基于药物临床试验结局的全基因组关联研究（GWAS）因果基因优先级排序方法基准比较

《npj Drug Discovery》：Benchmarking genome-wide association study causal gene prioritization for drug discovery

药物研发成本高昂，失败临床试验耗费数十亿美元。具有全基因组关联研究（GWAS）遗传证据支持的药物成功几率显著更高，但如何最佳利用GWAS优先级排序药物靶点仍不明确。研究人员通过将Open Targets联盟的GWAS因果基因优先级排序方法的预测与445种疾病的药物临床试验结局进行交叉比对，评估了这些方法的性能。结果发现，在优先级排序哪些基因将成为获批药物靶点方面，表达数量性状位点（eQTL）共定位与Open Targets的locus-to-gene（L₂G）评分均未优于简单的最近基因法。研究结果可为遗传证据在药物发现中的应用提供参考。

**研究背景与问题**

药物研发是一项代价高昂且易出错的经济活动：高达90%的候选药物在临床试验阶段失败，2018年每投入10亿美元获批的新药不足1种，失败候选药物占开发总成本的60%。尽管药物开发的成本效率可能自1950年以来首次开始改善，部分归因于人类遗传学的进步，但GWAS在因果基因识别上仍面临挑战：GWAS Catalog已收录超过7000篇文献，提供数十万个复杂性状与遗传变异的关联，然而约90%的关联变异位于非编码区，导致因果基因识别缺乏信心。这或许解释了GWAS对药物靶点识别的准确性为何低于孟德尔疾病证据。虽然已有研究提出基于表达数量性状位点（eQTL，即与基因表达水平相关的遗传变异）、功能基因组学或机器学习的多种因果基因优先级排序方法，但缺乏关于哪些方法真正有助于药物发现（尤其是临床试验成败）的系统证据。

**研究内容、结论与意义**

为填补这一空白，研究人员开发了以药物临床试验结局为实际终点的基准测试框架，将Open Targets联盟因果基因优先级排序方法的预测与历史获批药物靶点交叉比对，评估各方法在优先级排序获批药物靶点方面的表现。核心发现为：简单的最近基因法与L₂G评分对药物获批具有相近的预测能力，而eQTL共定位未显示显著预测价值。这一结果为遗传证据在药物发现中的合理应用提供了实践参考，并提示持续增强因果基因优先级排序方法有望提高解读GWAS发现的准确性、降低药物研发成本，而人类遗传学仍蕴藏着药物开发的巨大未实现机遇。

**关键技术方法**

研究人员整合两个互补数据集：来自Citeline Pharmaprojects数据库（经Minikel等整理）的临床试验结局数据与Open Targets Platform的遗传证据数据，经质控与映射后获445个GWAS、992个靶点-适应症对。主要技术方法：最近基因法（选取距主变异最近基因体）；L₂G评分（整合距离、共定位与变异效应预测的机器学习模型）；eQTL共定位（整合COLOC与eCAVIAR后验概率）；EFO到MeSH的集成映射；以及含pLI、流行度、复杂度与效力协变量的逻辑回归。

**研究结果**

（1）因果基因优先级排序策略的富集分析：最近基因法（OR = 3.76，95% CI 2.59~5.47）与L₂G评分（OR = 3.40，95% CI 2.35~4.93）对药物获批的预测能力相近，而eQTL共定位无显著预测能力（OR = 0.90，95% CI 0.53~1.53）。鉴于69.37%的eQTL共定位优先基因为最近基因，去除最近基因预测后，eQTL共定位与更低获批概率相关（OR = 0.11，95% CI 0.01~0.76）。

（2）专科水平二次分析：按18个治疗专科将适应症归组为靶点-专科对，以避免同一靶点因适应症间转化而被误判，所有方法OR值升高但相对表现维持：最近基因法（OR = 3.29，95% CI 2.22~4.88）、L₂G评分（OR = 3.22，95% CI 2.17~4.77）、eQTL共定位（OR = 1.38，95% CI 0.83~2.29）；去除最近基因预测后eQTL共定位仍与更低获批概率相关（OR = 0.14，95% CI 0.02~1.04）。

（3）最近基因法的额外价值检验：L₂G优先排序的最近基因获批概率与整体相近（OR = 3.60，95% CI 2.48~5.23），而eQTL共定位支持的最近基因获批概率低于整体（OR = 1.62，95% CI 0.92~2.86）。

（4）编码/非编码位点分层分析：非编码位点中L₂G评分（OR = 2.95，95% CI 1.90~4.58）未优于最近基因法（OR = 2.98，95% CI 1.92~4.62）；编码位点中最近基因法预测力显著更强（OR = 6.32，95% CI 2.91~13.73），量化了编码变异证据对因果基因识别的强度。

（5）eQTL组织相关性分析：将eQTL限制在疾病相关组织（12个高级组织/器官定位）后预测力仍未提高（OR = 0.49，95% CI 0.17~1.38），表明eQTL共定位有限预测价值并非未考虑组织特异性所致。

**讨论与结论**

讨论部分强调，本框架的关键特征在于区分临床失败靶点与从未被追求的靶点，以避免制药公司偏向选择靶点造成的偏差；个别药物可能因与靶点选择无关的原因失败，但跨众多项目的系统性成败模式应能反映靶点的真实有效性。eQTL共定位无法超越最近基因基线的可能解释包括：GWAS与eQTL研究系统偏向发现不同类型基因，GWAS信号富集于功能复杂、进化受约束基因附近的远端增强子区域，而可检测eQTL在这些基因中缺失并聚集于较简单、受约束较少基因的转录起始位点附近，这或是自然选择清除功能关键基因大效应eQTL的结果；代谢组学GWAS分析亦显示约75%的顺式eQTL证据为假阳性，提示存在"调控缺失"问题。值得注意的是，L₂G虽在三种方法中富集度最高，但对最近基因法的改善微小，未来研究需验证更新的机器学习方法（如FLAMES）或基于大语言模型的方法能否更好地预测成功药物靶点。

研究结论翻译：在优先级排序获批药物靶点方面，表达数量性状位点（eQTL）共定位与基于机器学习的locus-to-gene（L₂G）评分均未优于简单的最近基因法。