加州大学洛杉矶分校医疗中心（UCLA Health）发表的一项新研究，通过利用一个临床特征明确、多样性高且能代表人群的生物样本库，精准定位了人群基因、疾病风险与药物反应之间的新联系，为个性化医疗的未来带来了重大进展。该研究已发表在《Cell》期刊上。

研究人员分析了UCLA ATLAS社区健康倡议生物样本库中93,936名参与者的遗传数据和电子健康记录，结果表明，在一个医疗系统内研究广泛的祖先背景，能够揭示那些在多样性较低的数据库中可能无法浮现的洞见。其中一个引人注目的新发现是：遗传学可以预测患者对用于减肥目的的GLP-1类药物的反应好坏。

分析显示，不同祖先群体对GLP-1类药物的治疗反应存在差异，并且与个人罹患2型糖尿病的遗传风险相关。通过整合已发表的、来自接受这些药物治疗患者的蛋白质组学数据，研究团队成功鉴定出semaglutide（司美格鲁肽）反应与基因PTPRU之间存在遗传关联。这一发现首次提供了遗传关联的证据，并支持对其活性进行进一步研究。研究团队还利用这些数据重复验证了许多先前的研究成果，凸显了UCLA Health的高质量数据。

“这可不是实验室里的小打小闹。ATLAS代表了真实患者群体的一个广阔横截面，使其发现能够直接转化为医学在历史上曾忽视的人群身上应用，”该研究的资深作者、UCLA精准健康高级副院长兼协理副校长Daniel Geschwind博士说。他负责制定并监督ATLAS项目。

ATLAS生物样本库反映了居住在洛杉矶的广泛祖先背景，使研究人员能够比较不同人群之间遗传对健康的影响，同时最大限度地减少因临床护理差异带来的混杂因素——这些差异常常使医疗系统之间的比较变得复杂。这种结构使研究人员能够在真实世界的临床环境中研究遗传变异如何影响疾病和治疗结果。

“尽管许多其他将电子健康记录与遗传数据整合的工作已经推动了遗传学和生物医学的发现，但它们往往高度集中在同质化的欧洲血统人群，限制了普适性，”UCLA Health助理项目科学家、论文第一作者Roni Haas博士说。“UCLA Health服务于洛杉矶县——这是世界上祖先多样性最丰富的大都会区之一，拥有960万人口。该生物样本库反映了洛杉矶的多样性：参与者跨越五大洲祖先和36个精细尺度的祖先群体，包括亚美尼亚人、德系犹太人、伊朗犹太人、菲律宾人和墨西哥裔美国人群体。这代表了欧洲人群内部和外部的非凡多样性。”

该研究还探索了多个层次的遗传变异，揭示了先前未见报道的发现，包括不同祖先群体之间的疾病风险和医疗保健使用差异、新的遗传关联，以及人们对药物反应的变化。研究团队在ATLAS中首次分析了罕见的遗传变异，发现了特定祖先群体内部基因与疾病之间的新联系，例如在非洲个体中发现了基因ANKZF1与外周血管疾病之间的关联。在德系犹太人中，发现了EPG5与高密度脂蛋白胆固醇和甘油三酯水平之间的关系。对于在ATLAS中富集的祖先群体，还识别出了新的疾病风险。例如，墨西哥人和南美洲人对激素治疗不良副作用的易感性增加。

该研究还评估了“多基因风险评分”——该评分基于全基因组众多遗传变异来估算一个人患某种特定疾病的可能性。在ATLAS中测试多基因风险评分的表现提供了一个非常乐观的前景，表明对于某些特征，其临床实用性可能并不遥远，因为对于1型糖尿病等疾病，被诊断的参与者中具有高多基因评分的比例很高。据估计，ATLAS中有数千名参与者的评分显示他们处于许多常见疾病的高风险中，但要将此转化为跨医疗系统的临床实践，还需要更多工作。

此外，研究人员以糖尿病和减肥药物semaglutide（一种GLP-1受体激动剂，以Ozempic和Wegovy等商品名销售）作为案例研究，来检验遗传变异如何影响药物有效性。结果发现，遗传学可以预测患者对GLP-1类药物的减肥反应好坏。

“这些发现展示了UCLA Health独特的患者群体如何显著增进我们对跨疾病谱系和祖先谱系的医学障碍遗传基础的理解，”Geschwind说。“尽管这只是我们研究工作在科研端取得的首批具体成果之一，但我们正在进行试点研究，希望并期待这些研究很快能展示这项工作有潜力带来的直接临床影响。”

包含多样化人群的研究可以帮助研究人员发现那些在更有限的数据集中可能不出现的遗传关联，并可能提高遗传工具在不同人群中的实用性。虽然大多数先前的研究使用“宽尺度”遗传祖先来将祖先与健康风险联系起来，但UCLA ATLAS研究使用了宽尺度和精细尺度祖先，从而识别出众多先前未报道的遗传关联。

ATLAS社区健康倡议由UCLA精准健康研究所于2016年发起，旨在让UCLA Health的多样化患者样本参与精准健康研究，为前沿的转化研究提供临床和基因组数据资源。来自这一多样化患者生物样本集合的遗传信息，与来自患者医疗记录的去身份识别临床信息相结合，并向UCLA批准的研究人员开放。如今，已有超过259,000人同意参与，并已收集了超过157,000份样本。公开可用的门户网站展示了数千种可遗传的、跨不同祖先群体的疾病遗传关联，以及超过1,200种疾病的疾病风险估计。

这些发现表明，在一个大型且多样化的医疗系统生物样本库中将遗传数据与电子健康记录相结合，可以为疾病风险和治疗反应提供洞见，为针对每个人独特DNA的疾病风险评估和治疗奠定基础。（生物谷Bioon.com）

参考文献：

Roni Haas et al, Advancing Precision Health Discovery in a Genetically Diverse Health System, Cell (2026). DOI: 10.1016/j.cell.2026.03.007.