sich zwei Detektive vor, die versuchen, ein Rätsel zu lösen. Detektiv A hat eine Liste von 400.000 Zeugen, und Detektiv B hat eine Liste von 300.000. Wenn sie allein arbeiten, könnten sie einen Hinweis übersehen. Wenn sie jedoch ihre Listen kombinieren, haben sie 786.000 Zeugen.
• Das Ergebnis: Durch das Zusammenführen dieser beiden massiven Datensätze fanden sie 193 neue Gen-Krankheits-Verbindungen, die keine der beiden Bibliotheken allein hätte finden können. Es ist wie das Finden einer Nadel im Heuhaufen, die zuvor zu klein war, um gesehen zu werden, aber sichtbar wurde, als man die Größe des Heuhaufens verdoppelte.

5. Das Werkzeug: Eine öffentliche Karte für alle

Die Forscher behielten diese Erkenntnisse nicht nur für sich. Sie bauten einen öffentlichen, interaktiven Browser (wie eine Google Maps für Genetik).

• Wie es funktioniert: Jeder Wissenschaftler auf der Welt kann online gehen, ein Gen oder eine Krankheit eingeben und sofort alle in dieser Studie gefundenen Verbindungen sehen. Sie können in bestimmte Teile der DNA hineinzoomen oder betrachten, wie sich verschiedene Personengruppen vergleichen.
• Warum es wichtig ist: Dies senkt die Einstiegshürde. Man muss kein Supercomputer-Experte sein, um diese Daten zu nutzen; man benötigt lediglich einen Webbrowser.

Wichtige Einschränkungen (Was der Artikel nicht sagt)

Die Autoren sind sehr sorgfältig darin, darzulegen, was diese Studie nicht ist:

• Es ist kein Diagnosewerkzeug: Das Finden einer Verbindung zwischen einem Gen und einer Krankheit bedeutet nicht, dass das Gen in jedem Fall die Krankheit verursacht. Es ist ein statistischer Hinweis, kein medizinisches Urteil.
• Es ist keine Heilung: Dieser Artikel identifiziert Ziele für zukünftige Forschung, bietet jedoch keine neuen Behandlungen oder Medikamente.
• Es ist nicht perfekt: Die Studie erkennt an, dass Gesundheitsdaten (wie Abrechnungsdaten) keine perfekten Spiegelbilder des tatsächlichen Gesundheitszustands einer Person sind und dass verschiedene Personengruppen möglicherweise unterschiedlich repräsentiert waren.

Zusammenfassung

Kurz gesagt ist dieser Artikel ein massiver „State of the Union" für die menschliche Genetik. Durch die Nutzung eines riesigen, vielfältigen Datensatzes und dessen Kombination mit einem weiteren wichtigen globalen Datensatz schufen die Forscher eine leistungsfähige neue Karte darüber, wie unsere Gene mit unserer Gesundheit zusammenhängen. Sie fanden Tausende neuer Verbindungen, bestätigten viele alte und entwickelten ein kostenloses, einfach zu bedienendes Werkzeug, damit Wissenschaftler überall diese Karte nutzen können, um mehr über die menschliche Biologie zu lernen.

Technische Zusammenfassung

Technische Zusammenfassung: Systematische Assoziationsanalysen für häufige und seltene Varianten in 392.030 Vollgenomen des All of Us-Programms

Problem und Kontext
Groß angelegte Biobanken haben den Nutzen genomweiter Assoziationsstudien (GWAS) und seltener Varianten-Assoziationsstudien (RVAS) zur Entdeckung genetischer Grundlagen komplexer Merkmale etabliert. Bestehende Ressourcen verfügen jedoch häufig nicht über ausreichende Vielfalt in der genetischen Abstammung oder über das erforderliche Ausmaß, um Effekte seltener Varianten mit hoher Sicherheit nachzuweisen. Das All of Us Research Program zielt darauf ab, diese Lücken durch die Rekrutierung einer diversen US-Bevölkerung zu schließen; dennoch war eine umfassende, einheitliche Analyse ihrer Daten zur Vollgenomsequenzierung (WGS) über das gesamte Phänotyp-Spektrum hinweg erforderlich, um ihren Nutzen für die Genentdeckung zu maximieren.

Methodik
Die Autoren stellen ein „All by All"-Rechenrahmenwerk vor, das auf die Version 8 des All of Us Research Programms angewendet wurde. Die Studie nutzte WGS-Daten und harmonisierte phänotypische Informationen von 392.030 Teilnehmern nach strenger Qualitätskontrolle (QC).

• Kohorten-Stratifizierung: Um die Populationsstratifizierung zu kontrollieren und gleichzeitig die Stichprobengröße zu maximieren, wurden die Teilnehmer basierend auf ihrer Ähnlichkeit zu Referenzpanelen sechs Gruppen genetischer Ähnlichkeit zugeordnet (AFR-ähnlich, AMR-ähnlich, EAS-ähnlich, EUR-ähnlich, MID-ähnlich, SAS-ähnlich). Diese Gruppen wurden als diskrete analytische Schichten behandelt und nicht als biologisch distincte Kategorien.
• Phänotyp-Spektrum: Die Analyse umfasste 3.602 einzigartige Phänotypen, einschließlich körperlicher und Laborwerte, Krankheiten (definiert über PhecodeX), Verschreibungen (ATC-Klassifikation) und selbstberichteter Daten.
• Statistisches Rahmenwerk:
  • Häufige Varianten: Einzelvarianten-Assoziations tests wurden mit SAIGE durchgeführt.
  • Seltene Varianten: Gen-Level-Belastungsanalysen wurden mit SAIGE-GENE+ durchgeführt, wobei seltene protein-codierende Varianten (maximale Minor-Allel-Frequenz [MAF] 0,1 %) nach funktioneller Annotation aggregiert wurden.
  • Meta-Analyse: Die Studie führte Meta-Analysen über die sechs Gruppen genetischer Ähnlichkeit hinweg durch, wobei für Einzelvarianten-Tests Modelle mit fester Wirkung und invers-varianz-gewichteten Modellen sowie für genbasierte Tests seltener Varianten die Stouffer-Methode verwendet wurden.
  • Integration über Biobanken hinweg: Eine sekundäre Meta-Analyse kombinierte die Ergebnisse von All of Us mit Daten der UK Biobank (UKB) und umfasste bis zu 786.871 Proben. Krankheitsphänotypen wurden durch Abbildung der All of Us PhecodeX-Codes auf UKB ICD-10-Codes harmonisiert.
• Datenfreigabe: Die Ergebnisse wurden über einen öffentlichen interaktiven Browser und die All of Us Researcher Workbench verfügbar gemacht.

Hauptergebnisse

• Umfang der Analyse: Die Studie führte etwa 1,337 Billionen Assoziations tests durch. Nach QC identifizierten die Autoren 48.831 annähernd unabhängige, hochwertige Einzelvarianten-Signale (LD-geschnitten $r^2 < 0,1$, $p < 5 \times 10^{-8}$) und 1.032 signifikante Gen-Belastungs-Assoziationen ($p < 6,7 \times 10^{-7}$) bei einer maxMAF von 0,1 %.
• Phänotypische Übereinstimmung: Vergleiche zwischen selbstberichteten Krankheiten und klinisch abgerechneten PhecodeX-Krankheiten zeigten eine hohe Korrelation der Prävalenz ($r = 0,74$), wobei selbstberichtete Daten häufiger mildere Zustände erfassten.
• Konsistenz der Gruppen: Über die Gruppen genetischer Ähnlichkeit hinweg waren die Wirkungsrichtungen weitgehend konsistent. Nur 0,4 % der signifikanten Varianten-Assoziationen zeigten über die Gruppen hinweg entgegengesetzte Wirkungsrichtungen, und diese wiesen eine hohe Heterogenität auf.
• Leistungsfähigkeit der Meta-Analyse: Die Meta-Analyse über genetische Gruppen hinweg verbesserte die Entdeckung erheblich. Für Phänotypen, die in den drei größten Gruppen analysiert wurden, wurden 42,4 % der signifikanten pLoF (protein-truncating variant) Gen-Phänotyp-Assoziationen nur durch die Meta-Analyse identifiziert, nicht jedoch in einer einzelnen Gruppe allein.
• Entdeckungen über Biobanken hinweg: Die Meta-Analyse von All of Us und UK Biobank (bis zu 786.871 Proben) identifizierte 193 pLoF Gen-Phänotyp-Assoziationen, die in keiner der beiden Kohorten einzeln signifikant waren. Darunter befanden sich 22 neue Signale, die von früheren automatisierten Literaturkuratierungen nicht hervorgehoben wurden. Beispiele hierfür sind:
  • Repliziert: Seltene pLoF-Varianten in MIB1, die mit Typ-2-Diabetes assoziiert sind, und in ZMYM4, die mit Adipositas assoziiert sind.
  • Neu: Assoziationen zwischen TREM1 und Nabelbruch sowie zwischen TMEM127 und Dermatophytose.
  • Übergreifende Phänotypen: Die Studie identifizierte 44 Gen-Annotation-Paare mit übergreifenden Phänotyp-Assoziationen, wie etwa PCSK9-Varianten, die Cholesterin-Biomarker und klinische Hyperlipidämie beeinflussen, sowie TSHR-Varianten, die Schilddrüsen-bezogene Phänotypen beeinflussen.
• Geschlechtsspezifische Befunde: Analysen der Verwendung von GLP-1-Analoga zeigten stärkere Assoziationen mit TCF7L2 bei Männern und mit FTO bei Frauen, was Unterschiede in den Verschreibungsmustern und der Krankheitsprävalenz widerspiegelt.

Bedeutung und Behauptungen
Die Autoren behaupten, dass diese Ressource einen der größten öffentlich verfügbaren Assoziationsdatensätze darstellt, der sowohl genomweite als auch exomweite Variationen abdeckt. Ihre primäre Bedeutung liegt in:

1. Erhöhte Entdeckungsmacht: Der Nachweis, dass Meta-Analysen über diverse genetische Gruppen und Biobanken hinweg entscheidend sind, um Assoziationen seltener Varianten zu erkennen, die in einzelnen Kohorten unentdeckt bleiben.
2. Vielfalt: Bereitstellung einer Ressource mit deutlich verbesserter nicht-europäischer Repräsentation im Vergleich zu früheren groß angelegten Biobanken-Studien, was die Identifizierung von Assoziationen ermöglicht, die auf Allelfrequenzunterschiede zwischen Populationen zurückzuführen sind.
3. Nützlichkeit: Etablierung eines Rahmens für iterative Datenfreigaben, während die All of Us-Kohorte wächst, was eine systematische Genentdeckung, die Priorisierung therapeutischer Ziele und die Entwicklung polygener Risikoscores ermöglicht.
4. Zugänglichkeit: Senkung der Barrieren für den Datenzugriff durch die Freigabe von Zusammenfassungsstatistiken und eines interaktiven Browsers, was eine schnelle Abfrage und Interpretation durch die globale Forschungsgemeinschaft erleichtert.

Die Autoren weisen auf Einschränkungen hin, darunter, dass Assoziationen statistische Korrelationen und keinen kausalen Beweis darstellen, potenzielle verbleibende Verzerrungen durch EHR-basierte Phänotypisierung sowie die Tatsache, dass Meta-Analysen über Biobanken hinweg aufgrund der Zusammensetzung der UK Biobank immer noch unverhältnismäßig stark europäisch-spezifische Signale widerspiegeln. Sie betonen, dass die Gruppen genetischer Ähnlichkeit analytische Werkzeuge zur Fehlerkontrolle sind und nicht als biologisch distincte Kategorien interpretiert werden sollten.