遗传学研究面临的一个重要挑战是如何确保全球不同人群都能从研究成果中受益。过去，绝大多数的遗传学研究都集中在欧洲裔人群上，这种局限性意味着许多其他族裔的遗传多样性常常被忽视，导致许多对医学和健康至关重要的基因发现可能被遗漏。

近日，来自美国麻省理工学院-哈佛大学博得研究所的黄海亮教授团队提出了一种能够综合多种族遗传数据的新方法——SuSiEx。

日前，相关论文以《多族裔人群的精细定位，推动发现人类复杂性状和疾病潜在的因果变异》（Fine-mapping across diverse ancestries drives the discovery of putative causal variants underlying human complex traits and diseases）为题发在 Nature Genetics（IF：31.7）[1]。

博得研究所博士后研究员苑锴是第一作者，博得研究所黄海亮教授和葛天教授担任共同通讯作者。

图丨相关论文（来源：Nature Genetics）

该研究打破了单一族裔遗传分析的局限，提供了更精确的跨种族遗传分析工具，不仅有助于促进多族裔人群的遗传发现，也为个性化医疗、药物研发等领域提供了重要的理论基础。

(来源：黄海亮课题组)

过去，遗传学研究主要集中在欧洲裔，因为他们的数据量大、且单一族群的数据更容易进行分析和解读。这种数据优势使得欧洲裔成为遗传学研究的主要对象。

以欧洲族裔为主的研究虽然客观上推动了遗传学的进展，但也带来了隐患：它忽视了其他族裔的遗传多样性，导致许多和疾病相关的重要基因变异未被发现。

这不仅减缓了医学研究的发展，还在一定程度上加剧了健康资源和医疗服务分配上的不公平现象。由于不同族裔的疾病与健康研究没有足够的数据支持，个性化医疗和精准治疗的推进也因此受到限制。

SuSiEx 的创新之处在于它成功整合了来自不同族裔的遗传数据，大幅度提高了分析的准确性和有效性。通过跨种族的数据整合，研究人员能够更全面地捕捉到不同群体中的关键基因变异，从而推动更广泛的遗传发现。

这一方法不仅改善了传统分析的局限性，还为多族裔人群的健康研究奠定了更坚实的基础。

黄海亮指出，该方法不仅能在现有数据上挖掘出更多重要发现，还能避免因样本量不足而导致发现遗漏的问题。

尤其在亚非拉美地区，这一方法显著提高了数据的利用效率，帮助科学家更全面地理解这些地区的遗传特征，推动全球范围内的健康研究和基因发现。

（来源：Nature Genetics）

SuSiEx 的潜在应用场景十分广泛，能够充分利用全世界不同种族的遗传数据，挖掘出更多，更精准的重要遗传信息。

过去，由于非欧族裔样本量小，常常难以用于遗传学研究，或者研究结果的发现十分有限。

新方法通过更全面地整合和分析这些群体的数据，能更全面地发现不同种族的和遗传疾病相关的基因，弥补了因数据不足而丢失的重要遗传发现。

这不仅有助于避免错失潜在的新药靶点和治疗机制，还能推动全球范围内的健康研究，为开发更有效的个性化治疗提供更多机会。

其次，通过整合各个族裔的数据，这种方法可以更加准确的定位到致病突变，大幅度减小了后续的功能研究的范围，也减少了研究人员的工作量，从而加速了遗传研究向机制研究的转化过程。

这种高效的定位方式有助于更快速地理解疾病的发病机制，为开发新疗法和药物靶点提供了更明确的方向。

据介绍，该研究并非一蹴而就，而是基于研究团队近十年的积累。

黄海亮从博士后时期就开始关注非欧洲人群的遗传研究，并在 2019 年与多个东亚国家的机构合作，发表了首篇跨东亚人群的精神分裂症遗传机制研究。

正是这项研究，使得他注意到非欧洲人群遗传数据和多种族遗传分析方法上的巨大缺失，以及这些缺失对医学研究的影响。

正是这种认知，推动了他以提升全球遗传研究的公平性和普惠性为目的，致力于数据和方法的创新。

黄海亮课题组一方面积极通过建立、参与和领导国际合作，推动非欧洲族裔遗传资源的收集和产生，扩大了全球数据覆盖面。

另一方面系统地设计并开发了用于多个族裔复杂疾病研究的遗传分析方法，经过多年的研究，他们成功开发出一系列能够同时处理多族裔遗传数据的新方法，包括本篇文章中提到的 SuSiEx 方法，以及他们在 2022 年发表的另一篇跨种族多基因风险预测方法。

这一突破性进展，与他们自身的创新能力密不可分，同时也得益于跨学科的合作，特别是在数学模型的推导和方法实现方面，黄海亮教授团队和葛天教授团队展开了密切合作，彼此优势互补，共同解决了许多技术难题。

然而，在研究过程中，黄海亮团队也遇到了不少挑战。尤其是在数据质量方面，由于全球数据共享的复杂性，研究人员越来越难以获取高质量的原始遗传数据，这对高精度的跨种族分析提出了巨大的挑战。

数据不一致、共享限制以及不同地区的标准差异，都让研究人员不得不寻找更灵活的策略来确保分析的准确性和完整性。

他们通过大量的模拟实验，探索了可以接受的替代方案，确保其方法能够处理不同质量的数据。这些模拟实验也帮助他们创建了简明的筛选标准，以识别出质量无法达到标准，而不得不舍弃的数据。

这种谨慎的筛选过程确保了分析结果的准确性和可靠性，同时也为未来处理复杂数据环境奠定了基础。

（来源：Nature Genetics）

展望未来，黄海亮课题组计划进一步扩展该方法的应用范围，尤其是在混合人群中的应用。

混合人群是指父母或祖父母来自不同种族的人群。这类人群的基因结构更加复杂。目前在遗传分析领域，针对混合人群的可靠分析方法仍然缺乏。

未来黄海亮课题组的一个重要研究方向是致力于开发出适用于混合人群的遗传分析工具。

此外，研究团队还将继续深入探索精神疾病，特别是在亚洲地区的研究。他们希望通过遗传学研究找到精神疾病发病机制，进而寻找可能的治疗靶点。

这类疾病在亚洲人群中的研究相对较少，因此团队的研究将填补这一空白，帮助科学家更好地理解这些复杂疾病的基因基础，并为未来开发更有效的治疗方案奠定基础。

同时，黄海亮团队还计划深入研究炎症性肠病等复杂疾病，探讨其致病机制，力求为临床治疗提供新的策略。

该研究标志着遗传学研究向多族裔融合迈出了重要一步。通过打破单一族裔的局限，为全球遗传数据的整合和分析提供了新思路，也为未来的精准医学和个性化治疗奠定基础。

相信随着研究的深入和多族裔数据的不断丰富和技术的进步，这一方法将为更多的跨种族遗传研究带来新突破，为全球健康事业做出更多的贡献。

参考资料：

1.Yuan, K., Longchamps, R.J., Pardiñas, A.F. et al. Fine-mapping across diverse ancestries drives the discovery of putative causal variants underlying human complex traits and diseases. Nature Genetics (2024). https://doi.org/10.1038/s41588-024-01870-z

运营/排版：何晨龙