基因组生物样本库研究推进个性化疾病预测与精神疾病风险发现
新的基因组研究显示，一种实用的按基因型召回策略可用于精神病学，精神疾病与身体疾病之间存在共享的遗传易感性，并且利用疾病史轨迹可改善疾病预测。
近期利用大型生物样本库基因组数据的研究正在推进疾病的个性化预测，并加深对精神疾病与身体疾病之间共享遗传易感性的理解。其中一项研究展示了精准精神病学中实用的按基因型召回策略，另一项研究发现精神疾病与身体疾病系统之间存在广泛的遗传相关性，第三项研究则表明整合疾病史轨迹信息可提高预测性能。
在一项发表于《npj Genomic Medicine》的研究中，西奈山伊坎医学院的研究人员利用BioMe（美国规模最大、最多元化的医疗系统生物样本库之一）识别携带罕见拷贝数变异（CNV）的个体，这些变异会显著增加神经发育障碍（包括自闭症谱系障碍、智力障碍和精神分裂症）的风险。他们重新联系了892名参与者——335名CNV携带者、217名未携带这些变异的精神分裂症患者以及340名神经典型对照者——以评估按基因型召回策略是否可行。18%的参与者对招募作出回应，8%完成了全面的精神病学和认知评估。最终队列具有多样性，参与者自我认定为37%的非洲裔、34%的西班牙裔和26%的欧洲裔。详细评估发现了常规电子健康记录未捕获的发育、临床和认知特征。该研究为在不同医疗系统生物样本库中实施按基因型召回研究建立了操作基准。资深作者表示：“通过重新联系携带罕见CNV的参与者进行详细评估，我们展示了在大型、多样化的医疗系统生物样本库中实施按基因型召回研究设计的机遇与挑战。”
另一项研究将Genomic SEM应用于73种身体结局（约190万例）并引入Genomic E-SEM，覆盖八个医学领域，将潜在的身体疾病因子与精神疾病因子进行联合建模。思维/精神病性因子和强迫因子与身体疾病因子几乎没有关联，而内化、神经发育和物质使用因子则与所有身体疾病系统显示出显著的基因组广泛遗传相关性。一项针对由21种身体疾病定义的跨诊断身体疾病因子的多变量GWAS识别出27个基因组风险位点，并在随后的PheWAS中显示出显著的预测效度。研究结果揭示了特定精神疾病与身体疾病之间广泛的风险共享，并提示需要额外的疾病分类框架。
第三项研究提出了一种个性化疾病预测框架，整合了结构化基因组变异注释、纵向疾病史的深度语义嵌入以及源自历史疾病路径的过程符合度指标。疾病史嵌入使用三种基于BERT的模型（BioBERT、BioClinicalBERT和BiomedBERT）生成，并通过对齐的过程符合度检查来衡量个体疾病轨迹与人群典型进展模式的接近程度。在七种特征配置中，纳入基于符合度的适应度特征提高了所有疾病类别和分类器的预测性能，产生了更高的AUROC值和更低的Brier评分，而仅使用嵌入或仅使用基因组变异注释的配置则排名最低。研究结果表明，过程层面的疾病路径符合度捕捉了单独基因组或深度语义特征未能完全代表的时间和行为信息，未来的研究将针对更精确定义的疾病展开。