肥胖与 2 型糖尿病（T2D）是受多种遗传与环境因素驱动的复杂代谢性疾病。长期以来，临床评估高度依赖身体质量指数（BMI）等表型指标，但在预测个体长期健康轨迹方面存在局限。近日，来自麻省总医院建中（Mass General Brigham）的研究团队在《细胞-代谢》（Cell Metabolism）杂志上发表研究，通过整合全球大规模生物样本库数据，构建了新型代谢多基因风险评分（Metabolic Polygenic Risk Scores, PRS）。该评分不仅能精准预测疾病风险，还能预见患者未来的临床干预需求。
技术革新：20 种代谢性状构建“遗传全景”图谱
传统的 PRS 模型往往仅关注单一的疾病诊断结果。而此次研究构建的新型评分模型，其视角超越了简单的体重或血糖数值：
-
多维度性状整合： 研究团队不仅关注 BMI，还整合了与代谢功能密切相关的 20 种不同特征，包括脂肪分布（Fat distribution）、胰岛素分泌与敏感性、葡萄糖控制以及血脂水平等。
-
全球大数据支撑： 利用全球最大规模的全基因组关联分析（GWAS）数据集，该研究整合了超过 850 万名参与者的遗传信息。
-
针对性模型优化： 研究者分别开发了针对肥胖和 2 型糖尿病优化的 PRS 版本，使其在捕捉代谢亚型差异方面展现出极高的灵敏度。
临床价值：精准预测“干预轨迹”
该研究最显著的突破在于其对临床结局和干预措施的预测能力。在平均 5.5 年的随访研究中发现：
-
高风险预警： 风险评分能有效识别出未来患心血管疾病（CVD）和中风的高危个体。
-
预测治疗需求： 在初始健康的受试者中，高 PRS 评分（High PRS）者未来接受 GLP-1 受体激动剂药物治疗或减重手术（Bariatric surgery）的可能性，是中等评分个体的 2 倍。
-
补充临床决策： 这种基因组方法可以作为现有临床风险因素的有力补充，在病理征兆出现前为预防性策略提供依据。
公平性突破：惠及全球多族裔人群
传统 PRS 模型常因缺乏非欧洲裔数据而存在“遗传偏见”。本研究通过使用多族裔（Multi-ancestry）数据，显著提升了算法的公平性：
-
跨族裔适用： 在非洲裔、东亚裔和南亚裔群体中，该模型的预测准确度均超过了以往的所有 PRS 模型。
-
精准分层： 这一改进对于在全球范围内推广精准医疗、改善少数族裔的代谢健康管理具有里程碑意义。
未来展望
论文共同通讯作者 Akl Fahed 博士表示：“我们希望临床医生能够跳出 BMI 的单一范畴，关注患者深层的遗传易感性。在疾病发生前识别出健康轨迹可能恶化的个体，是实现‘防病于未然’这一大胆使命的关键。”
研究团队下一步将继续细化 T2D 和肥胖的遗传亚型，旨在为未来的临床试验提供更精准的受试者分层及个性化干预方案。
参考文献：Metabolic Polygenic Risk Scores for Prediction of Obesity, Type 2 Diabetes, and Related Morbidities, Cell Metabolism (2026). DOI: 10.1016/j.cmet.2026.02.009
编辑：王洪
排版：李丽
评论 (0)