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

Deze studie presenteert een uitgebreide analyse van 392.030 volledige genomen uit het All of Us-onderzoeksprogramma, waarbij een geharmoniseerd "All by All"-kader wordt gebruikt om bijna 50.000 genetische associaties over duizenden eigenschappen te identificeren en, via meta-analyse met de UK Biobank, nieuwe gen-fenotype-relaties aan het licht te brengen, terwijl tevens publieke instrumenten voor globaal onderzoek worden geboden.

De kern

Stel je voor dat je probeert te begrijpen waarom sommige mensen ziek worden terwijl anderen gezond blijven. Al lang zoeken wetenschappers naar aanwijzingen in ons DNA, maar ze werkten tot nu toe met relatief kleine kaarten. Dit artikel is als het onthullen van een enorme, hoogwaardige atlas van menselijke genetica, gebouwd op basis van het onderzoeksprogramma "All of Us".

Hier is een uiteenzetting van wat de onderzoekers deden en ontdekten, met behulp van eenvoudige analogieën:

1. Het Grote Plaatje: Een Enorme Genetische Bibliotheek

Stel je het All of Us-programma voor als een enorme bibliotheek. In plaats van boeken bevat deze de volledige genetische code (hele genoom) en gezondheidsgegevens van meer dan 392.000 mensen. Wat deze bibliotheek speciaal maakt, is dat deze niet alleen vol staat met mensen uit één achtergrond; het is een diverse collectie die veel verschillende genetische afstammingslijnen in de Verenigde Staten vertegenwoordigt.

De onderzoekers keken niet alleen naar één of twee gezondheidsproblemen. Ze bouwden een systeem om 3.602 verschillende eigenschappen tegelijkertijd te controleren. Dit is als een bibliothecaris die, in plaats van te controleren of een boek over "koken" gaat, controleert of het over koken, tuinieren, autoherstel en ruimtevaart tegelijkertijd gaat. Ze noemden dit een "All by All"-benadering.

2. De Zoektocht: Kleine Aanwijzingen in Een Hooiberg Vinden

De onderzoekers zochten naar twee soorten genetische aanwijzingen:

• Veelvoorkomende Varianten: Deze zijn als typefouten die vaak voorkomen in een boek. Veel mensen hebben ze, en ze kunnen het risico op veelvoorkomende zaken zoals obesitas of hoge bloeddruk lichtelijk verhogen.
• Zeldzame Varianten: Deze zijn als zeer specifieke, unieke typefouten die alleen in een paar exemplaren van het boek voorkomen. Hoewel ze zeldzaam zijn, kunnen ze soms een enorme impact hebben op de gezondheid, zoals het veroorzaken van een specifieke ziekte.

Ze voerden 1,3 biljoen tests uit (dat is veel zoeken!) om te zien of deze genetische typefouten gekoppeld waren aan een van de 3.602 gezondheidseigenschappen.

3. De Resultaten: Nieuwe Verbindingen Vinden

Na al dat zoeken vonden ze 49.863 sterke verbindingen tussen genen en gezondheidseigenschappen.

• De "Veelvoorkomende" Bevindingen: Ze bevestigden veel dingen die we al vermoedden. Bijvoorbeeld, ze vonden sterke verbanden tussen genen in de buurt van FTO en TCF7L2 en problemen zoals obesitas en diabetes. Interessant is dat ze merkten dat voor sommige van deze verbanden de sterkte van de connectie anders leek voor mannen dan voor vrouwen, waarschijnlijk omdat artsen bepaalde medicijnen verschillend voorschrijven aan mannen en vrouwen.
• De "Zeldzame" Bevindingen: Ze vonden meer dan 1.000 nieuwe verbanden die te maken hadden met zeldzame genetische fouten. Sommige hiervan waren als het vinden van een ontbrekend stukje van een puzzel waarvan niemand wist dat het ontbrak. Bijvoorbeeld, ze vonden een zeldzame fout in een gen genaamd TIMD4 die leek te zijn gekoppeld aan hoge triglyceriden (een soort vet in het bloed), een verband dat niet zichtbaar was bij het kijken naar kleinere groepen mensen.

4. De Super-samenwerking: Krachten Bundelen

Om hun zoektocht nog krachtiger te maken, combineerden de onderzoekers hun "All of Us"-bibliotheek met een andere enorme bibliotheek genaamd de UK Biobank.

• De Analogie: Stel je twee detectives voor die een mysterie proberen op te lossen. Detective A heeft een lijst van 400.000 getuigen en Detective B heeft een lijst van 300.000. Als ze alleen werken, missen ze misschien een aanwijzing. Maar als ze hun lijsten combineren, hebben ze 786.000 getuigen.
• Het Resultaat: Door deze twee enorme datasets te samenvoegen, vonden ze 193 nieuwe gen-ziekte-verbindingen die geen van beide bibliotheken alleen kon vinden. Het is als het vinden van een naald in een hooiberg die te klein was om eerder te zien, maar zichtbaar werd toen je de grootte van de hooiberg verdubbelde.

5. Het Gereedschap: Een Publieke Kaart voor Iedereen

De onderzoekers hielden deze bevindingen niet alleen voor zichzelf. Ze bouwden een publieke, interactieve browser (als een Google Maps voor genetica).

• Hoe het werkt: Elke wetenschapper ter wereld kan online gaan, een gen of een ziekte invoeren en direct alle verbanden zien die in deze studie zijn gevonden. Ze kunnen inzoomen op specifieke delen van het DNA of kijken hoe verschillende groepen mensen met elkaar vergelijken.
• Waarom het belangrijk is: Dit verlaagt de drempel tot toegang. Je hoeft geen supercomputer-expert te zijn om deze gegevens te gebruiken; je hebt gewoon een webbrowser nodig.

Belangrijke Voorbehouden (Wat het artikel niet zegt)

De auteurs zijn zeer voorzichtig om aan te geven wat dit onderzoek niet is:

• Het is geen diagnosehulpmiddel: Het vinden van een link tussen een gen en een ziekte betekent niet dat het gen de ziekte in elk geval veroorzaakt. Het is een statistische aanwijzing, geen medisch vonnis.
• Het is geen genezing: Dit artikel identificeert doelen voor toekomstig onderzoek, maar biedt geen nieuwe behandelingen of medicijnen.
• Het is niet perfect: Het onderzoek erkent dat gezondheidsgegevens (zoals facturatiecodes) geen perfecte weerspiegeling zijn van de daadwerkelijke gezondheid van een persoon, en dat verschillende groepen mensen mogelijk verschillend vertegenwoordigd waren.

Samenvatting

Kortom, dit artikel is een enorme "staat van de unie" voor menselijke genetica. Door een enorme, diverse dataset te gebruiken en deze te combineren met een ander groot wereldwijd dataset, creëerden de onderzoekers een krachtige nieuwe kaart van hoe onze genen verband houden met onze gezondheid. Ze vonden duizenden nieuwe verbindingen, bevestigden veel oude en bouwden een gratis, gebruiksvriendelijk hulpmiddel zodat wetenschappers overal ter wereld deze kaart kunnen gebruiken om meer te leren over de menselijke biologie.

Technische samenvatting

Technische Samenvatting: Systematische associatietests voor gemeenschappelijke en zeldzame varianten in 392.030 volledige genomen in All of Us

Probleem en Context
Grootschalige biobanken hebben de bruikbaarheid van genomewide associatiestudies (GWAS) en associatiestudies voor zeldzame varianten (RVAS) voor het ontdekken van genetische onderbouwingen van complexe eigenschappen vastgesteld. Echter, bestaande bronnen missen vaak voldoende diversiteit in genetische afstamming of de schaal die nodig is om effecten van zeldzame varianten met hoge zekerheid te detecteren. Het All of Us-onderzoeksprogramma streeft ernaar deze hiaten aan te pakken door een diverse Amerikaanse populatie te werven, maar er was een uitgebreide, geünificeerde analyse van de data van volledige genoomsequencing (WGS) over het volledige fenome nodig om de bruikbaarheid voor genontdekking te maximaliseren.

Methodologie
De auteurs presenteren een "All by All"-rekenkader toegepast op de versie 8-release van het All of Us-onderzoeksprogramma. De studie gebruikte WGS-data en geharmoniseerde fenotypische informatie van 392.030 deelnemers na strikte kwaliteitscontrole (QC).

• Cohortstratificatie: Om populatiestratificatie te beheersen terwijl de steekproefomvang gemaximaliseerd werd, werden deelnemers toegewezen aan zes groepen op basis van genetische gelijkenis (AFR-achtig, AMR-achtig, EAS-achtig, EUR-achtig, MID-achtig, SAS-achtig) op basis van gelijkenis met referentieborden. Deze groepen werden behandeld als discrete analytische strata in plaats van biologisch distincte categorieën.
• Fenome-omvang: De analyse bestreek 3.602 unieke fenotypes, waaronder fysieke en laboratoriummetingen, ziekten (gedefinieerd via PhecodeX), voorschriften (ATC-classificatie) en zelfgerapporteerde data.
• Statistisch Kader:
  • Gemeenschappelijke Varianten: Enkel-variant associatietests werden uitgevoerd met SAIGE.
  • Zeldzame Varianten: Gen-niveau lastanalyses werden uitgevoerd met SAIGE-GENE+, waarbij zeldzame eiwitcoderende varianten (maximale minor-allelfrequentie [MAF] 0,1%) werden geaggregeerd op basis van functionele annotatie.
  • Meta-analyse: De studie voerde meta-analyses uit over de zes groepen op basis van genetische gelijkenis met behulp van modellen met inverse-variance gewogen vaste effecten voor enkel-variant tests en de methode van Stouffer voor gen-gebaseerde tests voor zeldzame varianten.
  • Integratie over Biobanken: Een secundaire meta-analyse combineerde All of Us-resultaten met data van de UK Biobank (UKB), met inbegrip van tot 786.871 samples. Ziektefenotypes werden geharmoniseerd door PhecodeX-codes van All of Us te mappen naar ICD-10-codes van UKB.
• Data-publicatie: Resultaten werden beschikbaar gesteld via een publieke interactieve browser en de All of Us Researcher Workbench.

Belangrijkste Resultaten

• Schaal van Analyse: De studie voerde ongeveer 1,337 biljoen associatietests uit. Na QC identificeerden de auteurs 48.831 ongeveer onafhankelijke, hoogwaardige enkel-variant signalen (LD-gepruned $r^2 < 0,1$, $p < 5 \times 10^{-8}$) en 1.032 significante gen-lastassociaties ($p < 6,7 \times 10^{-7}$) bij een maxMAF van 0,1%.
• Fenotypische Overeenstemming: Vergelijkingen tussen zelfgerapporteerde ziekten en klinisch gefactureerde PhecodeX-ziekten toonden een hoge correlatie in prevalentie ($r = 0,74$), hoewel zelfgerapporteerde data vaker mildere aandoeningen vastlegden.
• Groepsconsistentie: Over groepen op basis van genetische gelijkenis waren effectrichtingen grotendeels consistent. Slechts 0,4% van de significante variantassociaties toonde tegenovergestelde effectrichtingen over groepen heen, en deze vertoonden hoge heterogeniteit.
• Kracht van Meta-analyse: Meta-analyse over genetische groepen versterkte de ontdekking aanzienlijk. Voor fenotypes die in de drie grootste groepen werden geanalyseerd, werden 42,4% van de significante pLoF (eiwit-truncerende variant) gen-fenotype-associaties uitsluitend via meta-analyse geïdentificeerd, niet in een enkele groep alleen.
• Ontdekkingen over Biobanken: De meta-analyse van All of Us en UK Biobank (tot 786.871 samples) identificeerde 193 pLoF gen-fenotype-associaties die niet significant waren in elk cohort afzonderlijk. Onder deze waren 22 nieuwe signalen die niet door eerdere geautomatiseerde literatuurcuratie werden benadrukt. Voorbeelden zijn:
  • Gerepliceerd: Zeldzame pLoF-varianten in MIB1 geassocieerd met type 2-diabetes en ZMYM4 met obesitas.
  • Nieuw: Associaties tussen TREM1 en navelbreuk, en TMEM127 en dermatofytose.
  • Kruis-fenotype: De studie identificeerde 44 gen-annotatieparen met kruis-fenotype-associaties, zoals PCSK9-varianten die cholesterolbiomerkers en klinische hyperlipidemie beïnvloeden, en TSHR-varianten die schildkliergerelateerde fenotypes beïnvloeden.
• Geslachtsgesplitste Bevindingen: Analyses van het gebruik van GLP-1-analogen toonden sterkere associaties met TCF7L2 bij mannen en FTO bij vrouwen, wat verschillen weerspiegelt in voorschrijfgedrag en ziekteprevalentie.

Betekenis en Beweringen
De auteurs beweren dat deze bron een van de grootste publiek beschikbare associatiedatasets vertegenwoordigt die zowel genomewide als exoomwide variaties bestrijkt. De primaire betekenis ligt in:

1. Versterkte Ontdekkingskracht: Aantonen dat meta-analyse over diverse genetische groepen en biobanken cruciaal is voor het detecteren van associaties van zeldzame varianten die in individuele cohorts ondetecteerbaar blijven.
2. Diversiteit: Het bieden van een bron met aanzienlijk verbeterde niet-Europese vertegenwoordiging in vergelijking met eerdere grootschalige biobankstudies, waardoor identificatie mogelijk wordt van associaties die toe te schrijven zijn aan verschillen in allelfrequentie tussen populaties.
3. Bruikbaarheid: Het vestigen van een kader voor iteratieve data-publicaties naarmate de All of Us-cohort groeit, wat systematische genontdekking, prioritering van therapeutische doelen en de ontwikkeling van polygenische risicoscores mogelijk maakt.
4. Toegankelijkheid: Het verlagen van drempels voor data-toegang door de publicatie van samenvattingsstatistieken en een interactieve browser, wat snelle query's en interpretatie door de wereldwijde onderzoeksgemeenschap faciliteert.

De auteurs wijzen op beperkingen, waaronder dat associaties statistische correlaties vertegenwoordigen in plaats van causaal bewijs, potentiële resterende biases door fenotyping op basis van EHR, en het feit dat meta-analyses over biobanken nog steeds onevenredig Europese specifieke signalen weerspiegelen vanwege de samenstelling van de UK Biobank. Ze benadrukken dat de groepen op basis van genetische gelijkenis analytische hulpmiddelen zijn voor foutbeheersing en niet moeten worden geïnterpreteerd als biologisch distincte categorieën.