Genetic Profiling of Autoimmune Diseases and Exploring Clusters Through Polygenic Risk Score Analysis Using Cohort Data from the UK Biobank

本研究利用英国生物样本库和TriNetX队列数据，通过多基因风险评分分析和通路映射，刻画自身免疫疾病间的遗传重叠、共享生物学通路及共病模式，揭示了既具共性又具特异性的遗传架构，从而支持多自身免疫的概念。

要点

以下是用通俗易懂的语言和日常类比对这篇论文的解读。

全景图：一场基因侦探故事

想象人类的免疫系统就像一名受过高度训练的安全警卫。它的职责是发现并阻止入侵者（如病毒或细菌）。在自身免疫性疾病中，这名警卫会陷入混乱，开始攻击建筑物本身（即你自身健康的组织）。

这篇论文就像一次大规模的侦探调查。研究人员利用了两个庞大的数据库——一个是英国生物样本库（UK Biobank）（一个包含英国五十万人健康和 DNA 数据的图书馆），另一个是TriNetX（一个全球医院记录网络）——来弄清楚三个主要问题：

1. 为什么有些人会同时患上多种自身免疫性疾病？
2. 这些疾病的遗传“蓝图”有何异同？
3. 不同的数据库讲述的是否是同一个故事？

1. 疾病的“派对”（共病）

研究人员注意到，自身免疫性疾病经常一起“开派对”。如果你患有其中一种，从统计学上讲，你更有可能患上另一种。他们称之为多发性自身免疫。

• 类比：把自身免疫性疾病想象成不同口味的冰淇淋。通常，人们只喜欢一种口味。但这项研究发现，许多人同时在吃一个包含多种口味的“圣代”。
• 发现：他们研究了 15 种不同的疾病（如类风湿性关节炎、银屑病和狼疮）。他们发现某些配对是“死党”。例如，克罗恩病和溃疡性结肠炎（两者都是肠道问题）几乎总是同时出现，就像花生酱和果冻一样形影不离。多发性硬化症和狼疮也经常结伴出现。
• 转折：然而，这场“派对”的“口味”取决于你在哪里观察。当他们比较英国数据与全球医院数据时，一些在英国看来像是“死党”的配对，在全球数据中却看起来像陌生人。这表明，不同医院对这些疾病的定义和记录方式可能会改变故事的走向。

2. 遗传“风险评分”（PGS）

为了理解为什么这些疾病会聚集在一起，研究人员查看了人们的 DNA。他们创建了一个多基因风险评分（PGS）。

• 类比：想象你的 DNA 是一副扑克牌。有些牌对你的免疫系统来说是“坏牌”。PGS 就像一张记分卡，计算你手中有多少张“坏牌”。
  • 高分意味着你有很多“坏牌”，风险更高。
  • 低分意味着你的“坏牌”较少。
• 发现：
  • 共享风险：患有某种疾病且评分高的人，往往在另一种疾病上的评分也很高。这解释了为什么疾病会聚集；它们共享了牌堆中的一些相同“坏牌”。
  • 独特风险：但是，评分并不完全相同。有些人患银屑病的评分很高，但患狼疮的评分却很低。这意味着这些疾病也有自己独特的“坏牌”。
  • “对立面”效应：有趣的是，对于某些配对（如多发性硬化症和银屑病），患一种疾病的高风险实际上似乎降低了患另一种疾病的风险。这就像拥有一种针对某种疾病的遗传“盾牌”，却意外地让你更容易患上另一种疾病。

3. "HLA"街区（遗传热点）

研究人员必须非常小心地处理 DNA 中称为HLA 区域的特定区域。

• 类比：把 HLA 区域想象成一个非常拥挤、嘈杂的城市街区，那里的人彼此都认识。它如此复杂，以至于很难分辨具体是哪所房子（基因）出了问题。
• 策略：为了获得清晰的视野，研究人员在分析中暂时“封锁”了这个城市街区。
• 结果：当他们查看 DNA 的其他部分时，发现某些疾病（如狼疮和类风湿性关节炎）严重依赖那个拥挤的城市街区。而其他疾病（如银屑病和 1 型糖尿病）即使在该街区之外也有强烈的信号。这告诉我们，不同的疾病拥有不同的“遗传引擎”。

4. 寻找“嫌疑人”（基因和通路）

该团队使用计算机工具筛选数百万种 DNA 变异，以找出负责的具体“嫌疑人”（基因）。

• 常见嫌疑人：他们发现了 14 个在多种疾病中出现的基因。其中一些是科学界早已熟知的“名人”（如PTPN22和IL23R）。
• 新嫌疑人：他们还发现了一些名单上的新名字（如ZNF322和BTN1A1），这些基因以前与自身免疫性疾病没有强关联。
• 网络：他们不仅查看了单个基因，还观察了这些基因如何相互“交谈”。他们发现，在某些疾病中，免疫系统处于“过度激活”状态（就像火警警报不断响起），而在其他疾病中，它则是“激活不足”或被抑制的。

5. “两个图书馆”的问题（UKB 与 TriNetX）

最后，研究人员将他们在英国生物样本库的发现与全球 TriNetX 数据库进行了比较。

• 类比：想象两位图书管理员在描述同一本书。一位图书管理员（UKB）非常详细，对书籍分类非常严格。另一位（TriNetX）拥有更庞大的藏书，但使用的标签略有不同。
• 冲突：有时，这两位图书管理员完全一致（例如，克罗恩病和结肠炎总是相关联）。但有时，他们会产生分歧。例如，某对疾病在英国图书馆看起来是强关联，但在全球图书馆中却是弱关联。
• 教训：这并不意味着其中一方是错的；这意味着我们收集数据的方式很重要。患者诊断、记录方式的差异，甚至数据库中人群的人口统计学特征，都可能改变结果。

总结

这篇论文是自身免疫性疾病遗传景观的一幅宏大地图。它证实了：

1. 这些疾病通常是相关的，并共享遗传“坏牌”。
2. 某些疾病彼此之间的相似度高于其他疾病。
3. 我们需要谨慎对待这些疾病的分组和记录方式，因为不同的数据库可能会讲述略有不同的故事。
4. 既有已知的也有全新的遗传线索，有助于解释为什么我们的免疫系统有时会反过来攻击我们。

该研究止步于绘制这些联系并识别相关基因；它并未声称找到了治愈方法或新疗法，而是提供了更清晰的拼图碎片图景。

技术摘要

技术摘要：利用英国生物样本库队列数据，通过多基因风险评分分析进行自身免疫疾病的遗传谱系分析及聚类探索

问题陈述
自身免疫疾病（ADs）源于针对自身抗原的免疫反应，其特征是显著的表型多样性和高共病率（多自身免疫）。尽管全基因组关联研究（GWAS）已识别出易感位点，但在将这些变异与生物学机制联系起来、理解不同自身免疫疾病间共享的遗传架构，以及解释常见变异和罕见变异的贡献方面，仍面临挑战。此外，现有的多基因风险评分（PGS）模型往往缺乏整合等位基因频率与功能注释的综合框架，且大型生物样本库与真实世界电子健康记录（EHR）网络之间数据协调的不一致性，阻碍了对共病模式的跨队列比较。本研究旨在利用整合的表型和遗传数据，刻画自身免疫疾病间的疾病重叠、遗传异质性及共享生物学机制。

方法论
本研究采用整合英国生物样本库（UKB）和 TriNetX（TNX）网络数据的多面分析框架：

1. 表型与共病分析：

   • 数据集： 利用了来自 502,371 名 UKB 参与者的表型数据，以及 TNX 中 71,069,654 名白人个体的 EHR 数据。
   • 疾病范围： 分析了十五种自身免疫疾病，包括克罗恩病（CD）、多发性硬化症（MS）、银屑病（PSO）、类风湿关节炎（RA）、系统性红斑狼疮（SLE）、溃疡性结肠炎（UC）等。
   • 统计方法： 计算比值比（ORs）以评估诊断重叠和共病模式。使用费希尔精确检验确定 P 值。在 TNX 中应用倾向评分匹配以控制协变量（性别、年龄、种族）。

2. 多基因风险评分（PGS）相关性：

   • 队列： 分析了两个 PGS 数据集：标准数据集（485,989 个样本，8 种自身免疫疾病）和增强数据集（104,544 个样本，6 种自身免疫疾病）。
   • 分析： 计算皮尔逊相关系数以评估成对自身免疫疾病间共享的遗传架构和遗传多效性。二维散点图可视化了风险评分分布和聚类模式。

3. 遗传变异识别与功能注释：

   • 变异筛选： 使用无关的英国白人 UKB 参与者，以全基因组阈值（$P < 5 \times 10^{-8}$）识别显著变异。排除 HLA 区域（chr6: 27.4–34.4 Mb）以降低复杂性。
   • 注释： 将变异映射至 GRCh38，并使用变异效应预测器（VEP）进行注释。
   • 分层： 按以下标准筛选变异：
     • 等位基因频率（AF）： 常见（AF $\ge$ 0.05）与罕见（AF < 0.05）。
     • 功能影响： 高/中度影响（如错义、剪接位点）与低/修饰影响。
     • 位点分组： 将 500 kb 范围内的变异分组以定义位点。
   • 基因选择： 交叉引用与这些类别中变异相关的基因，以识别共享的遗传驱动因子。

4. 网络传播与通路分析：

   • 方法： 对跨自身免疫疾病共享的基因，应用基于 STRING v12 相互作用网络（边权重 $\ge$ 700）和正则化拉普拉斯核的网络传播策略。
   • 通路映射： 将结果映射至分子特征数据库（MSigDB）中的标志性基因集，以识别富集的生物学通路（如免疫反应、代谢）。

关键结果

• 共病与表型重叠：

  • 观察到显著的样本重叠，特别是银屑病（PSO）与类风湿关节炎（RA）之间（UKB 中有 993 个共享样本），以及溃疡性结肠炎（UC）与克罗恩病（CD）之间。
  • 发现多对疾病之间存在强正相关（OR > 1），例如 SLE 与 RA，以及 CD 与 UC。
  • 跨队列比较（UKB 与 TNX）揭示了强关联的一致趋势（例如 MS 与其他脱髓鞘疾病），但在特定疾病对（例如 PSO 与 MS）的效应大小和方向上存在显著差异（UKB 中显示正相关 OR，而 TNX 中显示负相关/反向关联）。

• PGS 分布与遗传架构：

  • PGS 分析揭示了共享且独特的遗传架构。
  • MS 与 PSO/RA： MS 显示出独特的分布，在 Y 轴上呈正趋势，而 PSO 和 RA 在 X 轴上呈正趋势，表明存在部分遗传分离。
  • SLE 与 MS： 观察到正线性相关性，表明存在共享的遗传易感性。
  • SLE 与 PSO： 这些疾病表现出近乎正交的 PGS 均值位置，表明尽管存在某些临床重叠，但遗传相似性极低。
  • 共病病例： 具有双重诊断（例如 PSO 和 RA）的个体通常聚类在右上象限，表明两种疾病的风险均升高，支持多自身免疫的概念。

• 变异与基因发现：

  • 排除 HLA 后，在分析的自身免疫疾病中识别出 14 个共享基因。
  • 基于影响的筛选： 14 个共享基因中有 11 个是通过高/中度影响变异识别的，突显了功能后果相对于单纯频率的重要性。
  • 新关联： 本研究识别出新的基因 - 疾病关联，包括 ZNF391、POM121L2 和 LINC02356，这些基因在 GWAS 目录中此前未被关联到自身免疫疾病。
  • 已知基因： 重新识别已确立的基因（IL23R、PTPN22、SH2B3、MAGI3）验证了该方法的有效性。
  • Butyrophilin 家族： 在 CED、SLE 和 T1D 中发现了多个 BTN 家族基因（BTN1A1、BTN2A1、BTN3A1、BTN3A2），表明其具有更广泛的免疫调节作用。

• 通路富集：

  • 网络传播识别出独特的通路特征。IL6-JAK-STAT3 信号通路在 CED、CD、T1D 和 UC 中上调，但在 PSO 中下调。
  • PSO 在免疫和代谢通路中显示负富集，表明通路抑制，而 CED 和 UC 则显示互联通路的广泛激活。

意义与主张
本文声称提供了一个协调的、数据驱动的资源，将遗传架构、共病模式和方法学稳健性联系起来。主要贡献包括：

1. 多自身免疫的验证： 本研究支持自身免疫疾病之间存在部分遗传重叠而非完全趋同的观点，证明共病通常源于中等程度的重叠易感性，而非单一疾病中的极端风险。
2. 方法学整合： 通过整合常见、罕见及具有功能影响的变异，本研究识别出已知和新颖的基因关联，证明了基于影响的筛选能够捕捉到仅靠基于频率的 GWAS 往往遗漏的具有生物学意义的信号。
3. 跨数据集洞察： UKB 与 TNX 的比较突显了数据集特定因素（如编码不一致性、队列组成）对共病模式的关键影响，强调了自身免疫研究中标准化方法的必要性。
4. 性别作为生物学变量： 结果强化了性别作为关键协变量的地位，大多数自身免疫疾病（如 SLE、RA、MS）表现出一致的女性优势，而强直性脊柱炎则表现为男性优势，这可能由激素和 X 连锁遗传因素驱动。
5. 功能背景： 网络传播分析为遗传关联增加了功能维度，区分了系统性失调（如 CED/UC 中）与局部或抑制性网络效应（如 PSO 中）。

作者总结道，虽然他们的工作 delineated（描绘）了自身免疫疾病的共享和独特特征，但未来的进展需要多样化的纵向队列、标准化的诊断定义以及实验验证，以充分将这些遗传见解转化为精准医疗。