了解不同的基因測序的真實功能，才不會被忽悠

【正經】以自然選擇為名，聊聊各種基因檢測靠譜不靠譜

夜神K2，生物狗 代碼狗 博士狗 單車狗 單反狗 單身狗 汪汪汪

其實寫知乎和公眾號以來經常收到各種私信問『 XX 基因檢測靠不靠譜』，但由於我特別懶幾年也不查一次留言，也懶得挨個查網頁什麼的，基本上也很少回。而且『靠不靠譜』這種事兒吧，其實對於缺乏基本的遺傳學知識的人來說，不是一句話說得清楚的。並且我又非常討厭『基因』和『基因檢測』的概念，不同的遺傳檢測的檢測對象、技術手段、參考價值都差別巨大。所以今天這篇文就以自然選擇的選擇壓力為出發點，花點篇幅說說這些，關於孟德爾疾病、複雜疾病、複雜性狀，GWAS ，針對 SNP 位點的基因檢測、對基因外顯子序列全長測序的基因檢測。希望本來不那麼專業的觀眾能從自然選擇的觀點出發，學會判斷自己接觸到的基因檢測靠譜與否。所以內個，對此有了解的專業觀眾可以離場了。

I. 關於選擇壓力的引子

物種與物種、個體與個體之間各不相同，是源於突變。突變是隨機，在一定的環境下，大部分突變可能是有害的或者中性的，少部分是有利的。在中性突變出現時，大家表型沒有差異，多種基因型共存相安無事；在有害突變出現時，攜帶有害突變的個體受到自然選擇的選擇壓力，容易被淘汰；在有利突變出現後，沒突變的可能也會慢慢失去競爭力，受到選擇壓力而逐漸被淘汰。這就是我們今天的出發點，選擇壓力。

所以大家應該都有這樣的認知，越是不那麼嚴重的遺傳病——比如肥胖三高糖尿病、痛風帕金森老年痴呆什麼的，就困擾越多人、不是先天就有而是傾向於晚發病、感覺上有家族遺傳性卻又不絕對、受生活方式等環境因素影響大。而嚴重的遺傳病，什麼血友病、遺傳性耳聾、苯丙酮尿症，以及稍微輕一點的色盲，都頗為罕見、與生俱來、家族性非常明顯、幾乎不受環境影響——而且病症越嚴重，這些特徵就越明顯。究其原因，就是選擇壓力。

試想，一家人某個基因上有個特別牛逼的有害突變，僅僅是這一個突變，讓這家人的後人差不多三四十就會穩定地去見達爾文，或者說過了 25 歲男孩子的 JJ 就會沒法工作以至於繁殖不能（在生態學上講，這跟去見達爾文也差別有限了）。那麼顯然啊，這可突變面臨的選擇壓力就很大，於是乎這家人在繁殖這件事上與正常人比就有著天然劣勢，甚至一不小心就會團滅，這個突變肯定沒法在人群中廣泛傳播。於是這些病的特點和邏輯是這樣的：

超級有害突變

→ 相關遺傳位點極少 → 家族遺傳性明顯 → 簡單遺傳病 → 符合孟德爾遺傳定律

→ 選擇壓力山大 → 幾乎不受環境影響 → 人群中罕見

由於這些遺傳機理簡單的遺傳病符合孟德爾遺傳定律，我們也稱之為孟德爾疾病。與之相反，像二型糖尿病一樣的複雜遺傳病的特點就是，單個位點致病效應有限、選擇壓力小、參與疾病發生的位點 / 基因很多、有一定家族遺傳性但不確定、人群中常見、受環境因素影響大、不符合孟德爾定律。

以致病基因型常見程度為橫軸、單個位點致病效應（通常用讓步率，odds ratio 表徵，歡迎 google 之）為縱軸為坐標，就有了下面這個做複雜疾病的論文都喜聞樂見的一張圖：

（本圖修改自 GWAS 綜述文獻 Finding the missing heritability of complex diseases. DOI: 10.1038/nature08494 。是我入職華大後第一個 seminar review 的文獻，木哈哈。那會兒還不懂把 GWAS 發音發成『基瓦斯』還年做 G·W·A study ，特別土）

我們所說的『疾病』大多分布在左上到右下的這個區域，越是靠左上就越表現孟德爾疾病，越是靠右下就越表現為複雜遺傳病。比孟德爾遺傳病還厲害的，厲害到沒辦法穩定遺傳，這種病一定很罕見，比如新生兒腫瘤，也不知道咋地就秒跪了，根本來不及形成一種穩定可見的『遺傳病』。相反，複雜疾病在右下，比之更常見、更不承受選擇壓力的，那就不能被成為『疾病』而是需要稱為『複雜性狀』了。很多數量性狀比如高矮、肌肉丰度什麼的，就在這裡。身高這種性狀會產生選擇壓力么？當然會，事宜的身高顯然是漫長的自然選擇後的結果。但在目前正常人的身高範圍內，不至於發生『矮子沒法生孩子』或者『太高了容易在可育年齡前死掉』這樣的事情。左下角是一堆堆不常見又沒有啥卵用的突變，一般很少關心。右上角呢，基因型對於性狀的決定性強，所以一般不會有『疾病』存在於這裡——否則無論如何會受到很強的選擇壓力而不可能在人群中常見。這個區域一般都是一些幾乎沒有選擇壓力的質量性狀，比如耳屎乾濕、捲髮直發、不同血型、單雙眼皮、舌頭能不能打卷什麼的，遺傳機理簡單，無論哪種表型，都不太會顯著影響求偶繁育。

對於孟德爾疾病，往往通過患病家系的研究（連鎖分析）就能確定致病基因和位點。對於複雜的疾病和性狀，常見的研究方法是基於大規模人群的 GWAS（歡迎進一步 google ）。而 GWAS 的結果是發現一些位點或特定基因型與某個疾病、性狀相關。但其最大的價值不在於發現位點本身，而是發現與該性狀相關的基因、通路、連鎖區域等。一旦基因功能獲得驗證，我們如果希望較為準確地預測性狀，就不應該只著眼單個被 GWAS 發現的位點，而是全部相關基因的序列。有沒有單個位點的基因型就很能說明問題的呢？也是有的。比如 GWAS 發現了 ACTN3 這個基因與爆發力強相關，編碼 a- 輔肌動蛋白 -3 這個酶，其中 rs1815739 這個位點的基因型作用顯著，odds ratio 在人群中可以達到 3.74（ doi: 10.1086/377590 ，doi：10.1371/journal.pone.0093165 ）（ odds ratio 越大表示基因型對性狀的決定性越大：等於一時表示該基因型對該性狀完全沒有影響，為正無窮時為決定性影響，就像許多孟德爾疾病）。仔細想想是比較有道理的，爆發力這種東西，可以涉及比較強的自然選擇。但多數 GWAS 研究的 odds ratio 並不是太高，尤其是很多幾乎不涉及選擇壓力的性狀研究，比如各種唱歌跳舞什麼的所謂少兒天賦，研究結果也很難重複和驗證，參考價值就極其有限了，各位一定不要太當真。

好的，有了以上對於『選擇壓力』和性狀、疾病關係的基礎，其實我們就能很容易判斷基因檢測哪些宣傳靠譜、哪些內容參考價值更高、哪種檢測手段更適合自己了。

II. 好的，來說基因檢測

根據檢測對象的不同，基因檢測其實分為很多種，比如針對染色體水平變異進行檢測的 21 三體、18 三體、染色體平行異位產前檢測，比如針對人群中較為常見的 SNP 進行基因型分型的檢測（低通量的可以用 PCR 、一代 Sanger 測序、飛行質譜完成）；高通量的可以用分型晶元，亦或是針對給定基因的外顯子全長測序（稱為 Panel 測序）甚至是全基因組測序。

II. i. SNP 分型產品

目前大部分消費級產品，其實是『（人群中較為常見 SNP 的）SNP 分型產品』，所以對照上面的圖，其能檢測的是『決定簡單性狀的 SNP 』、『決定孟德爾疾病的常見 SNP 』，以及 GWAS 發現的『有關複雜疾病、性狀的人群中常見的 SNP 』。因為其檢測對象是有限個 SNP ，不能排除相關基因其他位置出現罕見突變從而影響了疾病、性狀表型的可能性，其結果未必（其實是幾乎不）具有臨床參考價值。有臨床參考價值的情況是啥？就是你真的被這幾個 SNP 檢出簡單疾病的致病基因型（大部分時候你應該已經知道了吧……畢竟孟德爾疾病大多都老嚴重了……），或者陽性攜帶（比如報告里說攜帶遺傳性耳聾基因型）。對於簡單疾病，SNP 分型檢測說沒有『在有限個 SNP 中』檢出致病基因型，並不代表一定沒有致病因子（雖然出現罕見不良變異的概率也並不高）。而對於複雜疾病的 GWAS 位點的檢測，無論報告基於這些『有限個 SNP 位點』的檢測，給出了『致病風險可能高於常人』或『低於常人』的結論，都無需太過在意。評價複雜疾病風險，是一項非常複雜的任務，即便是考慮了許許多多相關基因的序列、生活環境、家族遺傳，也未必能夠準確預測，何況是僅僅對幾個人群中常見的 SNP 進行評估呢？況且有了自然選擇這桿秤，人群中越常見的 SNP 的作用效應也一般越小，檢測的又是常見 SNP ，想必不論是怎樣的基因型，都『壞不到哪裡去』。

所以我們來總結一下 SNP 分型類產品的靠譜程度：

孟德爾遺傳病（簡單疾病）、藥物反應（簡單性狀）、營養代謝（多數為簡單性狀）的『壞結果』

> 孟德爾疾病、藥物反應、營養代謝的『好結果』，簡單性狀的解讀（血型、狐臭、耳屎乾濕、鏟狀牙，大部分你自己已經知道了所以其實沒太大卵用）

>> 複雜疾病的健康風險提示

> 複雜性狀的解讀（質量性狀>數量性狀，選擇壓力越小參考價值越小，比如你覺得小孩兒唱歌畫畫的所謂『天賦』能有多大選擇壓力？）

所以啊少年們，知道隨便找個基因測個一兩個 SNP，就聲稱可以解讀『兒童 #%*(&$W% 天賦』這種絲毫沒有選擇壓力的事兒，是有多獵奇了吧？也知道 SNP 分型產品中提示的複雜疾病健康風險，其實並不需要太擔心了吧？

II. ii. 外顯子測序產品

那麼既然 SNP 分型產品對於複雜疾病其實參考價值有限，那有沒有更好的解決方案更準確地預測疾病風險呢？其實外顯子測序 / panel 測序產品就可以提供相當程度的臨床價值。

最好的例子還是安吉麗娜朱莉在 Myriad 公司測了 BRCA1 和 BRCA2 兩個基因外顯子全長的故事。首先我們知道的是，朱莉家躺槍於乳腺癌的姐們兒實在是太多了，顯然是家族遺傳性乳腺癌，弄不好有團滅風險。這說明啥？他們家攜帶的這個或者這些致病突變，選擇壓力大啊！壓力山大！應該在那張圖的左上角啊，顯然是選擇壓力大 + 家族遺傳 + 人群中罕見，肯定不是 GWAS 研究揭露出來的常見基因型啊。

從SNP 分型產品對於『複雜疾病其實參考價值有限』到誇兩個基因外顯子測序查出朱莉家病症確實存在一定的邏輯問題。乳腺癌本身是屬於複雜疾病無誤，但是涉及到朱莉一家的家族性乳腺癌，OR 極高遺傳性明顯，如果查出在人群中低頻的、關鍵的致病突變，已經可以將『這個 case 的這個家族性乳腺癌亞型』歸為『孟德爾疾病』，一般非專業讀者很難 get 到這個事兒的本質是，外顯子測序解決了『看似複雜實則簡單的疾病』的問題，會被誤導認為外顯子測序對複雜代謝疾病同樣有效。沒有明確二者之間的區別，沒有警示外顯子測序對於複雜代謝疾病的局限性和無力，這是我的問題。

想全方位評估健康風險的話（尤其是和腫瘤有關的個體遺傳風險），還是安安穩穩地做相關基因的外顯子測序、panel 測序、全外顯子測序或者是全基因組測序吧，SNP 分型產品一概沒有臨床參考價值。某上市公司測幾個 SNP 就賣幾萬幾萬的某加防禦某加守護什麼的真是夠了，除了尊貴指數和節操碎末化程度以外沒有任何參考價值。

III. 大流氓常用表述

於是乎我總結一些基因檢測垃圾產品常用的句式，來幫大家比較簡單地鑒別騙子：

1. 『檢測準確率 95% / 99% / 99.9% / 99.97% 』：檢測準確率指的是 PCR / 測序 / 質譜的分型準確率，這個玩意兒沒什麼好講的。但檢測準確率跟性狀預測的準確率根本不是一碼事。越是不靠譜的產品越愛用這種話混淆是非，比如所謂兒童天賦什麼的，幾乎沒有絲毫預測參考價值可言，卻最喜歡說；基於少數常見 SNP 的乳腺癌評估產品，根本就忽視了家族性遺傳和罕見突變的影響，應該誠懇地向消費者講述 GWAS 、SNP 分型的參考價值。而用這樣話誤導人認為『預測性狀準確』，是非常辣雞的行為。

2. 『安吉麗娜同款』：上面已經噴過了。

3. 『基因決定 ***』：基因型能夠決定的只有簡單疾病和簡單性狀，複雜健康問題和複雜性狀，不能用『決定』這個詞兒。

4. 『精準醫療 / 精準教育』：你就測個 SNP 的話就敢提『精準』，是不是想精準騙錢？

5. 『天賦 / 潛能』：換啥詞兒都是騙。

6. 貼個質譜圖：尤其是產品介紹里貼個測序儀的，你檢測報告里貼個毫無用處的質譜圖是打自己臉么。

7. 『大數據』：高通量產品（無論是高通量 SNP 分型，還是外顯子 / 基因組測序產品）都會產生很多『暫時不能解讀』的數據，確有數據價值。但低通量產品就是騙人了，捎帶騙投資人，你一個測飛行質譜、PCR 、sanger 的，測的全是別人文獻里發表的東西，對未知位點一點都不研究，哪來的大數據？說你呢在報告里貼質譜圖的那個，裝只裝給你們人傻錢多速來騙的土豪投資人是吧。

# 這樣的投資人請介紹給我 #