Open Targets Genetics：遗传学证据如何支持靶点选择

Open Targets Genetics 专门解决一个具体而困难的问题：GWAS 找到的关联变异，到底作用于哪个基因？ 这是把遗传学证据转化为药物靶点的最大瓶颈——GWAS 给出的是基因组位点，而药物需要作用于具体的蛋白。

为什么变异到基因的映射这么难

• 绝大多数 GWAS 位点在非编码区：约 90% 的关联变异不改变蛋白序列，而是影响调控。
• 连锁不平衡（LD）：一个显著的变异往往与周围几十个变异高度相关，真正的因果变异可能是其中任何一个。
• 最近的基因不一定是对的：调控元件可能跨越数十万碱基作用于远处的基因。「取最近基因」这个朴素做法的错误率相当高——著名的 FTO 位点实际作用于远处的 IRX3/IRX5，而非 FTO 本身。

L2G（Locus-to-Gene）打分

Open Targets Genetics 用机器学习整合多类证据，给「位点-基因」配对打分：

证据	说明
距离	变异到基因转录起始位点的距离
分子 QTL 共定位	该变异是否也是该基因的 eQTL / pQTL / sQTL，且信号共定位
染色质互作	Hi-C、PCHi-C 显示的物理接触
功能预测	变异对蛋白功能的预测影响（VEP）

共定位（colocalization）是其中最有分量的证据：如果一个变异既与疾病关联，又与某基因的表达量关联，且两个信号来自同一因果变异，那么「该变异通过改变这个基因的表达影响疾病」的解释就相当有力。

import requests

query = """
query StudyLocus($studyId: String!, $variantId: String!) {
  studyLocus2GeneTable(studyId: $studyId, variantId: $variantId) {
    rows {
      gene { symbol id }
      yProbaModel
      distanceToLocus
      hasColoc
    }
  }
}
"""
r = requests.post("https://api.genetics.opentargets.org/graphql",
                  json={"query": query,
                        "variables": {"studyId": "GCST004131",
                                      "variantId": "1_154453788_C_T"}})
for row in r.json()["data"]["studyLocus2GeneTable"]["rows"]:
    print(f"{row['gene']['symbol']:10s} L2G={row['yProbaModel']:.3f} "
          f"dist={row['distanceToLocus']} coloc={row['hasColoc']}")

遗传学证据为什么对靶点选择这么有价值

• 方向性明确：遗传学能告诉你「功能丧失变异导致疾病风险降低」，这直接提示抑制该靶点可能有治疗效果——这是其他证据类型给不了的因果方向信息。
• 天然的人体验证：携带某变异的人群终生处于「轻度抑制该靶点」的状态，其表型就是这个靶点被干预后的天然实验。PCSK9 是最著名的成功案例：功能丧失变异携带者 LDL 胆固醇低且心血管风险低且无明显不良反应，直接支撑了 PCSK9 抑制剂的开发。
• 安全性提示：同样地，如果功能丧失变异携带者有严重表型，说明抑制该靶点可能有机制性毒性。

孟德尔随机化

用遗传变异作为「天然随机分组」，估计暴露与结局的因果效应。它是把遗传关联转成因果推断的主要工具：

# 思路（概念示意）
# 工具变量：与靶点表达/功能强关联的变异
# 暴露：靶点活性水平
# 结局：疾病风险
# 三个核心假设必须逐一论证：
#   1. 相关性：工具变量确实影响暴露
#   2. 独立性：工具变量不通过其他路径影响结局
#   3. 排他性：无水平多效性（这条最难验证）

水平多效性是最大的威胁：一个变异可能同时影响多个基因/通路，导致因果估计有偏。实际分析中需要用 MR-Egger、加权中位数等方法做敏感性分析。

使用注意

• 人群偏差：GWAS 数据以欧洲血统人群为主，在其他人群中的可迁移性有限。这是该领域公认的重要局限。
• 效应量通常很小：常见变异的效应往往很弱，与药物干预的强度不可同日而语。遗传学提示方向，不提示可达到的疗效幅度。
• L2G 是概率不是定论：高分只是更可能，仍需功能实验验证。
• 组织特异性：eQTL 有组织特异性，要看是否在疾病相关组织中共定位。

延伸资源

• 主平台：249《Open Targets Platform》；原始 GWAS 数据：252《GWAS Catalog》；
• 临床变异：253《ClinVar》；遗传病知识库：254《OMIM》。