编辑推荐：
本研究通过整合芬兰生物银行FinnGen的遗传数据，创新性地改进了四种心血管代谢疾病随机对照试验(RCT)的模拟设计。研究人员系统评估了多基因评分(PGS)在调整混杂因素中的作用，并利用孟德尔随机化(MR)识别潜在混杂变量，同时验证了PGS在预后富集策略中的应用价值。该研究为利用真实世界证据优化临床试验设计提供了重要方法学突破。
在医学研究领域，随机对照试验(RCT)长期被视为评估医疗干预效果的"金标准"，但其高昂的成本和伦理限制促使科学家寻求替代方案。随着生物银行和电子健康记录的普及，利用真实世界数据(RWD)模拟临床试验的"靶向试验模拟"方法应运而生。然而，这种方法面临严峻挑战——未测量的混杂因素可能扭曲研究结果，而传统观察性数据往往缺乏关键的生物学信息。与此同时，多基因评分(PGS)等遗传工具在精准医学中的应用日益广泛，但其在临床试验设计中的实际价值尚不明确。
为破解这些难题，来自芬兰分子医学研究所、布罗德研究所等国际机构的研究团队开展了一项开创性研究。研究人员利用芬兰生物银行FinnGen中425,483名个体的基因型和表型数据，结合全国药物购买和健康记录，系统模拟了四项重大心血管代谢疾病RCT：EMPA-REG OUTCOME（恩格列净）、TECOS（西格列汀）、ARISTOTLE（阿哌沙班）和ROCKET-AF（利伐沙班）。这项发表在《Nature Genetics》的研究，首次全面评估了遗传数据在改进试验模拟和指导RCT设计中的双重价值。
研究团队采用了三项关键技术方法：(1)基于RCT-DUPLICATE框架的靶向试验模拟，通过1:1倾向评分匹配(PS)控制混杂；(2)利用PRS-CS方法构建20个心血管代谢相关性状的多基因评分；(3)应用两样本孟德尔随机化(MR)分析识别潜在混杂因素。数据来源于FinnGen第10版释放的425,483名芬兰人全基因组关联数据，并与国家健康登记系统关联。
成功模拟四项重大心血管代谢RCT
研究团队精确复制了四项RCT的设计方案，包括纳入排除标准、治疗策略和主要终点。在FinnGen中，虽然最终匹配后样本量较原始RCT减少36%-90%，但所有模拟试验的风险比(HR)估计值均落在原始RCT的95%置信区间内。例如，恩格列净对3P-MACE（三点主要不良心血管事件）的HR模拟值为0.86(0.72-1.03)，与原始RCT的0.86(0.74-0.99)高度一致。通过Kaplan-Meier曲线可视化分析，证实了模拟试验与原始RCT结果的良好吻合。
PGS差异反映混杂控制程度
研究发现多基因评分差异可作为评估模拟试验质量的生物标志物。在恩格列净模拟中，治疗组与非治疗组在T2D（2型糖尿病）PGS上存在显著差异(SMD=0.56)，反映医生处方偏好。随着匹配变量增加，PGS差异逐渐减小，最终PS匹配后所有PGS差异均不显著。这种变化趋势在四个模拟试验中一致，表明PS匹配有效平衡了遗传预测的疾病风险。
PGS调整混杂的局限性
通过有向无环图(DAG)和模拟研究，团队证明即使PGS与潜在混杂因素相关性高达r2
=0.5，仅调整PGS仍无法完全消除混杂偏倚。实证分析显示，在PS匹配中加入PGS反而导致表型协变量失衡(SMD>0.1)，证实PGS作为混杂因素代理变量的局限性。
MR识别残余混杂因素
研究创新性地将孟德尔随机化应用于混杂因素检测。在恩格列净模拟中，MR分析发现BMI（体重指数）对治疗分配(OR=2.68)和冠心病(CHD)结局(OR=1.55)均有因果效应，确认为重要混杂因素。通过"资格标准+比较组"的逐步筛选，最终鉴定出血糖(HbA1c)和C反应蛋白(CRP)为关键残余混杂变量。
PGS在预后富集中的应用价值
在试验模拟框架下评估PGS效用是本研究的重要创新。结果显示，在EMPA-REG和TECOS模拟队列中，CHD（冠心病）PGS与3P-MACE显著相关(HR=1.18-1.43)，而在一般人群中该关联更强。基于此，研究者计算出选择CHD PGS前25%个体可减少8.6%-26%样本量。然而，在房颤试验模拟中，卒中PGS与结局无显著关联，突显了在特定人群验证PGS性能的必要性。
这项研究为整合遗传信息优化临床试验设计提供了系统解决方案。通过大规模生物银行数据，首次证实靶向试验模拟可作为评估PGS应用价值的平台，弥补了传统观察性研究与RCT间的鸿沟。研究发现具有三重重要意义：首先，确立了PGS差异作为评估模拟试验质量的客观指标；其次，开发了MR辅助识别残余混杂因素的新范式；最重要的是，为PGS在预后富集策略中的应用提供了实证依据，指导未来精准医学试验设计。这些发现将推动真实世界证据在监管决策中的应用，加速个性化医疗发展。随着多组学数据的积累，该方法可扩展至蛋白质组、代谢组等其他分子层面，进一步提升临床试验的效率和精度。
生物通微信公众号
生物通 版权所有
