When do protein-truncating variants and copy-number loss agree? A pre-specified, power-aware genome-wide audit of cross-perturbation effect equivalence in 885,362 gene-trait pairs

In de zoektocht naar het begrijpen van hoe genen de menselijke gezondheid beïnvloeden, hebben wetenschappers lang vertrouwd op een krachtig idee: als je kunt zien wat er gebeurt wanneer een gen wordt gebroken, kun je raden wat er gebeurt wanneer je probeert het te herstellen. Deze logica vormt de basis van veel moderne medicijnontwikkeling. Onderzoekers zoeken naar natuurlijke variaties in de menselijke populatie die fungeren als accidentele experimenten. Soms is een enkele letter in de genetische code veranderd, wat effectief de instructies van een gen breeft. Op andere tijden ontbreekt een groter deel van het DNA volledig, waardoor het gen en de omliggende genen worden verwijderd. Jarenlang was de aanname dat deze twee soorten schade — het breken van een gen met een minuscule fout versus het verwijderen van een gen met een grote opening — hetzelfde resultaat zouden produceren. Als een gebroken gen leidt tot een hoog cholesterolgehalte, dan zou een verwijderd gen dat ook moeten doen. Dit geloof stelt wetenschappers in staat om verschillende soorten genetische data als uitwisselbare kaarten te behandelen, waarbij ze ze gebruiken om te voorspellen welke medicijn doelen veilig en effectief zullen zijn.

Een nieuwe, massale audit van menselijke genetische data suggereert echter dat deze aanname veel kwetsbaarder is dan voorheen werd gedacht. Een team van onderzoekers, onder leiding van Beiji Lu, zette zich in om te testen of deze twee manieren om een gen te beschadigen werkelijk hetzelfde verhaal vertellen. Ze zochten niet alleen naar patronen; ze bouwden een rigoureus, vooraf gepland systeem om te controleren of de effecten daadwerkelijk gelijk waren, of dat de data simpelweg te ruisig was om het verschil te zien. Door bijna 900.000 paren genen en eigenschappen te onderzoeken, ontdekten zij dat de data in de overgrote meerderheid van de gevallen zwijgt. Belangrijker nog, ze vonden dat de weinige gevallen waarin de twee soorten schade wel overeenstemmen, vaak slechts lege signalen zijn, en geen bewijs voor een echt biologisch effect. De studie concludeert dat we deze genetische kaarten nog niet uitwisselbaar kunnen gebruiken om medicijnontwikkeling te sturen, omdat de instrumenten die we hebben niet nauwkeurig genoeg zijn om onderscheid te maken tussen een echte biologische match en een statistisch toeval.

De onderzoekers benaderden deze vraag met de voorzichtigheid van een auditor in plaats van een jager. In plaats van te zoeken naar een paar opwindende ontdekkingen, ontwierpen ze een drietraps proces met strikte regels die werden opgeschreven voordat ze naar de data keken. Hun doel was om een volledige inventarisatie te maken van waar eiwit-trocando varianten — minuscule fouten die de code van een gen breken — en copy-number losses — grote deleties die een gen verwijderen — overeenstemmen in hun effecten. Ze gebruikten data uit de UK Biobank, een enorme collectie gezondheids- en genetische informatie van honderdduizenden vrijwilligers, samen met een externe dataset van AstraZeneca om hun bevindingen te controleren. Het team richtte zich op 57 verschillende fysieke eigenschappen, variërend van bloeddruk tot botdichtheid, en keek naar hoe bijna 16.000 genen deze beïnvloedden.

De eerste fase van hun audit onthulde een sober realiteit: de data is ongelooflijk schaars. Wanneer ze zochten naar genen waar beide soorten genetische schade een duidelijk, significant effect vertoonden, vonden ze er zeer weinig. Van honderdduizenden mogelijkheden leverde slechts een fractie voldoende bewijs om met vertrouwen iets te kunnen zeggen. De onderzoekers hadden gehoopt op minstens 100 genen waar ze een duidelijke, drievoudige overeenstemming tussen verschillende soorten genetisch bewijs konden zien, maar ze vonden er slechts 14. Dit gebrek aan data dwong hen om hun focus te verleggen naar een eenvoudigere vraag: komen de twee soorten schade overeen wat betreft de richting van het effect, of verschillen ze?

Toen ze overgingen naar de volledige genoombrede analyse, werden de resultaten nog duidelijker. Van de 885.362 gen-eigenschap-paren die zij onderzochten, werd de overweldigende meerderheid — meer dan 880.000 — geclassificeerd als "informatie-onvoldoende". Dit betekent dat voor de meeste genen de data simpelweg te zwak was om te zeggen of de twee soorten schade hetzelfde of verschillend waren. Het was niet dat de effecten anders waren; het was dat het signaal te zwak was om te meten. Na het toepassen van strikte statistische correcties om te garanderen dat ze niet naar valse patronen keken, identificeerden ze 4.252 paren waar de effecten statistisch equivalent waren en 216 paren waar ze duidelijk verschilden.

Hier ligt de cruciale bevinding die huidige strategieën voor medicijnontwikkeling uitdaagt. De onderzoekers moesten minstens 200 gen-eigenschap-paren vinden waar beide soorten schade actief waren en in dezelfde richting wezen om te bewijzen dat de twee genetische kaarten uitwisselbaar zijn voor medicijnontwikkeling. Ze vonden slechts negen dergelijke gevallen. De overgrote meerderheid van de "equivalente" paren waren in werkelijkheid gevallen waarbij geen van beide soorten schade een detecteerbaar effect had op de eigenschap. Met andere woorden: de kaarten kwamen overeen omdat beide lieten zien dat er niets gebeurde, niet omdat beide hetzelfde lieten zien dat er iets gebeurde. Dit onderscheid is essentieel: een medicijnontwikkelaar moet weten dat het breken van een gen een specifieke verandering veroorzaakt, niet alleen dat het breken ervan geen verandering veroorzaakt.

De studie onderzocht ook waarom de weinige gevallen van onenigheid bestonden. Ze vonden dat genen die verschillende effecten vertoonden door de twee soorten schade, bijna altijd gelokaliseerd waren in regio's waar grote stukken DNA werden verwijderd, waarbij vaak meerdere genen tegelijk werden weggehaald. Dit suggereert dat wanneer een grote deletie optreedt, het effect niet alleen over het specifieke gen gaat dat wordt bestudeerd, maar over het feit dat een cluster van genen samen wordt verwijderd. Dit "passagier"-effect, waarbij de deletie van één gen de effecten van zijn buren meesleept, creëert een verwarrend signaal dat een single-gene analyse niet kan ontwarren. De onderzoekers vonden dat genen met deze conflicterende signalen werden bedekt door deleties die een mediaan van 10 eiwitcoderende genen verwijderden, vergeleken met slechts 2,5 voor de genen waar de signalen overeenkwamen.

Het team probeerde ook een computermodel te bouwen om te voorspellen wanneer deze twee soorten genetische schade zouden verschillen, in de hoop een hulpmiddel te creëren dat onderzoekers zou kunnen waarschuwen wanneer een medicijn target misleidend zou kunnen zijn. Ze voedden het model met data over de precisie van de metingen en de structuur van de genetische deleties. Het model werkte bijna perfect in het scheiden van de verschillende gevallen, maar niet omdat het biologie leerde. Het werkte omdat het de beperkingen van de data zelf leerde. Het model kon het verschil zien tussen een sterk signaal en een zwak sign']) signaal, maar het kon niet het verschil zien tussen een echt biologisch effect en een statistische toevalstreffer. Omdat de "labels" voor het model afkomstig waren van dezelfde ruisige data die werd gebruikt om het model te trainen, was het model in feite de ruis aan het memoriseren in plaats van een regel te ontdekken.

Uiteindelijk dient deze studie als een noodzakelijke pauze in de race naar het gebruik van genetische data voor medicijnontwikkeling. De onderzoekers hebben geen nieuwe manier gevonden om medicijnsucces te voorspellen; in plaats daarvan hebben ze vastgesteld dat de huidige methode om aan te nemen dat alle genetische schade hetzelfde is, niet wordt ondersteund door het bewijs. De inventaris die zij hebben gemaakt, is een kaart van waar de data zwijgt, waar het duidelijk is en waar het misleidend is. Zij concluderen dat wetenschappers nieuwe soorten data nodig hebben om individuele genen van hun buren te isoleren en echte biologische effecten te scheiden van de ruis van grote deleties. Totdat dergelijke data beschikbaar is, blijft de aanname dat een gebroken gen en een verwijderd gen uitwisselbaar zijn onbewezen, en misschien zelfs onbewijsbaar met de instrumenten die momenteel voorhanden zijn. De waarde van dit werk ligt niet in een doorbraak, maar in de helderheid van het negatieve resultaat: het vertelt de wetenschappelijke gemeenschap precies waar de weg eindigt en wat voor soort nieuw voertuig nodig is om de reis voort te zetten.