20、基因与环境、药物的交互作用及全基因组关联研究解析

基因与环境、药物的交互作用及全基因组关联研究解析

1. 基因 - 环境/基因 - 药物交互作用

基因 - 环境交互作用在许多孟德尔疾病中有着显著体现，环境条件会影响基因对疾病的作用，比如苯丙酮尿症（PKU）与饮食的关系。在复杂疾病中，这种交互作用也扮演着重要的效应修饰角色。例如，基因与吸烟的交互作用会影响肺癌、哮喘和慢性阻塞性肺疾病（COPD）的患病风险。

国际多中心多动症遗传学（IMAGE）项目对960名多动症儿童及其父母进行研究，发现社会经济地位（SES）与多动症候选基因存在潜在的交互作用。在BDNFa44基因的一个单核苷酸多态性（SNP）与SES对多动 - 冲动症状的影响中，对于常见的纯合和杂合基因型，SES对症状评分无影响，但对于罕见的纯合基因型，SES则有显著影响。

基因 - 药物交互作用是基因 - 环境交互作用的特殊情况。如今，许多临床试验会收集患者的DNA样本，以确定患者对治疗的反应是否取决于其基因特征。通过基因 - 药物交互作用，能够识别出对治疗反应不同的患者亚组，还能预测患者可能出现的不同严重程度的副作用。目前，利用基因图谱来提高药物安全性和有效性的研究正在大力推进。

在关联研究中，基因 - 环境交互作用分析备受关注。在基于人群的研究中，可通过在回归模型中加入交互项来将其纳入关联分析，例如：
[g(E(Y)) = β_0 + β_1 × X + β_2 × E + β_3 × X × E]
其中，(Y)表示感兴趣的表型，(X)是编码标记分数，(E)是环境暴露变量，(g)是根据表型特征类型选择的链接函数，(β_1)对应遗传主效应，(β_2)是环境主效应，(β_3)是基因 - 环境交互作用。在(β_3 = 0)的零假设下，基因和环境的效应在链接函数指定的尺度上是相加的。

需要注意的是，这种方法检验的是统计交互作用，不一定意味着生物学交互作用。而且，统计交互作用的定义是依赖尺度的。假设表型、基因型变量和环境变量均为二分变量，在零假设下，线性尺度上的相对遗传风险为：
[R_{X = 1, E = 1} = R_{X = 1, E = 0} + R_{X = 0, E = 1} - 1]
对数线性或乘法尺度上为：
[\log(R_{X = 1, E = 1}) = \log(R_{X = 1, E = 0}) + \log(R_{X = 0, E = 1})]
偏离各尺度上的加性模型意味着存在统计交互作用，且线性尺度上的统计交互作用与乘法尺度上无交互作用可以同时存在，反之亦然。

在基于人群的设计中，基因 - 环境交互作用可通过在回归模型中包含交互项相对直接地进行分析，但家庭设计则面临更多困难。例如，尝试扩展FBAT统计量，以(Y × E)作为特征，但这种方法通常并不有效。因为在考虑亲本信息和孟德尔遗传假设的情况下，当存在遗传主效应时，等位基因从父母向后代的传递也会依赖于表型，难以在不做模型假设的情况下估计传递概率，从而放弃FBAT方法的稳健性。

为解决这一问题，提出了一些方法。一种是构建整体检验统计量来检验无主效应和无交互作用的联合零假设，如FBAT - GEE，但此方法的缺点是拒绝零假设时，不能确定存在交互作用，可能仅由主效应导致。对于简单情况，如核心家庭中的患病后代，假设相对风险的对数线性模型，在一定条件下可以证明(E(X|Y = 1, P, E))与(E)无关，从而得到一个简单的交互检验统计量：
[\sum (Z - E(Z|Y = 1, S))(X - E(X|Y = 1, S))]
其中求和是对所有患病后代进行。该式中的期望和(X)的条件方差可通过经验评估，避免了指定遗传主效应模型或估计环境效应，但此方法不适用于定量表型和复杂暴露变量。对于这类应用，有人建议使用因果推断方法进行扩展。

此外，还存在“组合上位性”和“组合基因 - 环境交互作用”的概念。“上位性”最初指一个遗传因素的效应会被另一个遗传因素掩盖，现在常与“基因 - 基因交互作用”同义，因此有人提出用“组合上位性”来指代最初意义上的上位性。假设两个遗传因素(X_1)和(X_2)分别是位点(A)和(B)基因型的二元指标，若(Y)是二分性状，当某些个体在不同(X_1)和(X_2)值下的结果符合特定模式时，就存在组合上位性。例如：
| (X_2 = 0) | (X_2 = 1) |
| — | — |
| (X_1 = 0) | 0 | 0 |
| (X_1 = 1) | 0 | 1 |

对于线性或对数线性模型，在一定条件下可以通过参数检验来判断是否存在组合上位性，但这些检验并不一定意味着各种蛋白质之间存在物理分子相互作用，即“功能上位性”。

2. 全基因组关联研究（GWAS）

全基因组关联研究（GWAS）的核心要求是连锁不平衡（LD），它是人类基因组中短距离的特性。早期的关联测试主要针对特定区域，如基于疾病生物学功能或连锁分析选择的基因。而GWAS的理念是用足够密集的SNP覆盖整个基因组，使所有未分型的多态性（包括疾病易感位点，DSL）与至少一个被检测的SNP处于较强的LD中，因此GWAS有时被称为“无偏”研究。

在基因关联研究中，选择要分型的SNP是决定研究成败的关键。理想情况下，GWAS中要分型的SNP应与同一区域未分型的SNP充分相关。21世纪初，由于大多数人类基因组区域的局部LD结构未知，研究人员需在实际关联研究前评估目标区域的LD结构。为此，需对少量受试者的大量SNP进行分型，以确定合适的标签SNP，这一过程劳动强度大且存在高度冗余。

为解决这一问题，HapMap项目应运而生。该项目集中了全球多个基因组中心和公司的力量，对四个不同种族群体的数百万SNP进行分型，并将观察到的LD模式整理成目录，通过互联网供科学界使用。同时，基因分型技术也取得了重大进展，成本大幅降低，SNP芯片得以发展。目前的SNP芯片能为大多数种族的整个基因组提供足够的覆盖度，未包含在芯片上的SNP与至少一个分型的SNP处于强LD中（(r^2 > 0.7)或(0.8)），且近期SNP芯片的发展趋势更倾向于以基因为中心。

GWAS技术为理解复杂疾病的遗传结构提供了巨大的科学潜力，但也带来了统计挑战，主要包括开发统计过滤器以确保基因分型质量和处理多重检验问题。

3. 基因分型数据的质量控制

在统计分析中，数据质量是决定研究结果有效性的关键因素之一。在基因关联研究中，基因分型质量尤为重要，它受多种因素影响，如样本DNA质量、样本处理和存储方式以及基因分型平台等。完成基因分型和平台特定的错误检查后，还需进行额外的统计质量控制步骤。

在基于人群的研究中，完全随机的基因分型错误通常会降低统计分析的功效，但一般不会影响检验的α水平；而在基于家庭的设计中，同样的随机错误可能导致整体α水平升高，产生假阳性结果。非随机的基因分型错误情况更糟，例如依赖于真实基因型或表型的错误。当病例和对照在不同组进行基因分型时，可能出现依赖于表型的错误，不过通过精心设计研究，采用平衡设计可避免大多数此类错误来源。

早期基因分型时，基因型判定需人工根据电泳凝胶数据进行，如今基因分型过程已高度自动化。调用算法是基于样本两个等位基因的强度数据进行基因型判定的计算机统计算法。目前有多种基因分型平台能提供可重复的高质量数据，但对于GWAS研究，由于数据处理量大，无法手动检查每个基因型的准确性。即使每个SNP的平均基因分型错误率较低，但大量SNP的累积仍可能导致部分SNP和研究对象存在大量错误，影响统计功效或产生系统偏差。

因此，基因分型完成后，通常会进行大量额外的错误检查，采用一系列质量控制过滤器。常见的统计质量控制过滤器如下：
- 过滤器1：过滤小等位基因频率和缺失率
- 对于大多数SNP芯片，基因分型质量取决于小等位基因频率。小等位基因频率较小时，建立基因型簇困难且易出错，因此通常会排除小等位基因频率低于5%的SNP。随着基因分型技术的不断进步，这一阈值可能会降低，但不太可能消失。
- 过多的缺失基因型，无论是针对特定SNP还是研究对象，都可能表明基因分型过程存在问题，意味着基因分型错误率增加。目前，若研究对象超过2%的SNP缺失，则被视为有问题，需排除在分析之外。
- 过滤器2：过滤违反哈迪 - 温伯格假设的SNP
- 在复杂疾病/表型的GWAS中，真实DSL的遗传效应较小，在单SNP水平上，人群混合和分层的影响也较小。因此，SNP偏离哈迪 - 温伯格平衡最可能的原因是基因分型错误。
- 通常会对所有SNP进行哈迪 - 温伯格平衡检验，移除p值小于(10^{-5})的SNP。例如，在一项阿尔茨海默病的GWAS中，一个SNP经检测显著偏离哈迪 - 温伯格平衡，移除后重新测序，发现测序得到的基因型符合哈迪 - 温伯格平衡，说明原基因型存在严重的基因分型错误。
| | 观察基因型 | | | 总计 |
| — | — | — | — | — |
| | aa | Aa | AA | |
| 真实基因型 | | | | |
| aa | 48 | 6 | 0 | 54 |
| Aa | 175 | 198 | 1 | 374 |
| AA | 0 | 2 | 1009 | 1011 |
| 总计 | 223 | 206 | 1010 | 1439 |
- 过滤器3：在家庭样本中过滤孟德尔错误/孟德尔不一致性
- 在有观察到亲本基因型的家庭样本中，孟德尔错误（即不符合孟德尔遗传定律的传递模式）可作为基因分型质量的另一个衡量指标。
- 识别样本中的孟德尔错误，排除孟德尔错误超过一定阈值的SNP和研究家庭。典型的阈值为5个错误，但该参数通常因样本而异。需要注意的是，发现孟德尔错误并不能排除所有基因分型错误，只有与亲本基因型不一致的后代基因型才能被检测到。
- 过滤器4：过滤具有过度传递模式的研究对象
- 在基于家庭的关联研究中，可以构建针对先证者的检验，比较单个先证者在全基因组水平上的传递率。
- 在无基因关联的零假设下，大多数SNP的杂合基因型传递概率应为50/50。但存在基因分型错误时，常见等位基因往往比稀有等位基因更易传递。基于此，可以构建一个具有(\chi^2)分布的TDT/FBAT检验，用于识别基因分型质量差的研究对象。
- 过滤器5：检查研究对象的亲缘关系
- 利用全基因组数据，可以评估任意两个研究对象之间的等位基因共享情况，并与相关个体的参考数据集进行比较，从而识别出亲缘关系密切的个体。
- 通常会移除其中一个研究对象，以确保所有研究对象无亲缘关系，因为隐性亲缘关系可能会使常用检验统计量的方差公式失效。

完成质量控制过滤后，可以通过整体标准评估基因分型数据的质量。一般会进行简单的关联检验，如逻辑或线性回归，并可结合主成分调整以考虑人群混合。由于大多数SNP应符合无基因关联的零假设，预期p值分布应符合零假设下的情况。可以使用Q - Q图来评估这一假设的有效性。如果Q - Q图显示出不符合零假设的系统模式，则表明数据仍存在大量可检测的基因分型错误。此时，建议使用更严格的过滤标准重复数据过滤过程，在挽救尽可能多的遗传数据用于分析和实现可接受的基因分型错误率之间找到平衡。如果只有少数SNP是异常值，可以选择在更准确的平台上重新对这些SNP进行基因分型。

下面用mermaid流程图展示基因分型数据质量控制的流程：

graph LR
    A[基因分型完成] --> B[平台特定错误检查]
    B --> C[统计质量控制]
    C --> D[过滤器1：小等位基因频率和缺失率过滤]
    C --> E[过滤器2：哈迪 - 温伯格平衡过滤]
    C --> F[过滤器3：家庭样本孟德尔错误过滤]
    C --> G[过滤器4：过度传递模式检查]
    C --> H[过滤器5：亲缘关系检查]
    D --> I{是否符合标准}
    E --> I
    F --> I
    G --> I
    H --> I
    I -- 是 --> J[数据可用]
    I -- 否 --> K[重新过滤或重新分型]
    K --> C

综上所述，基因 - 环境/基因 - 药物交互作用以及全基因组关联研究在现代遗传学研究中具有重要意义。基因 - 环境交互作用的研究有助于深入理解疾病的发生机制，而全基因组关联研究为发现疾病相关的遗传位点提供了强大的工具。同时，基因分型数据的质量控制是确保研究结果可靠性的关键步骤，通过一系列的质量控制过滤器，可以有效提高数据质量，减少错误和偏差。在未来的研究中，随着技术的不断发展和方法的不断完善，这些领域有望取得更多的突破和进展。

基因与环境、药物的交互作用及全基因组关联研究解析

4. 基因 - 环境/基因 - 药物交互作用的深入探讨

基因 - 环境交互作用的研究范畴广泛，其变量涵盖了与疾病表型无直接生物学联系但能反映环境总体评估的因素。在不同疾病中，这种交互作用有着不同的表现形式和影响程度。

以肺癌、哮喘和慢性阻塞性肺疾病（COPD）为例，基因与吸烟的交互作用显著影响着疾病风险。这表明环境因素（如吸烟）与特定基因的共同作用，会对疾病的发生和发展产生重要影响。而在多动症研究中，社会经济地位（SES）与候选基因的交互作用也被发现对症状评分有影响，尤其是对于BDNFa44基因的罕见纯合基因型。

基因 - 药物交互作用作为基因 - 环境交互作用的特殊情况，在临床治疗中具有重要意义。通过收集患者的DNA样本，分析基因 - 药物交互作用，可以识别出对治疗反应不同的患者亚组。这有助于医生根据患者的基因特征制定个性化的治疗方案，提高治疗的安全性和有效性。例如，某些患者可能由于特定的基因型，对某种药物的反应更好，而另一些患者可能会出现更严重的副作用。

在统计分析方面，基因 - 环境交互作用的研究面临着一些挑战。统计交互作用与生物学交互作用并不等同，而且其定义依赖于尺度。在不同的尺度上，统计交互作用的表现可能不同，这增加了研究的复杂性。在家庭设计中，基因 - 环境交互作用的分析更加困难，需要采用特殊的方法来解决。

下面通过一个表格总结基因 - 环境/基因 - 药物交互作用的主要特点和分析方法：
| 交互作用类型 | 特点 | 分析方法 |
| — | — | — |
| 基因 - 环境交互作用 | 环境条件影响基因对疾病的作用，变量范围广 | 基于人群研究：回归模型；家庭设计：特殊方法（如FBAT - GEE等） |
| 基因 - 药物交互作用 | 有助于个性化治疗，提高药物安全性和有效性 | 收集患者DNA样本，分析基因特征与药物反应的关系 |

5. 全基因组关联研究的应用与挑战

全基因组关联研究（GWAS）通过覆盖整个基因组的SNP，为发现疾病相关的遗传位点提供了强大的工具。自GWAS技术出现以来，已经在众多复杂疾病中发现了大量的新关联。

例如，在多种疾病如骨密度、甘油三酯、C反应蛋白、克罗恩病、白血病、糖尿病等方面，都发现了新的遗传关联。这些发现有助于深入理解疾病的遗传基础，为疾病的诊断、治疗和预防提供了新的思路。

然而，GWAS也面临着一些挑战。其中，基因分型数据的质量控制是关键问题之一。如前所述，基因分型过程受多种因素影响，可能出现各种错误，包括随机错误和非随机错误。这些错误会影响研究的结果和结论，因此需要进行严格的质量控制。

另一个挑战是多重检验问题。在GWAS中，需要对大量的SNP进行检验，这增加了假阳性结果的风险。为了控制假阳性率，需要采用适当的方法进行多重检验校正。

下面用mermaid流程图展示全基因组关联研究的主要流程：

graph LR
    A[确定研究目标和表型] --> B[选择SNP进行基因分型]
    B --> C[基因分型过程]
    C --> D[质量控制]
    D --> E[关联分析]
    E --> F[结果验证和重复]
    F --> G[得出结论和应用]

6. 未来展望

随着技术的不断发展和研究的深入，基因 - 环境/基因 - 药物交互作用以及全基因组关联研究领域有望取得更多的突破和进展。

在基因 - 环境交互作用方面，未来可能会发现更多的环境因素与基因的交互作用，深入理解其生物学机制。这将有助于更好地预防和治疗疾病，例如通过调整环境因素来降低疾病的发生风险。

在基因 - 药物交互作用方面，随着基因测序技术的不断进步和成本的降低，个性化医疗将得到更广泛的应用。医生可以根据患者的基因特征，选择最合适的药物和治疗方案，提高治疗的效果和安全性。

在全基因组关联研究方面，未来的SNP芯片可能会更加完善，能够提供更全面的基因组覆盖度。同时，数据分析方法也将不断改进，更好地处理大量的基因数据和解决多重检验问题。

总之，基因 - 环境/基因 - 药物交互作用以及全基因组关联研究是现代遗传学研究的重要领域，它们将为人类健康和医学发展带来巨大的潜力和机遇。我们期待在未来看到更多的研究成果和实际应用。

为了方便读者回顾，下面总结本文的主要内容：
1. 基因 - 环境/基因 - 药物交互作用 ：环境影响基因对疾病的作用，基因 - 药物交互作用有助于个性化治疗；统计分析面临挑战，家庭设计更困难。
2. 全基因组关联研究 ：覆盖全基因组发现疾病相关位点，但面临基因分型质量控制和多重检验问题。
3. 未来展望 ：技术发展将带来更多突破，包括发现更多交互作用、推动个性化医疗和改进数据分析方法。

希望本文能够帮助读者更好地理解基因 - 环境/基因 - 药物交互作用以及全基因组关联研究的相关知识。如果您对这些领域有进一步的兴趣，可以继续深入研究相关的文献和资料。