IF50.5｜可遗传多基因编辑：下一个基因组医学前沿？

编辑少数多基因位点即可大幅降低常见病风险，但可能加剧健康不平等。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

多基因疾病如冠心病、阿尔茨海默病、精神分裂症等由众多微效基因共同决定。近年来GWAS已发现数万个相关变异，多基因评分（polygenic score）可预测个体风险，但通过胚胎选择（ESPS）实现大规模表型改变需要数万胚胎，不可行。基因编辑技术（如CRISPR-Cas9）发展迅速，理论上可同时编辑多个位点，为生殖系多基因编辑（HPE）提供了可能。此前伦理讨论多停留在抽象层面，缺乏基于具体变异效应的定量预测。

科学问题

卡在哪里： 尚无研究基于真实GWAS数据系统预测编辑特定多基因变异对个体疾病风险及群体健康不平等的影响，也缺乏对多效性、基因-环境互作等复杂因素的定量评估。

本文要回答： 本文旨在利用已发表的GWAS效应量，建模预测HPE对常见病患病率和数量性状的改变幅度，并以此为基础讨论其伦理影响。

技术路线

作者主要用了：GWAS汇总统计、易感性阈值模型、基因-环境互作建模、基尼系数。

作者从已发表GWAS中提取五种疾病（AD、SCZ、T2D、CAD、MDD）和五种数量性状（FG、LDL、TG、SBP、DBP）的基因组显著位点，按效应量×风险等位基因频率排序，选取前10个位点，假设编辑后个体为保护性纯合子，利用易感性阈值模型计算编辑基因组中的患病率变化。同时建模基因-环境互作（rg<1）对效果衰减的影响，并模拟不同编辑比例下群体健康不平等的基尼系数变化。

图 1　Fig. 1。图1展示了编辑不同数量位点后，编辑基因组中五种疾病患病率（左）和五种数量性状均值（右）的预测变化。横轴为编辑位点数，纵轴为相对未编辑基因组的表型变化。可见随着编辑位点增加，疾病患病率急剧下降，数量性状改变可达多个标准差，尤其LDL和TG下降幅度最大。

核心亮点

亮点 1｜编辑10个位点可大幅降低患病率

对于AD，编辑10个最强位点（含APOE ε4）可使编辑基因组中的终生患病率从5%降至0.6%以下；SCZ从1%降至0.1%，T2D从10%降至0.2%，CAD从6%降至0.1%。MDD效果较弱，从15%降至9%。编辑40个位点可使AD、SCZ、T2D、CAD风险降至0.2%以下。这些效果远超当前胚胎选择技术。

图 2　Fig. 2。图2显示在不同遗传相关（rg）下，编辑10个位点对AD、SCZ、T2D、CAD、MDD患病率降低效果的衰减。横轴为rg从0到1，纵轴为编辑后患病率。随着rg降低，患病率逐渐回升至未编辑水平，表明基因-环境互作会削弱编辑收益。

亮点 2｜数量性状改变可达多个标准差

对于LDL胆固醇，编辑5个位点即可降低约5个表型标准差（约2 mmol/L）；TG也有类似大幅降低。其他性状如DBP编辑10个位点可降低约1个标准差（约10 mmHg）。这主要得益于低频保护性变异的存在，编辑后所有个体均为保护性纯合子。

图 3　Fig. 3。图3展示群体中编辑基因组比例从0到1变化时，疾病风险分布的基尼系数变化。曲线呈倒U型，在编辑比例约0.5时基尼系数最高，表明不平等最大；当编辑比例超过0.5后基尼系数下降。不同疾病和编辑强度（10倍、100倍、1000倍风险降低）均呈现类似趋势。

亮点 3｜基因-环境互作显著削弱编辑效果

当遗传相关（rg）小于1时，编辑带来的患病率降低幅度按比例缩减。例如，若rg=0.5，则效果减半；rg=0时完全消失。这提示未来环境变化（如新疗法出现）可能使HPE的收益打折扣。

亮点 4｜HPE可能加剧健康不平等

模拟显示，当编辑基因组比例较低（<50%）时，群体中疾病风险的基尼系数上升，不平等加剧；只有当超过50%的人口接受编辑后，不平等才会下降。这提示若HPE仅被高收入群体使用，将扩大健康差距。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： GWAS汇总统计、易感性阈值模型、基因-环境互作建模、基尼系数
• 公开数据： 原文未给出公开组学登录号
• 代码： 公开仓库 https://github.com/loic-yengo/Code_for_GeneEditing_Paper_Visscher_et_al_2024；本地已克隆：Code_for_GeneEditing_Paper_Visscher_et_al_2024
• 谁该点开原文： 关注多基因编辑、生殖遗传学及健康公平性的研究者与政策制定者。

带走一句

做多基因风险预测或编辑策略设计时，需考虑低频保护性变异的巨大潜力，并纳入基因-环境互作和群体不平等评估。