The fallacy of the national average in structured populations: clinical and population genomics across 9,768 Indian genomes
这项研究表明，分析涵盖 83 个不同亚群的 9,768 个印度人基因组，而非使用全国平均值，对于准确识别罕见变异、解决临床伪影以及发现因群体分层而被掩盖的具有医学关键意义的功能缺失等位基因至关重要。
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
人体是一座宏大的指令库，由四种化学字母编写而成，这些字母拼写出了我们如何生长、如何对抗疾病以及我们的身体如何处理食物。几十年来，科学家们一直试图阅读这座图书馆，以了解为什么有些人会生病而另一些人却能保持健康，以及为什么某些药物对一个人有效，对另一个人却有害。为了实现这一目标，他们建立了庞大的参考目录，本质上是关于全球常见遗传变异的巨型字典。然而，这些目录存在一个盲点。它们通常将广阔且多样化的区域视为完全相同，通过取平均值来创造一个单一的“国家级”图景。这种方法对于数千年来自由混血的人群非常有效，但在那些人们世代生活在截然不同、相互隔离的社区中，并保持着独立遗传谱系的地方，这种方法就会失效。
印度是这样一个地方的完美缩影。这里居住着超过14亿人，但它并不是一个单一的、融合的群体。相反，它是一个由4000多个不同社区组成的马赛克，其中许多社区长期以来一直实行严格的内婚制——即仅在自己的群体内通婚——这维持了数千年。这种社会结构保存了每个社区独特的遗传特征，创造了一个比简单的平均值所能捕捉到的更为复杂的多样性景观。当科学家观察印度的整体遗传数据时，他们会错过隐藏在这些较小群体中的特定故事。他们可能会认为某种遗传变异极其罕见，因为它在总人口中很少见，却没意识到在某个特定的村庄或部落中，同一种变异实际上非常普遍。这种误解会导致严重的医疗错误，导致医生误诊患者或完全忽略关键的健康风险。
一个研究小组决定解决这个问题，他们通过对GenomeIndia项目的数据进行一次全新的、详细的审视，该项目最近对来自全国83个不同社区的近1万人进行了全基因组测序。研究人员并没有将这9,768名个体视为一个巨大的混合群体，而是将他们重新拆分为最初的83个不同社区。他们想看看，如果停止对数据取平均值，转而开始观察微观细节，会发生什么。他们发现，“国家平均水平”不仅是一种简化，更是一种正在掩盖重要医学真相的扭曲。
最令人震惊的发现是印度的稀有遗传变异究竟有多少。当研究人员在不分离群体的情况下观察数据时，他们看到了一定数量的稀有变化。但当他们剥开层层外壳，去观察每个社区个体时，他们发现绝大多数遗传变异——超过97%——都是极其罕见的，出现在不到1%的人群中。这比包含南亚人的国际数据库中所看到的稀有变异比例要高得多。其原因在于这些稀有变异并非均匀分布；它们集中在特定的社区中。在国家层面的池子中可能只出现一两个人的变异，但在一个孤立的部落内部，这种变异可能会出现在数十人身上。通过取平均值，国家层面的视角让这些变异看起来像是透明的，而实际上，它们正是局部人群的定义性特征。
这种“隐形”对于如何检查遗传数据的质量具有危险的后果。在标准的遗传检测中，科学家使用一种数学规则来识别错误。如果一个遗传变异出现的模式与随机混合人群的预期不符，计算机通常会将其标记为错误并将其丢弃。研究人员表明，由于印度社区并非混合在一起，而是彼此独立且分离的，许多真实的、具有医学意义的变异在计算机看来就像是错误。例如，引起镰状细胞贫血症的基因变异是一种已知的严重疾病。在国家层面的数据中，这种变异表现出的规律严重违反了质量检查规则，以至于计算机会自动将其删除，认为它是一个故障。通过对社区进行单独分析，研究人员证明了这些变异是真实且至关重要的，而标准的检查方式实际上正在删除医生赖以救命的关键信息。
这项研究还揭示了一种判断哪些遗传变化是无害的，哪些是有害的新方法。目前，医生通常依赖全球数据库来判断一个变异是否是个问题。如果一个变异在全球数据库中很罕见，它通常会被贴上“致病”的标签。然而，研究人员发现，许多在全球数据库中被标记为“致病”的变异，在特定的印度社区中实际上是常见且无害的。他们识别出了100多种此类变异，由于它们仅仅是大型群体遗传构成中的正常部分，应当被重新分类为良性。相反，他们还发现了55种在全求范围内很罕见、但在特定孤立部落中却非常普遍的变异。这些变异很可能是这些社区疾病的真正原因，但因为全球数据库不知道它们的存在，它们正被忽视。研究人员提出了一个双轨系统：一条轨道用于清除无害变异带来的假警报，另一条轨道用于保护并优先处理在孤立群体中发现的真实风险。
或许最令人兴奋的发现是“自然敲除（natural knockouts）”的发现。在遗传学中，一个“敲除”是指一个人拥有两个损坏的基因拷贝，这意味着他们的身体无法产生该基因本应制造的蛋白质版本。通常情况下，寻找这样的人是非常困难的，因为损坏的基因如此罕见，你可能需要扫描数十万人才能找到一个。但由于印度小规模社区内长期存在的内婚传统，这些损坏的基因在特定群体中变得更加普遍。研究人员发现了123种不同的基因，在这些基因中，他们可以识别出功能完全缺失的人。其中一些基因对生命至关重要，但携带这些损坏拷贝的人却很健康，这表明人体有时可以在缺少这些基因的情况下生存。其他一些基因则与身体处理药物或对抗疾病有关。由于这些人在国家平均水平中是隐形的，他们在之前的研究中从数学角度来看也是不存在的。现在，他们已被发现，这为理解人体运作方式和开发新疗法提供了独特的机遇。
研究还绘制了印度不同地区如何在数千年中适应其特定环境的图谱。在喜马拉雅山脉的高海拔地区，人们已经发展出一种有助于他们在稀薄空气中呼吸的遗传优势，这是他们从很久以前生活在那里的古代人类亲属那里继承的特质。在南部的炎热潮湿森林中，其他社区发展出了帮助他们抵抗疟疾的遗传变化。在奶制品消费普遍的北方，人们拥有更高频率的基因，使他们成年后仍能消化牛奶。这些适应性并非均匀分布在全国各地；它们是鲜明的、局部的特征，如果你只看整张地图，这些特征就会消失。一个来自山区的人，其对药物的遗传反应可能与一个来自平原的人截然不同，即便他们同样是印度人。
这项研究得出结论：将印度视为一个单一的遗传单位是一个错误，这会导致医疗水平低下。研究人员证明，为了提供公平且准确的医疗服务，医生和科学家必须观察患者所属的具体社区。他们展示了通过将数据拆分为最初的83个社区，他们能够揭示隐藏的风险、纠正假警报，并发现此前无法观测到的生物学奥秘。这种方法不仅仅适用于印度；它为理解世界上任何存在着独特、长期存在的社区的地区提供了一个蓝图。它证明了，解锁人类健康秘密的关键不在于抹平我们的差异，而在于理解我们在完整、详细的复杂性中所呈现出的差异。
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。