Nature Medicine：暴露组迄今为止规模最大的研究

对数百种环境暴露和健康结果的分析量化了非遗传因素的影响

　　

概览：

• 研究人员开展了迄今为止规模最大的研究之一，旨在调查环境暴露与健康结果之间的联系。

• 研究表明，将暴露情况总体上进行考察，比逐个考察暴露情况更能反映人与人之间的差异。

• 虽然个体接触对健康结果的差异有中等程度的影响，但某些接触组合的影响与遗传因素的影响一样大。

• 这项研究表明，研究暴露组可以带来改善人类健康的见解。

几十年来，科学家们一直在仔细研究基因在疾病中的作用，通过研究一个人基因密码中的微小变化如何影响其终生患上癌症、糖尿病或心脏病等常见疾病的风险。

但基因只能说明部分问题。

另一部分则来自人一生中经历的所有外部和内部暴露，包括污染、感染、饮食和生活方式等等。这些暴露以及人体对这些暴露的生物反应累积起来，构成了科学家所说的“暴露组”。

 由哈佛医学院科学家领导的一个团队开展了迄今为止规模最大的研究，旨在量化环境暴露与健康结果之间的关系，他们检验了超过10万个关联性。这项研究表明，研究潜在的环境疾病风险时，应该着眼于整体，而不是逐一分析。

研究人员分析了美国人口的现有调查数据，发现个体接触对健康结果的影响仅为中等程度——但同时考虑多种接触时，这种影响就会增加。

“虽然一次接触可能不会对你的健康产生巨大影响，但多次接触的累积效应在决定你患某些疾病的风险方面，其作用可能与你的 DNA 一样强大，”哈佛医学院布拉瓦特尼克研究所生物医学信息学副教授、该研究的第一作者Chirag Patel说。

3 月 18 日发表在《自然医学》上的研究结果表明，利用现有数据进行暴露组学研究具有重要价值，并强调需要开展更多大规模研究，以确定哪些暴露组合对人类健康和疾病的影响最大。

人们希望，对人类暴露组的更深入了解能够为研究人员、临床医生和患者提供可用于改善个人健康的见解。

借用蓝图

Patel 和资深作者、哈佛医学院生物医学信息学助理教授Arjun (Raj) Manrai表示，他们之所以进入暴露组学研究领域，是因为他们对精准医学感兴趣——精准医学是一个致力于开发针对个体患者的疾病治疗方法的领域。

帕特尔说：“迄今为止，该领域的研究一直不平衡。在利用遗传学进行个体化治疗方面做了很多工作，而在环境暴露方面却做得不够。”

Manrai 指出，虽然许多研究都考察了单一暴露和健康结果，但这种一次只研究一种情况的方法往往会导致相互矛盾的结论——例如，在烹饪书中找到的任何随机成分对人类健康是有害的、有益的还是无关紧要的。

Patel 和 Manrai 认为有必要进行一项综合研究，系统地、同时地考察多种环境暴露与健康结果之间的关系。

“我们真的想建立一个强大的、大规模的暴露组关联汇编，”Manrai 说。

为此，曼莱和帕特尔与斯坦福大学的医生科学家约翰·伊奥尼迪斯合作，伊奥尼迪斯专门从事元研究和大规模分析。

该团队借鉴了遗传学研究的蓝图，遗传学研究以全面的研究而闻名，例如全基因组关联研究 (GWAS)，这种研究会扫描整个遗传密码以寻找疾病联系。

事实上，Patel 和 Manrai 是美国暴露组学网络 和人类暴露组计划的成员，后者是按照人类基因组计划的思路构思的。 

探索暴露组

在这项新研究中，研究人员分析了美国疾病控制与预防中心每年进行的全国健康和营养调查 (NHANES) 的 20 年现有数据。

他们测试了619种环境暴露因素与305种临床相关健康结果之间的超过115,000种关联。环境暴露因素包括污染物和营养物质等，而健康结果则包括体重指数、血糖水平和肺功能等。

该团队发现了超过 5600 个具有统计学意义的关联。

单一暴露因素对数百种健康结果的解释力不足1%。同时考虑多达20种暴露因素后，这种解释力平均提升至3.5%（涵盖120种健康结果），与某些个体基因变异的贡献相当。

研究结果揭示了一些暴露因素与健康结果之间尤为显著的关联。例如，20种特定暴露因素的组合——包括反式脂肪、常见的污染物多氯联苯以及维生素E水平——可以解释人体甘油三酯水平43%的变异，而甘油三酯水平是心脏病的一个风险因素。

研究人员强调，尽管解释力范围很广，但大多数暴露组合只能解释人与人之间差异的一小部分。

帕特尔说：“总的来说，没有确凿的证据；每一次接触似乎都有些影响，而当你把所有接触加在一起考虑时，影响就更大了。”

一个出发点

研究人员表示，该研究提供了“暴露情况的快照”，可以作为未来暴露组研究的起点。

Patel 和 Manrai 希望将研究范围扩大到更多环境暴露和健康结果，并探索早期暴露与晚年疾病之间的联系。

他们还对以下问题感兴趣：是否以及如何将有关暴露的信息纳入临床医生用来评估患者患心脏病等疾病风险的工具，以及患者用来管理自身健康的工具中。

为了让其他研究小组能够进一步研究该研究揭示的联系，该团队已将其数据和软件免费在线提供给其他研究小组，即“健康与疾病风险表型暴露图谱”。  

“像这样的大规模分析是一种不带偏见、系统性地提出假设的方法，但我们还需要对暴露因素及其与疾病的关联进行详细的机制评估，以确定因果关系，”曼莱说。“我们正在从宏观角度出发，弄清楚应该从哪里重新聚焦。”

作者表示，在许多人佩戴持续监测各种健康指标的设备这一时代，应用暴露组学见解来保障健康的潜力尤为重要。

“这或许看起来像是天方夜谭，像是《星际迷航》里的设想，但我预见到，未来人类暴露组学信息将通过人工智能整合到这些系统中，这样人们就可以实时了解暴露如何影响他们的日常甚至每小时的健康。”