📄 evolutionary biology

Rare variants drive high variance in human ancestral fitness at mutation-selection-drift balance

通过将有害突变率的经验估计值修正为包含轻微有害变异，本研究表明，罕见和超罕见突变驱动了人类祖先适应性的巨大差异，这可能解释了复杂疾病中存在的“缺失遗传性”，并强调了评估独特突变而非仅仅依赖多基因风险评分的必要性。

原作者： Hernandez, U., Mawass, W., Matheson, J., Masel, J.

发布于 2026-07-31

📖 1 分钟阅读☕ 轻松阅读

原作者： Hernandez, U., Mawass, W., Matheson, J., Masel, J.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

我们每个人背负的隐形背包

想象一下，你的身体是一辆高性能赛车。几十年来，科学家们一直痴迷于研究车漆上那些显眼的、巨大的凹痕——即那些明显导致汽车熄火的损坏部件。这些是众所周知的重大遗传疾病，比如囊性纤维化或亨廷顿舞蹈症。但还有一个更安静、更神秘的问题：保险杠上成千上万个微小的、几乎看不见的划痕。就单个划痕而言，它不会让赛车停下；但如果你拥有数百个这样的划痕，这辆车可能会运行得更慢、更容易过热，或者比完美的型号更早报废。

在遗传学领域，这些“划痕”被称为有害突变（deleterious mutations）。它们是我们 DNA 中微小的错误，会轻微削弱我们的健康或生存能力。长期以来，科学家们一直在思考：这些微小的错误在每个人身上堆积的方式是否不同？是否有人背负着一个“沉重”的错误背包，而另一个人背负的则很“轻”？这个问题至关重要，因为如果背包的大小差异巨大，这就能解释为什么有些人容易生病，而另一些人即使在基因看起来相似的情况下也能保持健康。这也帮助解释了医学界的一个谜团——“缺失的遗传力（missing heritability）”：即仅仅通过观察我们通常检查的常见遗传标记，无法完全预测疾病风险。

伟大的遗传背包竞赛

在这项研究中，作者决定进行严密的数学计算，以弄清楚人类的这些隐形背包到底有多重。他们不仅观察那些巨大的、明显的错误，还建立了一个复杂的模型，来统计大多数人都会忽略的那些微小的、罕见的错误。这就像是通过数清背包里每一粒沙子的数量来称重，而不是仅仅看里面的大石头。

研究人员使用了一个被称为**突变-选择-漂变平衡（mutation-selection-drift balance）**的概念。想象一个工厂（我们的身体）在不断地制造蓝图中的微小错误（突变）。自然界充当着质量控制检查员（选择），试图剔除掉那些糟糕的蓝图。但有时，检查员会分心，或者工厂规模太小，导致一份错误的蓝图由于偶然因素（漂变）溜了进来。作者提出了疑问：在一个人类群体中，这些“溜进来”的错误蓝图在人与人之间会有多少差异？

他们的计算表明，这种差异是巨大的。他们发现，两个随机的人在“祖先适应度（ancestral fitness）”——即在很久以前的野外环境下生存和繁衍的能力——上的差异可能在 17% 到 33% 之间。如果考虑到关于这些突变严重程度的更广泛的可能性，这种差异可能会在 6% 到 49% 之间波动。为了让你更有概念：如果一个人是“完美”的跑者，那么下一个人可能正背着一个让其速度减慢 30% 的背包在奔跑，而这纯粹是因为这些微小遗传错误的随机积累。

罕见的威力

这里有一个让故事变得非常有趣的转折：作者发现，沉重的背包并不是由那些常见的、广为人知的突变构成的。相反，重量几乎完全来自于罕见变异（rare variants）——即那些极其罕见、出现在不到 1% 人口中，甚至经常出现在不到 0.01% 人口中的突变。

想象一个图书馆，大多数书都有一些错别字。你会预期最糟糕的书是那些大家都在读的书。但本文表明，真正的麻烦制造者是那些只有一两个人曾借阅过的书。这些超罕见的突变往往是对适应度影响最大的。研究显示，当突变强度较强时，这些罕见且独特的错误造成了约 99% 的适应度差异；即使在突变较弱时，这一比例仍高达 83%。

这一发现对医学意义重大。目前，医生通常使用“多基因风险评分（Polygenic Risk Scores）”来预测疾病，这主要关注常见的突变（即大家都在读的书）。作者认为，这种方法忽略了那些“重量级选手”。为了真正找到那些处于高风险中的人群，我们需要观察一个人整个基因组中独特的、超罕见的突变，而不仅仅是看那些常见的突变。

这对未来意味着什么

论文并未声称已经解决了疾病之谜，也没有说我们现在可以完美预测谁会生病。相反，它暗示我们一直在寻找的“缺失的遗传力”可能就隐藏在这些罕见的、独特的遗传特性之中。它还阐明，拥有高负荷的这类突变并不意味着一个物种注定灭亡；数学证明，即使背负着这些沉重的背包，群体中的“最优”个体仍然有足够的能量进行繁衍并维持物种的延续。

最终，这项研究描绘了一幅人类遗传多样性的图景，它比我们想象的更加混乱且多变。我们不仅仅携带了一些常见的坏基因；我们每个人都背负着一套独特的、沉重的、且大多是隐形的罕见错误集合，这些错误以我们才刚刚开始理解的方式塑造着我们的健康。

问题描述
人类遗传学中的一个核心问题是：无条件有害突变的遗传负荷（genetic load）变异，是否对人类疾病和适应性的差异做出了实质性贡献。虽然基于常见变异的多基因风险评分（PRS）已成为标准，但它们往往无法捕捉到在系谱研究中观察到的“缺失遗传力”。以往的突变负荷模型通常关注“滞后负荷”（lag load，即群体平均适应度与假设的无突变个体之间的差异），这导致了“突变负荷悖论”，即产生荒谬的高适应度成本。此外，通过序列约束推导出的标准有害突变率（ $U_{obs}$ ）估计值可能低估了真实的突变率，因为它们未能考虑到以中性速率固定的弱有害突变。此外，许多模型忽略了遗传漂变对负荷方差的影响，特别是位点呈单态性（monomorphic）的概率，这在人类基因组中至关重要，因为相对于有效群体大小而言，新突变的发生是稀少的。

研究方法
作者开发了一个数学框架，用于求解突变-选择-漂变平衡（MSD），而非简单的突变-选择平衡。

修正 $U$ 的估算： 他们通过修正观察到的有害突变率（ $U_{obs}$ ）来估算总的人类有害突变率（ $U$ ）。他们考虑到了 $U_{obs}$ 遗漏了发生固定的弱有害突变这一事实。利用从人类非编码区非同义突变（具体为 ESP 样本）和超保守非编码区推导出的适应性效应分布（DFE），他们计算了选择阻止固定的概率。由此得出一个修正因子，即根据 DFE 参数的不同， $U \approx 1.34 U_{obs}$ 至 $1.68 U_{obs}$ 。
建模方差： 他们对全基因组范围内的对数相对适应度方差（ $\sigma_r^2$ ）进行建模。不同于假设位点始终处于分离状态的以往扩散近似模型，他们利用排队论（突变到达的泊松过程和平均分离时间）纳入了单态性的概率。
参数： 该模型采用了现实的人类每倍体位点突变率（ $\mu = 1.515 \times 10^{-8}$ ）、有效群体大小（ $N_e = 11,300$ ）以及具有不同平均选择系数（ $\bar{s}$ ，范围从 $0.00064 $到$ 0.01$）和变异系数（CV = 2.43）的伽马分布 DFE。
指标： 他们没有使用滞后负荷，而是计算了第 75 百分位个体相对于第 25 百分位个体的适应度优势（Q75-Q25 优势）以及最优个体的绝对适应度（ $W_b$ ），以确保生物学上的合理性。

核心贡献

突变率的修正： 研究表明，总的人类有害突变率显著高于基于约束的估计值，估算 $U > 3.8$ （上限接近 13），这主要是由于纳入了弱有害突变。
量化负荷方差： 作者在 MSD 平衡下，对归因于无条件有害突变的祖先人类适应度方差进行了严谨的计算。
罕见变异的作用： 模型按等位基因频率对负荷方差进行了划分，证明了罕见变异（频率 < 1%）和超罕见变异（频率 < 0.01%）是适应度方差的主要驱动因素。
漂变效应： 本文阐明，虽然漂变可以增加有害等位基因的频率，但它也会增加等位基因的丢失（单态性），从而降低了整体的适应度方差，相比于确定性模型而言。

结果

适应度方差： 在给定 $U$ 的不确定性情况下，两个典型人类的祖先适应度差异为 17–33%；若考虑广泛的替代 DFE（包括 $\bar{s}$ 的下限），该差异为 6–49%。
方差来源： 频率低于 1% 的罕见变异解释了约 83–99% 的对数适应度方差，这取决于平均选择系数。超罕见变异（<0.01%）也贡献了相当大的比例。
生物学合理性： 模型预测，群体中最优个体的预期可育后代数（ $W_b$ ）小于 2.2 至 3.0，这与人类生活史约束（上限 < 6.5）一致，从而解决了突变负荷悖论。
跨物种适用性： 对于具有较大平均选择系数和高突变率的其他哺乳动物（如小鼠），预测会有很高的负荷变异，但对于像果蝇这样平均选择系数较小的物种则不然。
漂变影响： 与某些先前的说法相反，纳入漂变（以及单态性概率）会使负荷的变异较确定性突变-选择平衡模型略有降低。

意义
本文认为，罕见的、无条件的有害突变是人类适应性和疾病易感性的主要变异来源。这种高水平的遗传负荷方差有助于解释为什么在系谱研究中观察到的遗传力，在依赖常见变异的全基因组关联研究（GWAS）中往往是“缺失”的。作者指出，识别高疾病风险个体可能需要能够对罕见及超罕见变异进行评分的方法（例如通过全基因组测序进行的变异效应预测），而不仅仅是依赖于基于常见变异的多基因风险评分。这些发现支持了“全基因组多效性”（omnigenic）模型，即外周基因的突变会弥散地贡献于疾病风险。作者还强调了理解遗传负荷在促进公平社会方面的伦理重要性，明确谴责了历史上将遗传负荷概念用于歧视性政策的行为。

我们每个人背负的隐形背包

伟大的遗传背包竞赛

罕见的威力

这对未来意味着什么

类似论文