The Biobank Rare Variant consortium powers the discovery of rare genetic associations through global collaboration

生物库罕见变异分析（BRaVa）联盟利用来自十个不同生物库的超过 120 万人的全球荟萃分析，发现了 514 种罕见基因 - 性状关联，证明联邦整合显著增强了单个队列无法实现的罕见遗传变异及其生物学机制的检出能力。

要点

想象一下，你正试图在干草堆中找到一根特定且极为罕见的针。在遗传学世界中，这些“针”是罕见的 DNA 突变，它们可能导致疾病或提供对疾病的保护。问题在于，在任何一个单独的医院或研究团体（即一个“生物样本库”）中，拥有这些特定突变的人太少，以至于你无法确定它们究竟是真正导致了问题，还是仅仅是一种巧合。这就像试图在单个干草堆中寻找一根针；你可能寻找多年却一无所获。

本文描述了一个名为BRaVa（生物样本库罕见变异分析）的全球性大型项目，该项目通过将来自世界各地的十个不同“干草堆”合并为一个巨大的超级干草堆，解决了这一问题。

以下是他们如何做到这一点以及他们发现了什么的简明解释：

1. 策略：组建全球超级团队

研究人员没有让一个团队只查看一堆数据，而是汇集了来自十个不同生物样本库（包括英国生物样本库、美国“全人类”计划以及来自日本、爱沙尼亚等的其他样本库）的120 万人。

• 类比：这就像一场全球寻宝游戏。如果一个岛上只有 10 人拥有一张稀有地图，他们可能找不到宝藏。但如果你将来自 10 个岛屿的地图合并，你突然就拥有了 100 个持有线索的人。
• 多样性：他们不仅研究了欧洲血统的人群，还纳入了来自非洲、亚洲和美洲的人群。这一点至关重要，因为某些罕见突变仅出现在特定群体中，就像某些语言仅在特定地区使用一样。

2. 发现：寻找隐形之物

通过将所有这些数据汇集在一起，他们进行了一次大规模的计算机搜索，寻找罕见 DNA 突变与 33 种不同疾病（如糖尿病、心脏病和哮喘）以及 11 项身体测量指标（如身高和胆固醇）之间的联系。

• 重大揭示：他们发现了基因与疾病之间的514 个新关联。
• 合并的“魔力”：最激动人心的一点是，如果任何单个生物样本库单独查看数据，36% 的这些发现本是不可能被找到的。这就像试图在嘈杂的房间里听到耳语；一个人听不到，但如果 10 个人站在一起倾听，耳语就会变得清晰。
• 跨边界胜利：大约 91 项发现仅在混合不同种族群体的数据时才出现。这证明，要描绘人类健康的全貌，我们需要观察所有人，而不仅仅是某一个群体。

3. 他们发现了什么：“损坏的部件”与“超能力”

研究人员主要寻找两种类型的基因变化：

1. 损坏的部件（风险）：破坏基因功能并增加患病风险的突变。
   • 示例：他们发现，名为NAA15的基因中的罕见断裂与 2 型糖尿病有关。
   • 示例：他们发现ANKRD12中的断裂与哮喘和肺部疾病有关。
2. 超能力（保护）：有时，破坏一个基因实际上会帮助你。
   • 示例：他们发现，携带SLC22A12基因损坏版本的人患痛风（一种疼痛性关节炎）的风险要低得多。这是一种“超能力”，因为它表明如果我们能制造出模拟这种损坏基因的药物，我们就能治愈痛风。
   • 示例：F11基因的断裂与危险血栓风险的降低有关。

4. 这为何重要：医学的“蓝图”

该论文认为，这些罕见突变就像是理解疾病运作机制的直接蓝图。

• 常见与罕见：先前的研究主要关注“常见”的基因变异（例如棕色眼睛与蓝色眼睛），这就像歌曲的背景噪音。罕见突变则是独特而响亮的音符，它们确切地告诉你哪种乐器正在演奏疾病的旋律。
• 治疗靶点：由于这些突变如此强大，它们直接指向了药物可以针对的体内特定蛋白质。例如，发现F11基因的断裂可以预防血栓，这表明阻断F11的药物可能成为一种新的、更安全的抗凝剂。

5. 核心结论

BRaVa 联盟不仅找到了一些新针，还建立了一个巨大的共享图书馆，科学家可以免费查阅这些罕见的基因线索。

• 要点：通过全球合作并纳入多样化的人群，科学家现在可以看到以前看不见的基因模式。这有助于我们理解疾病的根本原因，并指明新治疗的方向，但这需要数百万人的联合力量，才能使信号足够响亮，让人听见。

重要提示：该论文强调，虽然这些发现对于理解生物学和确定潜在的药物靶点非常有力，但它们目前仍是研究结果。它们尚未成为医生在患者护理中使用的临床指南，因为该研究本身是一份尚未经过同行评审完全认证的预印本。

技术摘要

技术摘要：生物库罕见变异（BRaVa）联盟

问题陈述
罕见编码变异可对疾病风险产生巨大影响，并为因果基因和治疗靶点提供直接途径。然而，其发现受限于样本量，尤其是对于低患病率疾病和二分类终点而言。尽管大规模生物库已扩展了罕见变异的检测能力，但没有任何单一队列能够涵盖人类群体、疾病架构或环境背景的全部多样性。此外，由于需要协调表型、测序数据和管理框架，跨生物库的协调分析变得复杂。现有的针对常见变异的荟萃分析方法，因样本重叠和群体分层问题，在应用于罕见变异时往往会产生偏差。

方法学
作者建立了生物库罕见变异分析（BRaVa）联盟，整合了来自全球十个生物库和队列的测序数据及关联健康记录数据，涵盖超过 120 万来自不同祖先背景（非洲、混合美洲、东亚、欧洲以及中亚/南亚）的个体。

• 数据协调：表型由联盟成员提名，并利用 ICD 和 SNOMED 映射进行协调。分析仅限于满足以下条件的（生物库，祖先）亚队列：在跨越五个生物库的至少十个亚队列中，病例数至少为 100 例；或在英国生物库中病例患病率大于 1%。
• 统计框架：研究采用协调的多祖先工作流程，使用 SAIGE 和 SAIGE-GEN+ 来考虑样本相关性和病例 - 对照不平衡。在进行荟萃分析之前，先在祖先和生物库特定的子集中执行关联分析，以减少混杂因素。
• 基于基因的测试：使用功能注释掩码聚合推定有害变异：预测的功能丧失（pLoF）、有害错义或蛋白改变（DM/PA），以及它们的并集。测试包括负担检验（burden test）、SKAT 和 SKAT-O。
• 质量控制：同义基因基础测试作为内部校准对照，以标记残留混杂或技术伪影。显著膨胀的层被排除。驱动经典基因（DNMT3A、TET2、ASXL1）中克隆造血（CHIP）的年龄相关体细胞突变被排除在下游分析之外，以防止混淆生殖系信号。
• 荟萃分析策略：在所有（生物库，祖先）对之间执行固定效应荟萃分析。负担检验使用逆方差加权，而方差分量（SKAT）和混合（SKAT-O）检验则应用 Stouffer 方法。为了解决样本重叠问题，作者开发了一种经验策略，利用同义变异负担统计量的相关性来估计重叠权重，并调整了适用于基于基因的荟萃分析的 METAL 风格校正。
• 新颖性评估：基于人工智能的代理评估了生物医学文献和 Open Targets 平台，以评估基因 - 表型关联的新颖性，随后进行人工审查。

主要结果

• 规模与发现：荟萃分析鉴定了514 个独特的基因 - 表型关联，涉及 33 个临床终点和 11 个定量性状中的推定有害变异。
• 聚合的效力：
  • 36.1%（186 个）的基因 - 性状关联在任何一个单独的生物库中都无法检测到。
  • 91个关联仅在跨祖先荟萃分析中出现，表明联邦式整合能够实现超越单一队列范围的发现。
  • 在变异水平上，**25.0%**的表型 - 基因座关联仅通过荟萃分析才能检测到。
• 普遍性：效应量估计值在不同祖先间表现出强相关性，且效应方向一致，支持了罕见变异关联的普遍性。
• 具体生物学见解：
  • 代谢性状：MIB1中的罕见 pLoF 变异与 2 型糖尿病（T2D）和腰臀比相关；UBR3及其旁系同源物UBR2与高血压、T2D 和 BMI 相关。KEAP1变异与高密度脂蛋白胆固醇和 WHRadjBMI 相关，将其作用扩展至脂质代谢。
  • 人体测量：GIGYF1（蛋白质翻译）和LCORL中的罕见变异分别与体脂分布和身高相关。BSN和CALCR与 BMI 相关。
  • 免疫与呼吸：SETD1A（染色质调节）和ANKRD12（转录共调节因子）与哮喘和慢性阻塞性肺病（COPD）相关。
  • 保护性变异：研究确定了SLC22A12（痛风）和F11（静脉血栓栓塞）已建立的保护性关联。值得注意的是，研究发现了与PI4KA罕见变异相关的新型高血压保护信号。
  • 精原细胞选择：显著关联富集于先前被认为在精原细胞中受到正向选择的基因（例如MIB1、PPM1D、NF1），表明生殖系选择影响了罕见变异发现的格局。
• 与常见变异的独立性：对关联基因 500 kb 范围内的常见变异进行条件分析显示，大多数罕见变异信号独立于附近的常见 GWAS 基因座。

意义与主张
本文声称，BRaVa 建立了一个可扩展的框架，并为全球生物库的罕见变异荟萃分析提供了一个免费可用的社区资源。其主要意义在于证明，多样化生物库的联邦式整合显著提高了统计效力，使得那些对单个队列不可见的罕见变异关联得以被发现。

作者强调，这种方法支持：

1. 疾病基因发现：提供罕见编码变异关联的参考图谱。
2. 生物学解释：揭示转录/表观遗传调节、代谢、血管生物学和免疫功能中的通路。
3. 治疗靶点优先排序：突出保护性罕见变异（例如PI4KA、F11中的变异），从而提名治疗抑制的靶点。
4. 公平代表性：证明纳入非欧洲祖先背景增加了发现效力，并验证了跨人群效应量的一致性。

研究结论指出，尽管数据生成和表型定义的异质性带来了挑战，但细致的协调和过滤能够实现稳健、可解释的罕见遗传关联，这些关联补充了常见变异分析，有助于阐明疾病生物学。摘要统计数据已公开发布，以支持未来研究，随着测序关联健康记录资源的不断扩展，这些资源将发挥更大作用。