GEN - Genetic Engineering and Biotechnology News· Sophia Ktori·· 5 天前AI 评分66
All of Us 近10万人队列发现人人携带影响用药的基因变异
High Frequency of Drug-Impacting Gene Variants Found in All of Us Cohort

AI 导读
一项发表于 Science Translational Medicine 的研究分析了 NIH All of Us 研究项目中近 10 万人的药物基因组数据,发现所有受试者都至少携带一种影响药物代谢的基因变异,中位数为 9 种。
- 背景
- 药物基因组学(PGx)的承诺是通过个体化开方改善结局:PGx 可影响药物有效性与毒性,许多常用药在 FDA 批准的标签或临床药物遗传学实施联盟(CPIC)指南中已有基因型指导的剂量或选药建议。Empey 提到,300 多种药物的标签载有遗传变异相互作用信息,基因检测可能对指导开方有价值;一个例子是用于结肠癌的化疗药,携带相关变异的患者中最多 8% 会出现严重毒性,因此这类患者治疗前会先做检测。但作者指出,尽管支持 PGx 数据进入临床的证据较强,更广泛的落地仍受限,部分原因正是缺乏不同生物地理群体中变异、等位基因和预测表型频率的数据;早期研究纳入的种族与民族群体多样性有限,会使风险估计偏斜。
- 做法
- 研究团队使用的是美国国立卫生研究院(NIH)All of Us 研究计划的数据。该计划目标是在全美收集 100 万人的数据,以理解生活方式、环境和基因如何影响健康与疾病;Pitt 是该项目的重要合作方,2018 年启动了 All of Us Pennsylvania。研究者评估了近 10 万名参与者中 16 个已知影响多种药物有效性或毒性的遗传变异的频率,随后把遗传数据与参与者的病历匹配,统计他们是否曾被开出与所携变异相互作用的药物。判定「可操作」的口径是:某基因存在 CPIC 或 FDA 建议改变处方的预测表型,且该参与者有既往暴露于受影响药物。作者称,这是迄今规模最大、多样性最高的、带用药暴露关联的 PGx 数据集之一;他们认为 All of Us 由于队列规模、基因分型方法的全面性和遗传多样性,在识别此前未知变异与罕见变异及其频率方面特别有价值。
- 结论
- 结果可以分几层来看。第一,频率极高:100% 的参与者至少携带一个已知 PGx 变异,中位数为 9 个;99.49% 的人具有某个基因的预测表型,而该基因已有 CPIC 或 FDA 的处方变更建议。第二,用药暴露常见:24.38% 的参与者同时具备这些药物基因的可操作表型与既往暴露于带 PGx 处方指导的药物,即接近四分之一的人被开出过已知受其所携变异影响的药。第三,涉及的药物集中:审查中最常见的是昂丹司琼(止吐)、布洛芬(抗炎)、奥美拉唑与泮托拉唑(治疗反流与烧心)以及阿托伐他汀(降胆固醇)。第四,变异谱扩张:团队识别出超过 17,000 个新变异,并在多个祖先群体中报告了已知药物相关变异的频率,包括此前未估计过这些频率的人群;作者强调,他们报告了数以千计的新变异和数百个偏离已知频率或此前未报告的等位基因与预测表型,尤其在美洲与非洲祖先群体中。
- 意义
- 这批数据补的正是 PGx 落地最缺的一环:跨多样祖先群体的变异与表型频率,以及与之相连的真实用药暴露。作者据此提出的直接用法是电子病历警报:临床医生开出受影响的药物时,警报可提示考虑换一种药,或在合适的情况下调整剂量。对政策制定者与保险方,它提供了权衡广泛基因筛查收益与成本的频率基础;对临床一线,它指向把常见变异的 panel 检测结果像肾功能一样放进病历。
- 局限
- 更广泛的药物基因组筛查是否值得推广,本研究没有给出成本效益答案:Empey 明确说,这要由政策制定者和健康保险方去权衡收益与成本,并称这是当前非常活跃的研究领域。换言之,这里报告的是变异与用药暴露的频率,筛查的卫生经济账仍要另行计算。
- 下一步
- 后续实施路径已经给出。Empey 认为合理的做法是用 panel 检测常见的、已知影响多种药物的变异,并把结果放进病历,类似肾功能检测;这一思路也用于同时服用多种药物的患者,或开始使用已知受遗传影响的药物(如心脏支架后使用的氯吡格雷)的患者。已做过 PGx 检测的人应把结果分享给药师和开方医生,使之整合进电子病历。他本人正在 UPMC 推动让临床医生能方便地看到患者是否携带可能影响所开药物的变异,并在需要时提示调整。此外,成本正在下降、数据在增加。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:GEN - Genetic Engineering and Biotechnology News · genengnews.com