日报标题：了解不同的基因测序的真实功能，才不会被忽悠 夜神K2，生物狗 代码狗 博士狗 单车狗 单反狗 单身狗 汪汪汪 其实写知乎和公众号以来经常收到各种私信问『 XX 基因检测靠不靠谱』，但由于我特别懒几年也不查一次留言，也懒得挨个查网页什么的，基本上也很少回。而且『靠不靠谱』这种事儿吧，其实对于缺乏基本的遗传学知识的人来说，不是一句话说得清楚的。并且我又非常讨厌『基因』和『基因检测』的概念，不同的遗传检测的检测对象、技术手段、参考价值都差别巨大。所以今天这篇文就以自然选择的选择压力为出发点，花点篇幅说说这些，关于孟德尔疾病、复杂疾病、复杂性状，GWAS ，针对 SNP 位点的基因检测、对基因外显子序列全长测序的基因检测。希望本来不那么专业的观众能从自然选择的观点出发，学会判断自己接触到的基因检测靠谱与否。所以内个，对此有了解的专业观众可以离场了。 I. 关于选择压力的引子 物种与物种、个体与个体之间各不相同，是源于突变。突变是随机，在一定的环境下，大部分突变可能是有害的或者中性的，少部分是有利的。在中性突变出现时，大家表型没有差异，多种基因型共存相安无事；在有害突变出现时，携带有害突变的个体受到自然选择的选择压力，容易被淘汰；在有利突变出现后，没突变的可能也会慢慢失去竞争力，受到选择压力而逐渐被淘汰。这就是我们今天的出发点，选择压力。 所以大家应该都有这样的认知，越是不那么严重的遗传病——比如肥胖三高糖尿病、痛风帕金森老年痴呆什么的，就困扰越多人、不是先天就有而是倾向于晚发病、感觉上有家族遗传性却又不绝对、受生活方式等环境因素影响大。而严重的遗传病，什么血友病、遗传性耳聋、苯丙酮尿症，以及稍微轻一点的色盲，都颇为罕见、与生俱来、家族性非常明显、几乎不受环境影响——而且病症越严重，这些特征就越明显。究其原因，就是选择压力。 试想，一家人某个基因上有个特别牛逼的有害突变，仅仅是这一个突变，让这家人的后人差不多三四十就会稳定地去见达尔文，或者说过了 25 岁男孩子的 JJ 就会没法工作以至于繁殖不能（在生态学上讲，这跟去见达尔文也差别有限了）。那么显然啊，这可突变面临的选择压力就很大，于是乎这家人在繁殖这件事上与正常人比就有着天然劣势，甚至一不小心就会团灭，这个突变肯定没法在人群中广泛传播。于是这些病的特点和逻辑是这样的： 超级有害突变 → 相关遗传位点极少 → 家族遗传性明显 → 简单遗传病 → 符合孟德尔遗传定律 → 选择压力山大 → 几乎不受环境影响 → 人群中罕见 由于这些遗传机理简单的遗传病符合孟德尔遗传定律，我们也称之为孟德尔疾病。与之相反，像二型糖尿病一样的复杂遗传病的特点就是，单个位点致病效应有限、选择压力小、参与疾病发生的位点 / 基因很多、有一定家族遗传性但不确定、人群中常见、受环境因素影响大、不符合孟德尔定律。 以致病基因型常见程度为横轴、单个位点致病效应（通常用让步率，odds ratio 表征，欢迎 google 之）为纵轴为坐标，就有了下面这个做复杂疾病的论文都喜闻乐见的一张图： （本图修改自 GWAS 综述文献 Finding the missing heritability of complex diseases. DOI: 10.1038/nature08494 。是我入职华大后第一个 seminar review 的文献，木哈哈。那会儿还不懂把 GWAS 发音发成『基瓦斯』还年做 G·W·A study ，特别土） 我们所说的『疾病』大多分布在左上到右下的这个区域，越是靠左上就越表现孟德尔疾病，越是靠右下就越表现为复杂遗传病。比孟德尔遗传病还厉害的，厉害到没办法稳定遗传，这种病一定很罕见，比如新生儿肿瘤，也不知道咋地就秒跪了，根本来不及形成一种稳定可见的『遗传病』。相反，复杂疾病在右下，比之更常见、更不承受选择压力的，那就不能被成为『疾病』而是需要称为『复杂性状』了。很多数量性状比如高矮、肌肉丰度什么的，就在这里。身高这种性状会产生选择压力么？当然会，事宜的身高显然是漫长的自然选择后的结果。但在目前正常人的身高范围内，不至于发生『矮子没法生孩子』或者『太高了容易在可育年龄前死掉』这样的事情。左下角是一堆堆不常见又没有啥卵用的突变，一般很少关心。右上角呢，基因型对于性状的决定性强，所以一般不会有『疾病』存在于这里——否则无论如何会受到很强的选择压力而不可能在人群中常见。这个区域一般都是一些几乎没有选择压力的质量性状，比如耳屎干湿、卷发直发、不同血型、单双眼皮、舌头能不能打卷什么的，遗传机理简单，无论哪种表型，都不太会显著影响求偶繁育。 对于孟德尔疾病，往往通过患病家系的研究（连锁分析）就能确定致病基因和位点。对于复杂的疾病和性状，常见的研究方法是基于大规模人群的 GWAS（欢迎进一步 google ）。而 GWAS 的结果是发现一些位点或特定基因型与某个疾病、性状相关。但其最大的价值不在于发现位点本身，而是发现与该性状相关的基因、通路、连锁区域等。一旦基因功能获得验证，我们如果希望较为准确地预测性状，就不应该只着眼单个被 GWAS 发现的位点，而是全部相关基因的序列。有没有单个位点的基因型就很能说明问题的呢？也是有的。比如 GWAS 发现了 ACTN3 这个基因与爆发力强相关，编码 a- 辅肌动蛋白 -3 这个酶，其中 rs1815739 这个位点的基因型作用显著，odds ratio 在人群中可以达到 3.74（ doi: 10.1086/377590 ，doi：10.1371/journal.pone.0093165 ）（ odds ratio 越大表示基因型对性状的决定性越大：等于一时表示该基因型对该性状完全没有影响，为正无穷时为决定性影响，就像许多孟德尔疾病）。仔细想想是比较有道理的，爆发力这种东西，可以涉及比较强的自然选择。但多数 GWAS 研究的 odds ratio 并不是太高，尤其是很多几乎不涉及选择压力的性状研究，比如各种唱歌跳舞什么的所谓少儿天赋，研究结果也很难重复和验证，参考价值就极其有限了，各位一定不要太当真。 好的，有了以上对于『选择压力』和性状、疾病关系的基础，其实我们就能很容易判断基因检测哪些宣传靠谱、哪些内容参考价值更高、哪种检测手段更适合自己了。 II. 好的，来说基因检测 根据检测对象的不同，基因检测其实分为很多种，比如针对染色体水平变异进行检测的 21 三体、18 三体、染色体平行异位产前检测，比如针对人群中较为常见的 SNP 进行基因型分型的检测（低通量的可以用 PCR 、一代 Sanger 测序、飞行质谱完成）；高通量的可以用分型芯片，亦或是针对给定基因的外显子全长测序（称为 Panel 测序）甚至是全基因组测序。 II. i. SNP 分型产品 目前大部分消费级产品，其实是『（人群中较为常见 SNP 的）SNP 分型产品』，所以对照上面的图，其能检测的是『决定简单性状的 SNP 』、『决定孟德尔疾病的常见 SNP 』，以及 GWAS 发现的『有关复杂疾病、性状的人群中常见的 SNP 』。因为其检测对象是有限个 SNP ，不能排除相关基因其他位置出现罕见突变从而影响了疾病、性状表型的可能性，其结果未必（其实是几乎不）具有临床参考价值。有临床参考价值的情况是啥？就是你真的被这几个 SNP 检出简单疾病的致病基因型（大部分时候你应该已经知道了吧……毕竟孟德尔疾病大多都老严重了……），或者阳性携带（比如报告里说携带遗传性耳聋基因型）。对于简单疾病，SNP 分型检测说没有『在有限个 SNP 中』检出致病基因型，并不代表一定没有致病因子（虽然出现罕见不良变异的概率也并不高）。而对于复杂疾病的 GWAS 位点的检测，无论报告基于这些『有限个 SNP 位点』的检测，给出了『致病风险可能高于常人』或『低于常人』的结论，都无需太过在意。评价复杂疾病风险，是一项非常复杂的任务，即便是考虑了许许多多相关基因的序列、生活环境、家族遗传，也未必能够准确预测，何况是仅仅对几个人群中常见的 SNP 进行评估呢？况且有了自然选择这杆秤，人群中越常见的 SNP 的作用效应也一般越小，检测的又是常见 SNP ，想必不论是怎样的基因型，都『坏不到哪里去』。 所以我们来总结一下 SNP 分型类产品的靠谱程度： 孟德尔遗传病（简单疾病）、药物反应（简单性状）、营养代谢（多数为简单性状）的『坏结果』 > 孟德尔疾病、药物反应、营养代谢的『好结果』，简单性状的解读（血型、狐臭、耳屎干湿、铲状牙，大部分你自己已经知道了所以其实没太大卵用） >> 复杂疾病的健康风险提示 > 复杂性状的解读（质量性状>数量性状，选择压力越小参考价值越小，比如你觉得小孩儿唱歌画画的所谓『天赋』能有多大选择压力？） 所以啊少年们，知道随便找个基因测个一两个 SNP，就声称可以解读『儿童 #%*(&$W% 天赋』这种丝毫没有选择压力的事儿，是有多猎奇了吧？也知道 SNP 分型产品中提示的复杂疾病健康风险，其实并不需要太担心了吧？ II. ii. 外显子测序产品 那么既然 SNP 分型产品对于复杂疾病其实参考价值有限，那有没有更好的解决方案更准确地预测疾病风险呢？其实外显子测序 / panel 测序产品就可以提供相当程度的临床价值。 最好的例子还是安吉丽娜朱莉在 Myriad 公司测了 BRCA1 和 BRCA2 两个基因外显子全长的故事。首先我们知道的是，朱莉家躺枪于乳腺癌的姐们儿实在是太多了，显然是家族遗传性乳腺癌，弄不好有团灭风险。这说明啥？他们家携带的这个或者这些致病突变，选择压力大啊！压力山大！应该在那张图的左上角啊，显然是选择压力大 + 家族遗传 + 人群中罕见，肯定不是 GWAS 研究揭露出来的常见基因型啊。 从SNP 分型产品对于『复杂疾病其实参考价值有限』到夸两个基因外显子测序查出朱莉家病症确实存在一定的逻辑问题。乳腺癌本身是属于复杂疾病无误，但是涉及到朱莉一家的家族性乳腺癌，OR 极高遗传性明显，如果查出在人群中低频的、关键的致病突变，已经可以将『这个 case 的这个家族性乳腺癌亚型』归为『孟德尔疾病』，一般非专业读者很难 get 到这个事儿的本质是，外显子测序解决了『看似复杂实则简单的疾病』的问题，会被误导认为外显子测序对复杂代谢疾病同样有效。没有明确二者之间的区别，没有警示外显子测序对于复杂代谢疾病的局限性和无力，这是我的问题。 想全方位评估健康风险的话（尤其是和肿瘤有关的个体遗传风险），还是安安稳稳地做相关基因的外显子测序、panel 测序、全外显子测序或者是全基因组测序吧，SNP 分型产品一概没有临床参考价值。某上市公司测几个 SNP 就卖几万几万的某加防御某加守护什么的真是够了，除了尊贵指数和节操碎末化程度以外没有任何参考价值。 III. 大流氓常用表述 于是乎我总结一些基因检测垃圾产品常用的句式，来帮大家比较简单地鉴别骗子： 1. 『检测准确率 95% / 99% / 99.9% / 99.97% 』：检测准确率指的是 PCR / 测序 / 质谱的分型准确率，这个玩意儿没什么好讲的。但检测准确率跟性状预测的准确率根本不是一码事。越是不靠谱的产品越爱用这种话混淆是非，比如所谓儿童天赋什么的，几乎没有丝毫预测参考价值可言，却最喜欢说；基于少数常见 SNP 的乳腺癌评估产品，根本就忽视了家族性遗传和罕见突变的影响，应该诚恳地向消费者讲述 GWAS 、SNP 分型的参考价值。而用这样话误导人认为『预测性状准确』，是非常辣鸡的行为。 2. 『安吉丽娜同款』：上面已经喷过了。 3. 『基因决定 ***』：基因型能够决定的只有简单疾病和简单性状，复杂健康问题和复杂性状，不能用『决定』这个词儿。 4. 『精准医疗 / 精准教育』：你就测个 SNP 的话就敢提『精准』，是不是想精准骗钱？ 5. 『天赋 / 潜能』：换啥词儿都是骗。 6. 贴个质谱图：尤其是产品介绍里贴个测序仪的，你检测报告里贴个毫无用处的质谱图是打自己脸么。 7. 『大数据』：高通量产品（无论是高通量 SNP 分型，还是外显子 / 基因组测序产品）都会产生很多『暂时不能解读』的数据，确有数据价值。但低通量产品就是骗人了，捎带骗投资人，你一个测飞行质谱、PCR 、sanger 的，测的全是别人文献里发表的东西，对未知位点一点都不研究，哪来的大数据？说你呢在报告里贴质谱图的那个，装只装给你们人傻钱多速来骗的土豪投资人是吧。 # 这样的投资人请介绍给我 # 就是这样，但愿对大家有用。 欢迎关注我的知乎专栏：K·吐 微信公众号：夜神 K2（ CaptainK2 ） 阅读原文
