Homology-Based Variant-Effect Predictors Break Down on Cytochrome P450 Pharmacogenes
本研究表明，基于同源性的变异效应预测器在细胞色素 P450 药理基因研究中存在系统性失效，因为它们主要追踪蛋白质丰度而非催化活性，因此有必要采用一种纳入底物特异性上下文的新型建模方法，以准确预测功能性后果。
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
想象这样一个世界：同样剂量的药物，对一个人是救命良药，对另一个人却可能造成伤害。这并非运气不佳之谜，而是生物学的奥秘。在我们的体内，一类被称为细胞色素 P450 的酶家族扮演着化学加工厂的角色，负责分解我们摄入的大约四分之三的药物。由于这些酶在人与人之间存在差异，它们处理药物的速度也各不相同。对于某些人来说，标准剂量太弱，无法发挥作用；而对于另一些人来说，药物会在体内积聚到危险水平。科学家们长期以来一直希望能够预测一个人的独特基因组将如何改变这些酶，从而让医生能为每个人开出完美的剂量。为了实现这一目标，他们一直依赖计算机程序，通过观察某种基因变化与数百万年来其他物种中发现的变化有多相似，来推测该变化产生的影响。其逻辑很简单：如果自然界在漫长的岁月中保持了某种酶的某个部分不变，那么改变它一定是坏事。
然而，一项新的研究表明，这种长期存在的逻辑在应用于这些药物处理酶时失效了。由 Helen Xu 和 Russ Altman 领导的斯坦福大学研究人员，将现有的最先进计算机模型与来自酶 CYP2C9 的真实世界数据进行了对比测试。他们发现，这些标准工具虽然在预测致病突变方面表现良好，却无法理解这些特定酶的工作方式。这些模型本质上对故事中最关键的部分视而不见：即该酶试图分解的具体药物。这项研究表明，要真正预测一个人对药物的反应，我们不能仅仅观察酶的形状或其进化史；我们还必须观察它所遇到的特定化学物质。
研究人员首先测试了一个名为 AlphaMissense 的强大新工具，该工具利用人工智能来预测基因变化是否有害。他们将六种重要的药物代谢酶数据输入其中。该工具的表现相当吃力，与在人体其他部位的表现相比，它将近两倍于常规比例的变化标记为“不确定”。当团队深入挖掘 CYP2C9 的数据时，他们发现了原因。计算机模型实际上并没有测量酶的工作效率，它主要测量的是酶在细胞中的存在量。如果基因变化导致酶不稳定并使其消失，模型会将其标记为问题；但如果酶保持稳定且存在，模型就会假设它工作正常，即便它已经完全失去了处理药物的能力。
为了理解这种失败，团队研究了酶的物理结构和变化的化学性质。他们想知道模型是否遗漏了一些显而易见的东西，比如变化发生的位置或化学交换的类型。他们发现，这些因素几乎没有任何解释力。模型的错误并非源于缺乏结构数据或对基础化学的误解。问题更为深层。该模型是基于这样一种理念进行训练的：进化保留酶是因为它们对生存至关重要。但这些药物处理酶却不同。它们进化出的目的是为了处理来自食物和环境的各种化学物质，而非仅仅执行单一、特定的任务。因为它们天生设计得具有灵活性，所以自然界并不惩罚它们的改变。一个破坏了酶处理特定药物能力的基因变异，可能会让该酶保持完全稳定且丰度充足，从而欺骗计算机，让其误以为一切正常。
随后，研究人员尝试构建一个更好的模型。他们将标准工具与一种观察酶基因代码特定模式（而非仅仅是其进化史）的新方法相结合。这个新构建的定制模型在预测酶的实际化学活性方面表现得好得多。它能够区分一个稳定的酶是正在工作的，还是一个稳定的但已损坏的酶。然而，即使是这个改进后的模型也遇到了瓶壁。当研究人员将他们的预测结果与真实的医疗记录和临床标签进行对比时，一致性很差。该模型可以预测酶在试管中的活性，却无法预测这种活性如何转化为患者服用特定药物后的反应。
这种脱节的原因在于这些酶本身的特性。这些蛋白质不是单功能的机器，而是处理多种药物的多任务者。研究发现，同一种基因变化根据所存在的药物不同，可能会产生截然不同的影响。一种突变可能会使酶对某一种药物的作用变差，但对另一种药物则毫无影响。目前的计算机模型将酶视为具有单一、通用功能的实体，忽略了其职责会随着遇到的每种药物而改变的事实。研究人员发现，在他们检查的医学数据库中，超过 70% 在针对多种药物进行测试过的基因变异都显示出了不同的结果。
这一发现表明，预测药物反应的整个方法论需要改变。几十年来，科学家们一直试图为一种基因变异分配一个单一的分数，询问它是“好”还是“坏”。这项研究认为，对于药物代谢酶而言，这并不是一个正确的问题。一个变异本身并非天生是好是坏，它只有在特定药物的背景下才是好或坏。研究人员建议，未来的工具必须建立在回答另一个问题之上：这种特定的基因变化如何影响这种特定的药物的处理？在计算机模型能够考虑到酶工作的特定化学伙伴之前，它们将无法完全预测决定药物是治愈还是致害的复杂相互作用。前进的道路不仅在于更好的数据或更聪明的算法，而在于重新定义这些至关重要的生物机器的功能含义。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。