基因还是环境？一个理解疾病危险因素的新模型

宾夕法尼亚州立大学医学院(Penn State College of Medicine)的研究人员领导的一个研究小组利用一个具有全国代表性的大型样本，开发了一个模型，可以更准确地预测遗传和空气污染水平如何对疾病的发展产生因果影响。他们的研究结果发表在《自然通讯》杂志上。

　　

每一种疾病都受到遗传因素以及空气污染、气候和社会经济地位等环境因素的影响。然而，基因或环境在疾病风险中扮演的角色的程度——以及各自的作用程度——还没有得到很好的理解。因此，个人可以采取哪些行动来降低患病风险通常并不清楚。

由宾夕法尼亚州立大学医学院的研究人员领导的一个研究小组发现了一种方法，可以通过一个具有全国代表性的大型样本来梳理疾病风险的遗传和环境影响。他们发现，在某些情况下，之前的评估夸大了一个人的基因对疾病风险的贡献，生活方式和环境因素的作用比之前认为的要大。与基因不同，环境因素，比如暴露在空气污染中，可以更容易地改变。这意味着可能有更多的机会来降低疾病风险。研究人员在《自然通讯》上发表了他们的研究成果。

“我们正试图弄清基因和环境在多大程度上影响疾病的发展。如果我们更准确地了解每种疾病的作用，我们就能更好地预测疾病风险，设计出更有效的干预措施，特别是在精准医疗时代，”宾夕法尼亚州立医学院公共卫生科学助理教授、该研究的资深作者Bibo Jiang说。

研究人员表示，过去很难量化和衡量环境风险因素，因为它们涵盖了从饮食、锻炼到气候的方方面面。然而，如果在疾病风险模型中不考虑环境因素，分析可能会错误地将家庭成员之间共有的疾病风险归因于遗传。

宾夕法尼亚州立医学院(Penn State College of Medicine)杰出教授、研究副主席、人工智能和生物医学信息学主任、该研究的资深作者之一Dajiang Liu说:“住在同一个社区的人，空气污染水平、社会经济地位、获得医疗服务的机会和食物环境都是一样的。”“如果我们能把这些共同的环境分开，剩下的就能更准确地反映疾病的遗传能力。”

在这项研究中，研究小组开发了一个空间混合线性效应(SMILE)模型，该模型结合了遗传学和地理位置数据。地理位置——一个人的大致地理位置——作为社区层面环境风险因素的替代措施。

IBM MarketScan是一个健康保险索赔数据库，其中包含来自美国雇主健康保险政策的5000多万人的电子健康记录。研究小组利用该数据库的数据，过滤了超过25.7万个核心家庭的信息，并编制了1083种疾病的疾病结果。然后，他们增加了可公开获得的环境数据，包括气候和社会人口数据，以及颗粒物2.5 (PM2.5)和二氧化氮(NO2)的水平。

该团队的分析使得对疾病风险因素的估计更加精确。例如，之前的研究得出结论，遗传因素导致了37.7%的2型糖尿病风险。当研究小组重新评估这些数据时，考虑到环境影响，他们的模型发现，估计遗传对2型糖尿病风险的贡献降低到28.4%;更大比例的疾病风险可归因于环境因素。同样，在调整环境因素后，遗传因素对肥胖风险的估计贡献从53.1%下降到46.3%。

“以前的研究得出结论，基因在疾病风险预测中起着更大的作用，我们的研究重新校准了这些数字，”刘说。“这意味着人们可以保持希望，即使他们的家人患有2型糖尿病，例如，因为他们可以做很多事情来降低自己的风险。”

该研究小组还利用这些数据定量评估了空气中的两种特定污染物——PM2.5和二氧化氮——是否会对疾病风险产生因果影响。研究人员表示，之前的研究将PM2.5和二氧化氮混为一谈，作为空气污染的一个集体衡量标准。然而，他们在这项研究中发现，这两种污染物与健康状况有着不同且截然不同的因果关系。例如，二氧化氮被证明会直接导致高胆固醇、肠易激综合征以及1型和2型糖尿病等疾病，但PM2.5不会。另一方面，PM2.5可能对肺功能和睡眠障碍有更直接的因果影响。

最终，研究人员表示，这个模型将允许更深入地研究为什么某些疾病在某些地理位置可能更普遍的问题。