EthniVar: a source-stratified catalogue of BRCA1/2 germline variants quantifies the classification gap for variants reported in Indian patients
该研究介绍了 EthniVar，这是一个来源分层的 BRCA1/2 生殖系变异目录，它量化了印度特有变异与欧洲及中国人群相比存在的显著分类差距，并评估了一个计算共识框架，该框架虽然准确度极高，但仅能优先处理少数具有信息价值的印度变异以进行进一步的人工校正。
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
每个人都携带两份被称为基因的指令集，它们作为身体构建和维持自身的蓝图。在这些基因中，BRCA1 和 BRCA2 基因尤为重要，因为它们有助于修复 DNA 损伤，防止细胞失控生长并转化为癌症。当这些基因携带有害的变化或变异时，患乳腺癌和卵巢癌的风险会显著上升。医生使用基因检测来寻找这些有害变化，这可以指导关于筛查、手术或药物治疗的决策。然而，解读这些检测结果的能力在很大程度上取决于科学家所掌握的数据。几十年来，绝大多数遗传学研究都集中在欧洲裔人群身上。这导致了一种情况：如果一个印度裔人士发现了一个遗传变化，由于缺乏来自其特定人群的足够数据来确认该变化是危险还是无害，该变化可能会被标记为“不确定”；而同样的变化在欧洲裔人士身上则可能被明确识别为有害。
来自印度普拉克沙大学（Plaksha University）的一个研究小组致力于精确测量这一差距到底有多大，以及现代计算机工具是否能帮助缩小这一差距。他们创建了一个全新的、详细的目录，专门记录了印度乳腺癌患者中发现的遗传变异，并将其与针对欧洲裔和华裔人群的类似目录进行了对比。他们的研究表明，数据的缺乏不仅仅是一个小小的困扰，而是一个实质性的医疗障碍。他们发现，对于仅在印度来源中报告的变异，全球医学数据库中只有不到 40% 具有明确、肯定的分类。相比之下，对于仅在欧洲或中国来源中发现的变异，大约有 60% 得到了明确分类。这意味着，一位印度裔患者更有可能收到让其医生感到下一步该如何行动感到困惑的检测结果，这可能会延迟挽救生命的干预措施或引起不必要的焦虑。
为了解决这种不确定性，研究人员转向了一套由六种不同的计算机程序组成的工具组，旨在预测遗传变化的影响。这些工具使用不同的方法，例如观察基因在数百万年进化过程中是如何变化的，或者分析该基因所产生的蛋白质的三维结构。通过将所有六种工具的预测结果合并为一个单一的共识评分，该团队测试了他们是否能够筛选出这些不确定的变异。当他们将这种方法应用于一组已知且分类明确的变异时，该系统表现出了极高的准确性，几乎总能正确识别有害变化。然而，当他们将同一系统应用于印度患者特有的 356 个不确定变异时，结果则较为平庸。计算机工具只能为其中约 21% 的不确定案例提供置信的预测。虽然这有助于澄清部分变异的状态，但仍使大多数变异处于不确定状态。
该研究还调查了这些遗传变化在普通人群中的普遍程度。会导致严重疾病的有害变异通常非常罕见，因为自然选择倾向于随着时间的推移将它们从基因库中剔除。研究人员证实，他们的计算机工具预测为有害的变异，在人群数据中的频率确实比预测为无害的变异要低得多。然而，这些频率数据并未解决最棘手的案例：即在医学数据库中有冲突报告的变异。即使结合了计算机预测和人群频率数据，那 21 个具有冲突分类的变异中，没有一个是能够被明确解决的。这表明，对于这些特定的、复杂的变异，单靠计算机模型和人群数据不足以提供明确的答案。
研究人员得出结论，虽然计算工具对于缩小候选名单很有用，但它们无法完全取代对更多样化人类数据的需求。分类差距并非技术的失败，而是反映了证据基础本身是不完整的。为了真正缩小这一差距，科学界需要更多专注于南亚人群的遗传学研究，包括详细的家族史记录以及针对相关变异的具体功能测试。该团队已通过在线数据库向公众开放了整个数据集及其计算机分析结果，为未来的研究提供了路线图。他们的工作强调，在遗传数据库能够反映人类多样性之前，来自代表性不足群体的患者将继续面临更高的不确定结果率，从而导致他们在管理自身健康风险时缺乏清晰的指导。
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。