用于药物基因组学的计算变体预测工具：从评估单一等位基因到评估抗抑郁药的不良反应

为什么你的基因对抗抑郁药的安全性很重要

当两个人服用相同的抗抑郁药时，一人可能在副作用很少的情况下症状得到改善，而另一人则可能出现严重问题，包括药物毒性。本研究探讨计算程序是否能读取我们 DNA 中的细微差异，以预测谁更可能安全代谢抗抑郁药、谁可能面临更高的有害反应风险，从而使日常处方更安全、更精准。

从死板的标签到灵活的遗传评分

如今，许多诊所依赖一种称为“星等（star alleles）”的系统，它将已知的药物代谢基因中的 DNA 变体分组为几个宽泛的功能类别，如正常或活性降低。这一方法有助于指导治疗，但在个体携带罕见或从未见过的变体，或不在官方列表上的复杂组合时便显得不足。作者认为这是一个主要盲点：大多数药物基因变体是罕见的，目前的标签无法解释一大部分人在处理药物方面的差异。

在已知和新变体上测试更聪明的工具

研究团队评估了十种对 DNA 变化可能造成的损害进行评分的计算工具，其中包括他们开发的两种新框架（PharmGScore 和 PharmMLScore）。首先，他们考察这些工具是否能重现对八个关键药物代谢基因中 541 个经过人工整理的星等等位基因已分配的功能类别。通过对每个单倍型中所有变体的评分求和，若干工具的表现与星等系统相当甚至更好，其中 PharmGScore 表现最佳。接着，他们用高通量实验数据挑战这些工具，数据来自两个重要酶 CYP2C9 和 CYP2C19，这些酶代谢许多药物。这些实验测量了数千个单个变体对酶活性和蛋白水平的影响，其中大多数在患者中从未出现过。这里同样表现更好的工具，尤其是面向药物基因的集成方法和 CADD，能够准确识别严重损害酶功能的变体。

从 DNA 序列到真实世界的病历

为了检验这些计算评分在日常医学中的适用性，研究者转向 UK Biobank 超过 20 万名参与者的外显子测序数据及其处方历史和住院记录。他们将工具的预测与五个主要药物代谢基因的星等等位基因判定进行比较，发现评分表现最好的方法在很大程度上能重现相同的功能分组，尽管外显子数据遗漏了一些非编码和结构性变化。重要的是，加法方法——将基因内所有变体的影响相加——足够好地将无功能基因型与正常活性者区分开来。

识别有严重抗抑郁药反应风险的人群

作者随后聚焦于抗抑郁药的使用与安全性，特别关注帮助分解若干常用抑郁药的 CYP2C19 酶。在超过 7.5 万名抗抑郁药使用者中，他们考察了两类结局：频繁更换药物，作为疗效不佳的粗略标志；以及病历或死亡记录中表明抗抑郁药中毒的情况。尽管星等等位基因和大多数评分对药物更换未表现出强烈或明确的信号，但在严重不良反应方面却显现出有意义的模式。携带损害性 CYP2C19 变体的人在病历中出现严重抗抑郁药中毒代码的几率约高 20–35%，无论是按星等等位基因分类还是按表现最佳的计算工具（如 PharmGScore、PharmMLScore 和 CADD）分类均是如此。即使分析限于无记录自伤的病例，这一关系也保持相似。

这对未来处方可能意味着什么

总体而言，该研究表明，经过周密设计的计算预测工具可达到传统星等系统的相同准确度，同时克服其最大弱点：无法处理新的、罕见的或复杂的遗传变体。通过将原始 DNA 序列转化为在全基因组范围内适用的连续风险评分，这些工具最终可能使临床医生超越已知基因型的短名单，更好地预见谁更有可能发生严重的抗抑郁药副作用。在将这些工具用于常规临床前，仍需更多验证并将其与其他临床因素整合，但这项工作为基于全面遗传信息的更安全、更个性化的处方奠定了坚实基础。

引用: Hajto, J., Piechota, M., Krätschmer, I. et al. Computational variant predictors for pharmacogenomics: from evaluation of single alleles to assessment of adverse drug reactions to antidepressants. Pharmacogenomics J 26, 8 (2026). https://doi.org/10.1038/s41397-026-00399-0

关键词: 药物基因组学, 抗抑郁药, 基因变体, 药物不良反应, 计算预测