GeneSIS: enhancing transferability of polygenic scores with variant-level gene-by-sex interaction effects
GeneSIS 框架通过整合变异层面的基因与性别交互效应，增强了多基因评分在不同遗传祖先群体中的可迁移性，从而显著提高了对非欧洲人群的疾病预测准确性。
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
几十年来，精准医疗的承诺一直是根据每个个体的独特遗传组成来量身定制医疗保健。其核心理念是，通过读取一个人的 DNA，医生可以在症状出现很久之前，预测其患心脏病或糖尿病等疾病的风险。这种预测依赖于一种被称为“多基因评分”（polygenic score）的工具，它就像一份遗传成绩单。它汇总了散布在一个人基因组中的数千个微小遗传变异的影响，以估算其患特定特征的可能性。然而，一个显著的问题出现了：这些遗传成绩单对欧洲血统的人群表现得异常出色，但对于其他所有人来说往往会失效。当应用于非洲、南亚或其他遗传背景的人群时，这些评分的准确性会下降，从而造成了医疗公平方面的危险差距。这种失败的部分原因在于不同人群之间的遗传模式并不完全相同，另一部分原因在于用于构建这些评分的标准模型假设基因是以简单的直线方式发挥作用，忽略了基因与个人的环境或生物学之间可能存在的复杂相互作用。
研究人员长期以来一直怀疑，缺失的拼图就在于这些被忽视的相互作用。具体而言，他们想知道基因的效果是否会根据一个人是男性还是女性而发生变化，这种现象被称为“基因与性别相互作用”（gene-by-sex interaction）。虽然科学家们很早就知道，男性和女性对同一遗传变异的生物学反应可能不同，但大多数预测模型都将所有人视为同类，从而抹平了这些差异。由 Yosuke Tanigawa 和 Manolis Kellis 开展的一项新研究引入了一种名为 GeneSIS 的新方法，其名称代表“基因与性别相互作用评分”（GENE and Sex Interaction Score）。GeneSIS 不再强迫所有遗传数据进入一个单一、僵化的模具，而是允许模型直接从数据中学习基因在男性和女性身上是如何表现出差异的。通过分析来自 UK Biobank 的近 40.7 万名多样化个体的遗传信息，该团队建立了一个系统，能够检测这些微妙的、依赖于语境（context-dependent）的效应，并利用它们来提高预测精度。
研究人员将这种新方法应用于 99 种不同的特征，涵盖了从血压、胆固醇水平到臀围和体重指数（BMI）等身体测量指标。他们将新的 GeneSIS 模型与多年来一直使用的标准线性模型进行了对比。结果显示，这种新方法成功识别了一组特定的遗传变异，在这些变异中，效应大小或方向在不同性别之间发生了变化。在最终的模型中，约 8% 的选定遗传变量属于这些性别特异性的相互作用；这一发现通过与男性和女性的独立分析进行对比，得到了严格的检查和确认。这一验证步骤确保了模型不仅仅是在寻找随机噪声，而是在捕捉男女之间基因功能差异的真实生物学现象。
这项研究最引人注目的成果是，对于非洲血统的人群——一个在遗传研究领域历史上长期被忽视的群体——预测准确度得到了显著提升。对于臀围这一衡量肥胖和代谢健康的关键指标，新模型的表现远优于以往任何方法。在非洲人群的测试组中，新模型预测臀围的能力几乎是标准线性模型的四倍。这种进步并非偶然，它在广泛的特征中均表现一致，并且具有统计学上的稳健性。研究人员发现，虽然标准模型在将预测结果从欧洲人群转移到非洲人群时经常遇到困难，但 GeneSIS 模型通过考虑这些性别特异性的细微差别，成功弥合了这一差距。这种提升非常显著，对于非洲人群的臀围预测，新模型的表现超越了目前现有的所有公开可用的预测工具。
除了数字之外，这项研究还为驱动这些改进的生物学机制提供了洞察。研究人员仔细观察了模型选中的特定基因，发现它们指向了合理的生物学故事。例如，模型强调了一个名为 GCKR 的基因变异，该基因已知具有调节葡萄糖代谢的功能。研究表明，该变异与体脂的关系非常复杂，其影响在男性和女性之间存在差异，并且还与绝经时间及激素水平等其他因素相关。这表明，该模型不仅是在寻找统计模式，更是在揭示真实的、具有生物学意义的相互作用。此外，研究发现，涉及这些性别特异性效应的基因富集在与炎症和脂质代谢相关的通路中，而这些过程正是肥胖和心脏病的核心环节。
这项工作的意义不仅限于更好的预测评分。通过证明上下文依赖效应（如基因与性别的相互作用）对于准确预测至关重要，该研究挑战了长期以来认为单一、通用遗传模型可以适用于所有人的假设。研究人员展示了通过拥抱基因如何与人体语境相互作用的复杂性，他们可以创建出更具包容性且更准确的模型。这对于那些被以往方法遗忘的人群尤为重要。虽然本研究将性别作为主要的语境，但该框架足够灵活，未来有可能纳入其他环境因素。GeneSIS 的成功表明，精准医疗的前行之路不在于简化我们对遗传学的理解，而在于构建足够复杂的模型，以捕捉人类生命多样性中 DNA 运作的完整且错综复杂的现实。
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。