人的危險行為也有遺傳性

 

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

 

遺傳學家常說:「除了意外受傷之外,幾乎所有疾病都有遺傳因素。」新的研究資料顯示,甚至連意外受傷也可能有遺傳因素,因為人類的危險行為也和遺傳體質有關。Nature Genetics在2019年2月份的論文分析了975,353人的風險耐受度,主要用於發現分析的族群為43萬左右的英國生物資料庫和50萬的23andMe受試者;用於驗證的族群包括10個獨立族群,總共35,000多人。高風險行為包括:汽車超速、每星期的喝酒量、曾經抽煙、性伴侶的人數等等,研究者並且將這四種風險行為的first principal components (PC) 作為代表風險的指標。在英國生物資料庫(UK Biobanks)的431,000多人,可驗證到較高比例的男性 (34%)比女性(19%)自認為比較能夠承擔高風險。

 

下圖的Manhattan plot呈現染色體3和染色體18。值得注意的是,這裡呈現的並不是染色體3的最高峰,也不是染色體7、8的兩個代表高峰區域。這也突顯了一個事實:genome-wide association study (GWAS) 的資料,有時候P value最有意義的,還不一定能找得出可以解釋的功能。

0

先前的研究顯示,五種荷爾蒙常被認為與風險耐受度有相關:類固醇荷爾蒙(cortisol)、單胺荷爾蒙(dopamine、serotonin)、性腺荷爾蒙(女性荷爾蒙和男性荷爾蒙);不過在本研究,這幾種荷爾蒙都顯示與風險耐受度無關

 

本研究作者鑒定出93個基因聚集在一般風險耐受的DEPICT-defined loci 。這些基因主要聚集在谷胺酸受體 (glutamate receptor) 和GABAA受體活化區,顯示這些基因的功能和這兩類受體的活化有關。谷胺酸和GABAA神經傳遞物質,是一對互相拮抗的神經傳導物質,谷胺酸主激活,而 GABA主抑制。這一對分別調控激活和抑制的神經傳導物質,來調控此群一般風險耐受的基因,就顯示這些基因是和人類能否接受風險有相關。

01

 

 

.

延伸閱讀:

Karlsson Linnér R et al. Genome-wide association analysis of risk tolerance and risky behaviors in over 1 million individuals identify hundreds of loci and shared genetic influences. Nature Genetics (2019) 51 (2): 245-257.

BRCA2突變與去勢抵抗型的轉移攝護腺癌之不良預後有關

中國醫藥大學 教授 放射腫瘤科 陳尚文醫師

 攝護腺癌為近年男性癌病發生率成長快速的腫瘤,多數病患於初診斷時已屬晚期。針對癌病已發展為去勢抵抗型的轉移護腺癌(metastatic castration-refractory prostate cancer)的治療策略,最近於Journal of Clinical Oncology期刊所發表的臨床試驗: PROREPAIR-B,是一個分析負責修復DNA損壞的基因變異是否會影響此病人族群治療預後的臨床研究。其試驗的設計如圖1。此試驗共分析了419位的去勢抵抗型的轉移護腺癌受試者的基因檢測及臨床資料,測試了共107種生殖系(germline)基因位點突變的發生。硏究顯示有這些基因變異帶原的受試者(carrier)共68位(16.2%,如圖2),其中BRAC2 突變14位、ATM 突變8位、BRCA1突變4位。

此臨床研究的重要發現是:和無上述基因變異的去勢抵抗型的轉移護腺癌病患比較,有生殖系BRAC2突變之病患的整體癌病相關生存率(cause-specific survival)較差(圖3)。而且,帶BRAC2突變的病人族群如果第一線接受化療藥物Taxanes,他們的預後較第一線接受abiraterone或 enzalutamide的病人預後差(圖4圖5)。總之,生殖系BRAC2突變可作為護腺癌選擇癌症個人化治療的指標

A

 

圖1. 試驗的設計與流程圖。

B

圖2. 此研究試驗之受試者病理性基因突變之分布圖。

C

圖3. 診斷為去勢抵抗型的轉移護腺癌之受試者的癌病相關生存率(cause-specific survival)。

(3A)非帶原x與ATM/BRCA1/BRCA2帶原y之受試者間,整體存活率無明顯統計差異;(3B)非帶原x與BRCA2突變帶原x1之受試者間,BRCA2帶原者之存活率較差(P = 0.0266)。

 

 

D

圖4.去勢抵抗型的轉移性護腺癌之受試者接受第一線治療後的癌病相關生存率。(4A)先接受Taxanes  y 較先接受abiraterone或 enzalutamidez的BRCA2帶原者治療預後差(P = 0.014);(4B)先接受Taxanes x1比較接受先abiraterone或 enzalutamide – – – – – –  的ATM/BRCA1/BRCA2帶原者的治療預後無明顯差異。

註: ASI 為 androgen signaling inhibitor 縮寫

E

 

圖5.比較BRCA2帶原受試者接受第一線治療後的癌病相關生存率。(4A)先接受abiraterone或 enzalutamide後再接受Taxanes: 非帶原x1  vs.BRCA2帶原y  ,兩族群治療預後無明顯差異;(4B) 先接受Taxanes再接abiraterone或 enzalutamide: 非帶原x1  vs.BRCA2帶原 y,BRCA2帶原者明顯治療預後差(P = 0.001)。

延伸閱讀

Castro E, et al. PROREPAIR-B: A Prospective Cohort Study of the Impact of Germline DNA Repair Mutations on the Outcomes of Patients With Metastatic Castration-Resistant Prostate Cancer. J Clin Oncol. 2019 Jan 9:JCO1800358. doi: 10.1200/JCO.18.00358. [Epub ahead of print.

新英格蘭醫學期刊的小兒腸胃炎益生菌臨床試驗結果

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

益生菌(probiotics)就是用來對宿主有所助益的活菌。使用益生菌來整腸,以改善急性或慢性的水瀉(拉肚子),至今已有上千篇論文發表 (延伸閱讀一),大部分都發現益生菌有助於減緩水瀉。例如,一個隨機對照組研究(randomized control study) 比較五種常用的益生菌製劑,顯示並不是每種製劑都有一樣的效果,但在那一個研究中Lactobacillus rhamnosus strain GG有顯著療效 (延伸閱讀二)。另一個評估了含8014位受試者的63硏究的整合分析(meta-analysis),也支持益生菌有助於縮短水瀉的期間 (延伸閱讀三)。然而以前的這類研究,常昜患統計檢定力不足 (underpowered)、方法學有問題、臨床試驗設計不良、或是選擇不恰當的最終評估點 (endpoints) (延伸閱讀一);直到2018年11月兩篇刊登於新英格蘭醫學期刊的隨機、雙盲、安慰劑對照的臨床試驗結果出爐,顯示:兩種臨床上常用的益生菌無法顯著改善小兒急性腸胃炎的水瀉和嘔吐 (延伸閱讀四、五)

 

Schnadower 等人發表的臨床試驗中,從美國10個小兒急診科招募了3143名三個月到四歲大嬰幼兒的急性胃腸炎 (下圖),最後合乎研究條件的有971位,隨機分成兩組 (治療組483位,對照組488位),治療組投予一天兩次的口服Lactobacillus rhamnosus GG 1010菌落單位 (colony-forming units)。主要療效指標 (primary endpoint) 用綜合參數來定義中度到嚴重度胃腸炎,指改良式Visikari計分量表 (Modified Vesikari scale score ) 得9分或以上;此量表的滿分有20分(下圖)。

q1

q2

 

 

Freedman 等人發表的臨床試驗中,從加拿大6個小兒急診科招募了2663名三個月到四歲大嬰幼兒的急性胃腸炎 (下圖),最後合乎研究條件的有886位,隨機分成兩組 (治療組444位,對照組442位),治療組投予一天兩次的口服Lactobacillus rhamnosus R0011 和Lactobacillus helveticus R0052 總量4 x 109菌落單位 (colony-forming units)。主要療效指標 (primary endpoint) 用綜合參數來定義中度到嚴重度胃腸炎,指改良式Visikari計分量表 (Modified Vesikari scale score ) 得9分或以上;此量表的滿分有20分 (上圖)。

q3

 

這兩個大型臨床試驗的結果呈現:治療組和對照組沒有顯著影响疾病嚴重度(下圖)。不過比較令人費解的是,使用一樣的疾病嚴重度Vesikari量表, ≥9分的在兩個試驗中的比例差別很大:在美國的族群,治療組和對照組分別是11.8%和12.6%;而在加拿大的族群,同樣評分所佔的比例分別為治療組26.1%和對照組24.7% (下圖)。由此可見:兩國的評估醫師所打的綜合參數很不同,結果可以相差高兩倍以上。

q4

 

雖然這兩篇美國、加拿大的嬰幼兒臨床試驗結果顯示:單靠益生菌無法呈現有統計意義的改善急性腸胃炎嚴重度;但是考量益生菌的方便性、安全性、和價格 (延伸閱讀一),這兩篇原著論文對我個人行醫的影響只是:萬一孫女Mia或孫子Max有腸胃炎時,我還是會推薦益生菌當作第一線處治,但是不會忘記提醒我的女兒 (她是小兒科醫師)有關這兩篇NEJM的結果。

 

使用益生菌來改善腸道功能的實踐中,益生菌常需併用益菌生 (prebiotics,又譯為:益生元),益菌生是膳食中不易被人體腸胃道酵素消化的纖維,但可以被腸胃道的微生物分解。益菌生主要來自蔬菜,接受這樣的觀念下,當我自己每天服用醫療等級的益生菌時 (剛好也就是Lactobacillus rhamnosus),我常會提醒自己多攝取蔬菜,期待增加益菌生纖維,果然都能每天順暢排便。而以前尚未服用益生菌時,光是增加蔬菜攝取量,也常無法獲得順暢排便,所以益生菌對便祕的調整就是有效啊。孕婦常也有便秘的問題,我的首選也是開立醫療等級的益生菌,大多數都獲得改善,甚至有一些孕婦的先生也加入益生菌的愛用者族群。

 

益生菌的其他可能好處包括:健全腸道發育、神經發育與老化、預防憂鬱症、預防心血管硬化、預防發炎性腸炎、預防肥胖糖尿病、防治癌症等等,請參見本學會網頁的「各界迴響」專欄 (2018-12-27,楊崑德:精準使用益生菌3大原則)。益生菌的使用甚至有助於減肥,可參見本學會網頁的「各界迴響」專欄 (2018-7-6吳宗儒、賴信志:新型腸道益生菌與減肥)。更值得注意的是,本文討論的兩篇NEJM臨床研究試驗,目標還是「異中求同」,希望能夠在盡量一致的條件下獲得有統計意義的差別,所以仍有不夠精準、無法考慮個人化之虞。然而在精準醫學考量個體差異的精神下,一些注重發現機制的尖端期刊- 如Cell (延伸閱讀六) 已提出札實的證據顯示:即使是使用益生菌,也必須採取個人化策略,才能最有效來改善腸道黏膜細胞功能。

 

 

延伸閱讀:

  1. LaMont JT. Probiotics for children with gastroenteritis. New Engl J Med (2018) 379: 20176-2077.
  2. Canani RB et al. Probiotics for treatment of acute diarrhea in children: randomized clinical trial of five different preparations. BMJ (2007) 335: 340.
  3. Allen SJ et al. Probiotics for treating acute infectious diarrhoea. Cochrane Database Sys Rev. (2010) 11: CD003048.
  4. Schnadower D et al. Lactobacillus rhamnosus GG versus placebo for acute gastroenteritis in children. New Engl J Med (2018) 379: 2002-2014.
  5. Freedman SB et al. Multicenter trial of a combination probiotic for children with gastroenteritis. New Engl J Med (2018) 379: 2015-2026.
  6. Zmora N et al. Personalized gut mucosal colonization resistance to empiric probiotics is associated with unique host and microbiome features. Cell (2018) 174: 1388-405.

利用基因編輯釐清心血管疾病高危基因座的功能

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

 

對慢性疾病的健康管理,我們必須一再強調「生活方式比遺傳體質更能決定疾病的發生」的重要性(參見新知分享專欄2018-11-19),然而遺傳體質也預設了先天的疾病風險。近十幾年來的全基因體關聯研究 (genome-wide association study, GWAS)至今發表了三萬多篇的論文,GWAS根據各種組合的單核酸多型性 (SNP, single nucleotide polymorphism)來找出許多疾病高危基因座 (loci) (參見新知分享專欄2018-7-16)。然而鑑定出疾病的高危基因座,對於機制的了解只是跨出第一步,有時後續研究很難進行;例如染色體9p21.3就是心臟血管疾病的高危基因座,雖然獨立於膽固醇等危險因子,它和10~15%的冠狀動脈疾病發生率有關。這個9p21.3的60,000核酸鹼基區域含有50到100個SNPs,但是不含編碼SNPs (coding SNPs);而且9p21.3是人類特有的核酸序列,也沒有動物模式可供利用。

要釐清9p21.3和心血管疾病的相關性必須面對三個挑戰:(1) 因為這段序列只出現於靈長類,沒有大鼠、小鼠動物模式可供使用;(2) 這段序列可稱為基因沙漠,因為不含編碼基因 (coding genes);(3) 雖然這段區域包含了一個長的非編碼RNA (long non-coding RNA, lncRNA)- ANRIL的末端,但是很難鑑定lncRNA的功能。

為了克服這些挑戰,一個加洲聖地牙哥Scripps研究院的硏究團隊先由心血管高危險群 (risk)和對照組 (non-risk)分別分離出19株同基因、人工誘導多功能幹細胞 (isogenic induced pluripotent stem cell lines,isogenic iPSCs),再於這些細胞株上進行單倍體基因型的基因編輯 (haplotype editing),最後獲得60,000核酸鹼基的同合子剔除 (homozygous deletion of the entire 60 kb haplotype in iPSCs)。haplotype editing則使用了轉錄激活因子樣效應物核酸酶 (TALENs, transcription activator-like effector nucleases)的平台。

高危單倍體基因型iPSCs 分化出來的血管平滑肌細胞 (VSMCs, vascular smooth muscle cells)生物特性和對照組不太一樣,高危VSMCs分裂比較快,比較不會貼附培養皿,收縮力也降低。一旦把高危單倍體基因型iPSCs 的9p21.3 (下圖的RR)剔除 (如下圖的RR KO),所衍生的血管平滑肌細胞的轉錄體和細胞功能就變回類似正常對照組(如下圖的NN)。正常對照組的細胞,再進行同合子剔除9p21.3功能則不太有改變(下圖的NN KO)。

01

下圖來總結這個研究:首先由心血管高危險群 (Risk, 紅)和對照組 (Non Risk, 綠)分別分離出多株同基因、人工誘導多功能幹細胞 (isogenic iPSCs),接著利用TALENs在這些iPSCs上進行單倍體基因型編輯 (haplotype editing) (下圖上半部);再把這些處理過的iPSCs誘導分化,陸續產生中胚層祖細胞(mesodermal progenitor, MP)和血管平滑肌細胞 (vascular smooth muscle cells, VSMC) (下圖下半部)。

高危單倍體基因型 (risk haplotype) 在9p21.3的60,000核酸鹼基序列雖然不含編碼基因,但在這上面的序列會經由調控選擇性剪接 (alternative splicing)影響lncRNA ANRIL的最後產物,而產生一個較短的ANRIL RNA isoform。本研究的資料更進一步地顯示,如果將這條較短的ANRIL RNA isoform 強迫表現於(over-express, 下圖OE)對照組單倍體基因型iPSCs,就會出現高危VSMC的基因表現和特性,意即出現增生現象 (proliferative)、喪失貼附 (adhesive)與收縮(contractile)功能。

(下圖左側) 基因的網路分析(network analysis)可以看到在血管平滑肌細胞上,高危單倍體型在9p21.3的60,000核酸鹼基序列可以驅動大約3000個基因的表現,而剔除高危單倍體型的這個序列 (knock out, 下圖KO),就可以將VSMC的基因表現變回對照組。

02

 

延伸閱讀:

Lo Sadro V et al. Unveiling the role of the most impactful cardiovascular risk locus through haplotype editing. Cell (2018) 175: 1796-1810.

新確診卵巢癌的維持性標靶治療新選項

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

 

新確診卵巢癌的標準治療包括:完整減積手術 (cytoreductive surgery)和使用含鉑藥物的化學治療 (platinum-based chemotherapy),經過這樣的治療大部分病人似乎能清除了腫瘤,但是70%的病人會在三年內腫瘤再發,而且一旦再發大概就無法治癒,最後病人幾乎都是死於卵巢癌。

 

在乳癌或卵巢癌病人如發現帶有BRCA (BReast CAncer)基因的突變,在投予PARP(poly ADP- ribose polymerase)抑制劑 (PARP inhibitor) 時,會因為有一種合成致死(synthetic lethality)機制,而對PARP抑制劑特別有效 (請參見TPMS 2018-2-26的新知分享),因而對一向難治療的卵巢癌病人提供了一線生機。 首度通過FDA的PARP抑制劑- Olaparib,無論病人的BRCA的基因型為何,在美國和歐洲都被核准使用於對含鉑藥物曾經有效的卵巢癌病人,一旦卵巢癌再發時可當作維持性治療。另外,在有生殖系 (germline ) BRCAs基因突變的卵巢癌病人,無論她的卵巢癌是否曾對含鉑藥物敏感,Olaparib 在美國也被核准使用。

 

本硏究是稱做SOLO1的第三期臨床試驗,用來評估olaparib當作維持性治療的效果。本硏究收案的病人必須有BRCA1/2的基因病理突變,如果是生殖系突變必須由中央實驗室確認:Myriad  (BRCA Analysis)或BGI  (BRCA1/2 genetic testing assay),而腫瘤的BRCA1/2體突變 (somatic mutations)則由Foundation Medicine回遡性的確認。

 

本臨床試驗的主要療效指標 (primary endpoint)是疾病無惡化存活期(progressionfree survival),定義為:從入案病人隨機化開始起算,直到影像學上可客觀偵測到疾病進行或是任何原因死亡的時間。影像學檢查可用電腦斷層攝影或是核磁共振造影,從入案開始做一次,之後每12個星期做一次,直到做滿三年;三年之後就改成每24個星期做影像學檢查一次。本研究一開始招募了1084位病人,最後合乎收案條件有391人,以研究組 (n=260)和對照組 (n=131) 2:1的人數比例實施。研究組病人每日口服兩次300 mg olaparib 藥錠。研究組有123人完成了兩年的研究期,而有13位病人直到結案時還持續接受olaparib的治療 (下圖)。

A

 

主要療效指標的分析時間點在:391位病人有198位病人出現疾病進行或是死亡時 (資料成熟度為51%)。在三年的研究期間,使用olaparib藥物的治療組有60%的疾病無惡化存活期,相較於對照組只有27%,藥物治療組的風險比率 (hazard ratio)是0.3,95% 信賴區間為0.23到0.41,P<0.001 ,顯示藥物能有效減少疾病進行或是死亡 (下圖)。

B

 

 

在(下圖)列出的各項指標,olaparib藥物治療組都明顯優於安慰劑對照組。在風險比率 (hazard ratio)的圖例中,圓圈的大小正比於發生事件的次數。灰色帶狀區顯示所有病人的95%信賴區間; 而點線代表沒有治療效果。NC: not calculated; ULN: upper limit of the normal range.

C

 

結論:使用olaparib當作維持性鏢靶治療,對帶有BRCA1/2基因突變的新診斷卵巢癌病人有明確的療效,能比安慰劑降低70%的疾病進行或是死亡。

 

 

延伸閱讀:

Moore K et al. Maintenance olaparib in patients with newly diagnosed advanced ovarian cancer. New Engl J Med (2018) Oct 21. doi: 10.1056/NEJMoa1810858. [Epub ahead of print]

精準的肥胖代謝體硏究

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

 

身體質量指數(BMI, body mass index)最常用來評估一個人是瘦還是胖,BMI的計算方法就是:體重(公斤)除以身高(公尺)的平方。一般認為正常體重就是BMI介於18.5-25,過重就是BMI 25-30,而肥胖則指BMI >30。然而,因為未成年人的BMI都比較低,所以只要是大於同性別、同年紀的95百分位 (95th percentile) BMI,不一定要高達BMI >30,也是屬於肥胖的未成年人。據此來估計,美國的40%的成人和19%的青少年都屬於肥胖的族群 (延伸閱讀一)。當然某些體質會特別容易發胖,但是飲食和生活習慣的影響最大。最經典的例子是:帶有同樣基因體質的Pima美洲印第安人,居住在美國亞利桑那州(Arizona)的有60%產生肥胖,而住在墨西哥的則只有少於20%是屬於肥胖 (延伸閱讀二)。雖然BMI可用來很方便的劃分什麼人屬於肥胖,但事實上個人的體質異質性 (individual heterogeneity)也影響很大,例如某些人就是骨架較粗壯的 (larger framed),當然容易有較高的BMI。而種族的差異也有重大影響,所以,台灣衛生福利部就建議:在18歲以上台灣成人正常的BMI是介於18.524之間,過重的BMI是介於24和27之間,而肥胖者是指BMI大於27 (延伸閱讀三)

 

如何來評估和治療肥胖,是學界在精準醫學時代的一個重要目標 (延伸閱讀一)。在2018年底刊登於Cell Metabolism的研究,就是整合了代謝體學、基因體學分析,並用雙能量X 射線吸收測量法(dual-energy X-ray absorptiometry imaging, DEXA) 評估內臟脂肪和皮下脂肪的數據,配合其他的血液生化檢查數據,來探討肥胖的種類和臨床影響 (延伸閱讀四)。這個加州聖地牙哥團隊取材自TwinsUK的兩千多個血液檢體,除了用次世代定序來分析受試者的基因體資料,也用液相層析串聯質譜儀 (LC-MS/MS),先找出110個可能當作生物標記的代謝產物。再用另一個含有四百多人的族群 (Health Nucleus Study) 加以驗證,最後鑒定出49個可受驗證的代謝產物 (下圖)。這些可當作生物標記的代謝產物,約有一半是屬於脂類 (n=23),另有三分之一是屬於氨基酸 (n=14)。除了大約一半 (11/23)的脂肪代謝物和七分之一的氨基酸代謝產物 (2/14)會隨著BMI越高而下降,其他大部分的代謝體生物標記都隨著BMI的上升而增加血中濃度 (下圖)。

1

 

將這49個代謝體生物標記放入代謝體分析模式 (metabolomic model),再對應到正常BMI (=18.5-25)和肥胖BMI (>30)的組別時,可獲得89.1%的特異度(specificity)和80.2%的靈敏度 (sensitivity),本研究的作者將它命名為根據代謝體衍生的BMI (mBMI)。利用沿用已久的BMI和本研究新發現的mBMI數據,可將受試者區去分成五群:第一至三群為BMI 和mBMI一致 (下圖藍色點線框),第四組是mBMI<<BMI,而第五組是mBMI>>BMI (下圖紅色點線框)。有用的是:第四和第五組能更清楚反映出受試者的胰島素抗性、腰臀圍比例、三甘油脂總量、高密度膽固醇量、內臟脂肪比例和皮下脂肪比例的差異 (下圖紅色點線框)。

2

 

下圖更可以突顯在mBMI和BMI不一致的受試者的腰臀脂肪分布。在正常體重(BMI=23)或是肥胖(BMI=31)受試者,都可以看到第四組 (mBMI<<BMI)或第五組(mBMI>>BMI)的特例 (outliers)。即使在正常體重組,mBMI過高 (下圖的mBMI=28.5)的腰部囤積的內臟脂肪就特別多,對健康也會產生特別不良的影響。

3

 

所以本研究有幾個重要的發現 (下圖)。 (1) 會不會產生肥胖,受基因體質影響很大。(2) 由代謝體數據衍生出來的mBMI比較能夠精確的反映出對健康的影響,例如,有肥胖代謝體 (obese metabolome)的人-意思就是mBMI高的,產生心臟疾病的機會大增(下圖的上方兩個圖例)。

4

 

延伸閱讀:

  1. Yanovski SZ and Yanovski JA. Toward precision approaches for the prevention and treatment of obesity. JAMA (2018) 319: 223-224.
  2. Schulz LO et al. Effects of traditional and Western environments on prevalence of type 2 diabetes in Pima Indians in Mexico and the US. Diabetes Care (2006) 29: 1866-1871.
  3. 臺灣肥胖防治策略(草案) – 國健署

https://www.hpa.gov.tw/Pages/ashx/File.ashx?FilePath=~/File/Attach/8405/File_8068 .pdf

  1. Cirulli ET at al. Profound perturbation of the metabolome in obesity is associated with health risk. Cell Metabolism (2019) 29: 1-13.

人類腸道微生物相的發育

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

2018年10月28的Nature期刊發表了兩篇重要的人類腸道微生物基因體(gut microbiome)論文。Stewart等人代表一個國際合作團隊 (TEDDY, The Environmental Determinants of Diabetes in the Young),從903位三個月到46個月大的嬰兒收集了12,500支糞便檢體,詳細敘述了這些嬰兒腸道微生物基因體的發育變化。該期的Nature封面並將嬰兒的微生物體描述成嬰幼兒的安全防護毯 (security blanket) (下圖),來強調人體和微生物形成一個唇齒相依的密切互利關係。依照嬰幼兒的年紀來分,3個月到14個月大是屬於發育期 (developmental phase),15個月到30個月左右是屬於過渡期 (transitional phase),而大於30個月大則呈現穩定期 (stable phase) (延伸閱讀1)。在人類腸道微生物發育期以比菲德氏菌 (Bifidobacterium) 為主,而在穩定期則以厚壁菌門 (Firmicutes)為主。會影響腸道微生物基因體結構的因素包括:生產的方式(陰道生產或是剖腹產)、是否餵母奶、嬰幼兒是否有兄弟姐妹、或是家裡有是否養毛小孩 (furry pets)當寵物。

a

Dirichlet多項混合模型(Dirichlet multinomial mixtures modeling, DMM modeling) 是用來分析微生物總體基因體(microbial metagenomics)資料的概率模型分析法,可以將數據呈現為:在各個檢體中,某一分類單元 (taxa)出現次數的頻率矩陣。該研究利用DMM modeling將排在前25名的主要微生物叢列出,依群聚關係 (clustering)呈現為10個群聚 (clusters),畫出熱度圖 (heat map) (下圖a)。依可操作性分類單元 (OTUs)值和Shannon多樣性指數,進一步分析這十個群聚的同生態域多樣性 (alpha diversity) (見下列註解) (下圖b);而這十個群聚的alpha微生物多樣性,是隨著嬰幼兒的年紀而遞增 (下圖c)。儘管如此,在嬰幼兒的微生物基因體發育期(3個月到14個月大),5個微生物門 (phyla) 的改變會非常顯著 (P < 0.001) (下圖c棕色框); 在嬰幼兒的微生物基因體過渡期(15個月到30個月大) 仍有2個微生物門 (phyla) 的改變非常顯著(下圖c紫色框);而到了微生物基因體的穩定期時,儘管此時期的alpha微生物多樣性最高,但不會再有那幾個微生物門會發生顯著改變了。

b

(註) 依據DNA序列的相似度來分析,能夠鑒定出微生物的可操作性分類單元 (Operational Taxonomic Units, OTUs)。例如,在一群微生物中根據16S rRNA基因DNA的序列相似度可呈現各種OTUs,而形成的OTUs可能是在細菌的屬或種的層級。Shannon多樣性指數(Shannon’s diversity index)是用來估算群落多樣性高低的指標,例如,當群落中只有一個族群存在時,Shannon指數達最小值0;當群落中有兩個以上的族群存在,且每個族群的個體數量相等時,Shannon指數達到最大值。因為本研究都只有分析腸道(屬同一生態域)的微生物基因體,所以就用這兩個指數 (OTUs和Shannon diversity index)來呈現 Alpha diversity。如果要比較不同生態域 (例如在不同人,或同一人的不同身體部位)所含的微生物多樣性,那就是在描述 Beta diversity (應用於下一篇論文)。

 

第一型糖尿病是會攻擊胰腺小島貝他細胞 (pancreatic islet beta cells)的自體免疫疾病。第一型糖尿病多是早發的 (early-onset),而和病人的複雜遺傳體質、環境暴露史、和腸道微生物基因體都有相關,尤其病毒感染和嚴重腸道微生物生態失調 (gut dysbiosis)被認為是重要原因。在Vatanen等人為首的國際合作團隊 (也是TEDDY之一) 分析783位白人小孩的10,913糞便檢體的總體基因體學 (延伸閱讀2),其中415位小孩是正常對照組,267位是血清抗體轉換組 (seroconversion, 指已出現對抗胰腺小島的自體免疫抗體 islet autoimmunity但尚未達到第一型糖尿病的診斷),而101位是已確診為第一型糖尿病 (type 1 diabetes, T1D)的病童 (下圖a)。下圖b 則描述三個研究族群中,每一個個案的每次糞便檢體所呈現的Shannon’s alpha diversity:在血清抗體轉換組中每個案的最後檢體(如a的菱形符號)就是出現血清抗體轉換的時間點;而在第一型糖尿病族群則依照時間先後而出現菱形符號(血清轉換的時候)和正方形符號(確診為第一型糖尿病的時候)。

 c

用主要座標分析 (Principal coordinate analysis, PCoA)本研究收到的10,913糞便檢體的微生物,以Bray-Curtis dissimilarity方法依微生物DNA序列來檢定 Beta diversity (如上述:此指在不同人所含的微生物多樣性),可以看到不同嬰幼兒早期的beta微生物多樣性,而這beta微生物多樣性會隨著年紀而逐漸減少 (下圖, 藍色點往左下角移動)。而嬰兒早期的主要腸道微生物是比菲德氏菌 (Bifidobacterium longum, B breve, B bifidum) 和變形菌 (Proteobacteria)。

D

比較健康對照組和疾病組的腸道微生物差別,發現和血清抗體轉換組比較時,健康對照組有較高的 Lactobacillus rhamnosus,支持早期益生菌補充可保護嬰幼兒不產生對抗胰腺小島的自體免疫抗體 (islet autoimmunity)。而相較於第一型糖尿病人的腸道微生物,健康對照組有較高的 Streptococcus thermophilesLactococcus lactis; 而第一型糖尿病人則含較多的 Bifidobacterium pseudocatenulatum, Roseburia hominis, 和Alistipes shahii在功能上,健康對照組細菌的綜合發酵能力(fermentation)比較強,能夠增加短鏈脂肪酸 (short chain fatty acids, SCFAs)的產出:包括丁酸類 (butyrate)、乙酸類 (acetate)、和丙酸類 (propionate)。綜合先前許多動物實驗證據,和本研究的人體資料顯示:這些短鏈脂肪酸的產出,有助於減少第一型糖尿病的發生。

延伸閱讀:

  1. Stewart CJ et al. Temporal development of the gut microbiome in early childhood from the TEDDY study. Nature (2018) 562: 583-588.
  2. Vatanen T et al. The human gut microbiome in early-onset type 1 diabetes from the TEDDY study. Nature (2018) 562: 589-594.

生活方式比遺傳體質更能決定疾病的發生

 

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

人類基因體解碼18年了,現在大多數人都能接受「人類基因體數據可以影響疾病發生」的觀念,有些人甚至會認為:記載於生命之書(基因體)的遺傳體質決定了一切。因此,當接受了各種基因體檢測- 例如在美國很盛行的直接消費者基因檢測 (direct-to-consumer genetic tests),如果拿到的報告顯示體質良好的人,不免沾沾自喜;而報告若呈現好發多種重大疾病的人,則可能非常沮喪。然而今年的美國醫學會心臟學期刊 (JAMA Cardiology2018) 發表,對於糖尿病和多種心血管疾病,遺傳體質和生活方式 (lifestyle)是互相獨立又高度加成的因子。

 

Said等人分析英國生物資料庫 (UK Biobank)收集的339,003位無血源相關的白種人 (延伸閱讀1),將基因晶片獲得的單核酸多形性 (single nucleotide polymorphism, SNP)數據在各種心血管疾病和糖尿病中,根據現有的全基因體關聯研究 (genome-wide association study, GWAS) (參見TPMS網頁,新知分享2018-7-16)資料庫選出疾病特異相關的SNP,例如:冠狀動脈疾病就選用到169個SNP,心房顫動選用25個SNP,中風選用11個SNP,高血壓選用107個SNP,糖尿病則選用38個SNP。根據這些疾病特異相關的SNP,將受分析的人依照遺傳體質成三群: 低危險 (最低的五分之一, quintile 1)、中度危險 (位於中間的五分之二到四,quintiles 2-4)、和高危險群 (最高的五分之一, quintile 5);所以在不同疾病中,依遺傳體質分群所占的人數是不一樣的。本硏究再依照抽煙與否、身體質量指數 (body mass index, BMI)、和體力活動量 (physical activity)當指標,而分成理想 (ideal)、中間群 (intermediate)、和較差 (poor)的生活方式。值得注意的是,理想生活方式群的人數大約占20.3%,中間群大約占74.5%,而較差生活方式的則占5.2%。

 

首先,本研究並未偵測到遺傳體質和生活形態有特別的互動性 (specific interactions);意即,並未檢定出那種遺傳體質特別會導致不良的生活方式。接著,資料顯示遺傳體質決定發病機率的重要性,由高而低依序是: 心房顫動>冠狀動脈疾病>高血壓>中風 (下圖)。最有啟發意義的是,即使在高危險遺傳體質的人,只要保持良好的生活方式也可以大幅降低疾病的發生率。

a

 

生活方式影響疾病發生,在第二型糖尿病更是明顯 (下圖)。雖然高危險的遺傳體質大約會增加第二型糖尿病的兩倍發病率;但是即使在低危險和中危險遺傳體質的人,不良的生活方式更會增加高達10倍的發病機率。當然高危險遺傳體質和不良的生活方式會導致最高的發病率。

b

 

另一個發表於英國醫學期刊 (BMJ2018)的大規模族群研究,也顯示生活方式和遺傳體質可獨立地影響中風的發病率 (延伸閱讀2)。德國和英國的學者分析英國生物資料庫收集的306,473位40-73歲的歐洲白人,在追蹤七年中影響中風發生的因子。本硏究首先依據90個SNP所建構的多基因危險計分 (polygenic risk score)將30多萬受試者均分成三群:high、intermediate、low危險遺傳體質,每群約為102,200人 (下圖左)。再依照是否抽煙、規律運動、健康飲食當指標,而分成較差 (unfavorable)、中間群 (intermediate)、和較佳 (favorable)的生活方式 (下圖右)。分析結果顯示,高危險遺傳體質群發生了785位中風病人,高於低危險遺傳體質群所發生的589位中風病人。但是影響中風發生機率最大的還是生活方式,較差的生活方式會增加66%的中風發生率。

c

 

這些最新研究資料顯示,雖然從一誕生,遺傳就埋下了每個人對一些疾病的好發體質,但是決定最後是否真正發病,更重要的還是取決於我們的生活方式。傳統台語智慧所述的「隨(各)人顧生命」- 個人要管顧自己的健康,與精準醫學強調病人參與的重要性不謀而合 (參見TPMS網頁,新知分享2017-2-2)。


 

延伸閱讀:

  1. Said MA et al. Association of combined genetic and lifestyle risks with incident cardiovascular disease and diabetes in the UK Biobank study. JAMA Cardiology (2018) 3(8):1-10.
  2. Rutten-Jacobs LCA et al. Genetic risk, incident stroke, and the benefits of adhering to a healthy lifestyle: cohort study of 306473 UK Biobank participants. British Medical Journal (2018) 363: k4168.

 

轉移學習讓深度學習更逼近人工智慧

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

 

 

人類智慧累積的通則是:從以前的經驗領略出規則,再應用於解決新的問題。在資訊科學裡,將轉移學習(transfer learning)的概念應用於以神經網路(neural networks)為骨幹的深度學習(deep learning),讓人工智慧(artificial intelligence, AI)更有效率。最近幾年在醫學影像的人工智慧判讀,已獲得重大成果。

 

轉移學習應用的原則 (延伸閱讀一),是從一個巨大但比較鬆散相關的數據集(datasets)-例如有1,200,000圖片、涵蓋1000個分類項目的ImageNet,找出特徵提取(feature extraction)的通則(圖一,上半部);再用所獲得的通則來訓練神經網路的上層(圖一,下半部),典型的例子就如2016年Szegedy發表的Inceptrion-v3 network (延伸閱讀二)。最近兩年被成功應用的分析流程(延伸閱讀三~),就先從一個超大型的數據集操作神經網路分析,以提取特徵,再將這些特徵以轉移學習應用於其他任務。用這個策畧獲得最大的好處是:可以應用於較小型的數據集,例如,大部分的醫學數據集都不可能大到上百萬筆數據。

1

Google團隊和醫學中心合作,用深度學習來偵測糖尿病視網膜病變,發表在2016年的JAMA (延伸閱讀三)。第一個EyePACS-1數據集包含4,997病人的9,963影像數據(圖二A),第二個Messidor-2數據集包含874病人的1,748影像數據(圖二A)。用ROC (receiver operating characteristics) curve評估分析的效率分別可以達到AUC (area under the curve, 此數值越高、越趨近於1越好) 0.991 和0.990。這篇論文的結果,提供了非常優異的原理驗證(proof of principle)。

2

 

運用一樣的轉移學習策略(圖三上半),史丹福大學團隊利用深度卷積神經網路(deep convolutional neural networks, deep CNNs),以影像來診斷皮膚疾病,發表在2017年的Nature。作者從頭到尾,直接以影像來訓練機器學習演算法,只喂以含2,032不同疾病的129,450臨床影像的像素(pixels)和疾病標誌(disease labels) (圖三下半) ;接下來和21位皮膚科專科醫師比較對下列兩種疾病的診斷率: 角質形成細胞癌 (keratinocyte carcinoma,最常見的皮膚癌)和惡性黑色素瘤(malignant melanoma,最惡性的皮膚癌)。結果電腦演算法和皮膚科專科醫師的診斷率一樣好,不分上下(延伸閱讀四)。

3

 

在疾病診斷和偵測上,將轉移學習策略發揮的淋漓盡致的(圖四),當屬2018年發表於Cell的論文(延伸閱讀五)。張康(Kang Zhang, MD., PhD.)教授領導的跨國團隊分析光學同調斷層掃描(optical coherence tomography)數據集,在偵測眼科急症轉診的適應症上,意即:出現脈絡膜新生血管(choroidal neovascularization, CNV)和糖尿病黃斑水腫(diabetic macular edema, DME),用ROC curve評估效率時,可達到AUC 0.999 (圖五A);而分析小兒肺炎胸部X光影像數據集,能夠鑑定出細菌性肺炎的效率也可達AUC 0.94 (圖五B)

4

 

 

5

延伸閱讀:

  1. Rampasek L and Goldenberg A. Learning from everyday images enables expert-like diagnosis of retinal diseases. Cell (2018) 172: 893-895.
  2. Szegedy C et al. Rethinking the inception architecture for computer vision. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2818-2826.
  3. Gulshan V et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA (2016) 316: 2401-2410.
  4. Esteva A et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature (2017) 542: 115-118.
  5. Kermany DS et al. Identifying medical diagnoses and treatable diseases by image-based deep learning. Cell (2018) 172: 1122-1131.

 

英國生物資料庫領軍邁入精準醫學

長庚大學教授 林口長庚醫院 婦產部主治醫師 王子豪

 

 

 

2018年10月Nature刊登了兩篇指標性的文章,用大規模的英國生物資料庫(UK Biobank) 50萬人的數據,不但強調基因體學(genomics)和表型體學(phenomics)的結合, 更是整合人類生命資訊的大量、異質性數據,來獲得對疾病機制的了解。更值得一提的是,英國生物資料庫不僅提供給英國人,還公開給全世界學術人士使用,至今已有八千多位學者登錄使用,進行著796個登錄的研究計劃(延伸閱讀一)。英國展現這樣的學術實力和數據分享的慷慨義舉,堪稱足以領軍邁入精準醫學。

 

Bycroft et al. (延伸閱讀二) 整理了整個英國生物資料庫現有和計劃要收集的數據 (下圖):(1) 利用Affymetrix Axiom平台的基因晶片來獲得50萬人的基因型雖然數目龐大,但是比起獲得其他各種體學數據,獲得每個參與者SNP變異的數據可能還是整個前瞻型精準醫學計劃中最簡單的 (延伸閱讀三);(2)每個參與者都要填寫鉅細糜遺的問卷;(3)接受各種影像學的檢查,包括核磁共振和X光;(4)每個參與者的數據都要連結到電子健康紀錄(EHR)、死亡登錄和癌症登錄; (5)參與者的日常活動、體能鍛煉、和心肺功能都可以利用穿戴式器具來遠距收集;(6)分析各種體液可能產出基因體和生化的生物標記,尤其是利用蛋白質體學和代謝體學分析;和(7)其他人體的各種測量。上述這些不同來源的各項數據和資訊,正是精準醫學要整合分析的範疇。在Bycroft 的報告中,只有人體和微生物互動的總體基因體學(metagenomics)尚未被提到,雖然總體基因體學也是精準醫學的一個重要學門(請參見:2018-2-262018-3-12的新知分享)。

圖1

英國的生物資料庫不只是基因型資料庫,同時也整合各種表型(phenotypes)數據,例如大腦的影像學數據。有些影像學表型(image-derived phenotypes, IDPs)甚至包括了各層次的詳細核磁共振影像:結構核磁共振影像(structural MRI)、功能核磁共振影像(task-based functional MRI, fMRI)、可以用來顯示結構連接性(structural connectivity)的擴散核磁共振影像(diffusion MRI, dMRI)。Elliott et al.就是利用英國生物資料庫中3,144位有詳細核磁共振影像學資料的個案(延伸閱讀四),經由分析影像學的ICVF (intracellular volume fraction)參數,檢定出rs67827860 (位於VCAN基因的intron) 和大腦白質的軸突內水份有關(下圖a, b )。雖然這篇文章中, 有許多腦部MRI的專業知識,我們只能請教影像學專家才說得清楚;但這個研究對我們的啟發,在於它是把詳細、精密的腦部影像學資料納入全表型體學關連研究(Phenome-wide association study, PheWAS)的一個典範(下圖c),因為這些和前腦白質相關的dMRI IDPs和一群基因的SNP有高度相關, 而這群基因主要的功能在於建構細胞外間質(extracellular matrix, ECM)和上皮生長因子的訊息傳遞系統(EGF signaling);這群基因也和導致多發性硬化症、中風、憂鬱症、肌萎縮側索硬化症有關。

圖二

誠如Vanderbilt Genetics Institute的遺傳學家Nancy Cox有感而發:全世界的學術界慶幸能使用英國生物資料庫資料之餘,應該亟思分享自己單位的資料來努力趕上英國這樣的慷慨義舉 (延伸閱讀三)。

 

延伸閱讀:

  1. Crowd screen- Precision medicine relies on studies that track huge numbers of people. Nature (2018) 562: 163-164.
  2. Bycroft C et al. The UK Biobank resource with deep phenotyping and genomic data. Nature (2018) 562: 203-209.
  3. Cox N. Biobank for the masses. Nature (2018) 562: 194-195.
  4. Elliot LT et al. Genome-wide association studies of brain imaging phenotypes in UK Biobank. Nature (2018) 562: 210-216.