因果基因的确定性，而非统计显著性：遗传学证据价值的再分解

science

2015 年冻结的 7,192 个遗传学靶点，十一年随访

1. 问题

人类遗传学证据可使药物成功率约翻倍，这一结论由 Nelson 等（2015）提出，经 King 等（2019）与 Minikel 等（2024，相对成功率 2.6 倍）反复验证，已成为业内靶点评审的默认前提。

但”成功率”是一个复合结局：

P(成药) = P(有人愿意试) × P(试了以后能成)

第一项是选题决策——判断、资源分配、机构行为；第二项是技术兑现——化合物、给药、临床试验、监管。若效应集中在第一项，”翻倍”反映的是科学界相信遗传学；若集中在第二项，反映的才是遗传学预测了生物学真实性。二者对如何使用遗传学证据的含义相反。

已有研究多数只估计了乘积。本研究引入中间变量，将其拆开。

2. 数据与方法

Nelson 2015 的附表在同一时点提供了暴露与中间变量：

要素	操作化	规模
全集	NCBI Entrez 人类蛋白编码基因	20,945
暴露	附表 S12，2015 年前的 OMIM/GWAS 基因-疾病关联	7,192 基因
中间变量	附表 S13，Pharmaprojects 管线切片（705 种 MeSH 适应症）的最新开发阶段	1,823 基因
结局	成为获批药物的机制性靶点	—

结局端：2015 年前的批准取自 S13 状态；2016–2021 用 NCATS FDA_NDAs 官方注释表，2022–2026.8 逐药手工标化并对照 FDA 官方年度新药清单核验。

混杂控制：Finan 2017 druggable genome 分层（Tier 1/2/3A/3B/组外），Mantel-Haenszel 分层校正。

证据分级：关联疾病数（广度）；来源类型（OMIM 孟德尔变异 / GWAS 常见变异），后者作为因果基因确定性的粗代理。

失败原因：Open Targets stopReasons（31,867 项已终止试验的 BERT 分类），经 ClinicalTrials.gov → MeSH → DrugBank 链条映射至靶基因。

结局在两个方向各估计一次。回溯：1,823 个曾入管线基因中最终获批的比例。前瞻：2015 年在途的 574 个基因在其后 11 年的转化率——该口径下暴露在时间上确定地早于结局，不受”已成药靶点吸引更多遗传学研究”的反向因果污染。

3. 队列构成

图 1　队列设计。暴露、中间变量、结局三层的两臂人数与两阶段效应量；虚线框为前瞻子队列。

7,192 个有遗传学证据的基因：

2015 年状态	基因数	占比
已成药	440	6.1%
在途（临床前–III 期）	303	4.2%
试过、已全部停止	293	4.1%
管线切片中无记录	6,156	85.6%

第四格的命名需谨慎：S13 是按 705 种适应症限定的切片，非完整管线普查（见 §8）。

4. 总效应

全基因组层面，有遗传学证据的基因最终成为获批药物靶点的比例 6.7%，无证据 2.1%，比值 3.26。与文献报告的 2–2.6 倍属同一量级。

该值为现患率口径，分子包含 2015 年前数十年积累的批准，不可与基于随访窗口的发病率口径直接比较。

5. 两阶段分解

入场端：曾进入管线的比例 14.4%（有证据）vs 5.7%（无证据），粗 OR = 2.77（p < 10⁻⁹⁰）；可成药性分层校正后 OR = 1.94。约三成表观效应来自”有遗传学证据的基因本身更可成药”。

推进端（回溯）：已入管线基因中最终获批 46.7% vs 36.1%，OR = 1.55。

推进端（前瞻）：2015 年在途的 574 个基因，2016–2026 转化率 12.5% vs 9.6%，RR = 1.31，95%CI [0.82, 2.09]，p = 0.29。

效应沿流程单调衰减（2.77 → 1.55 → 1.31），至最干净的前瞻检验时不显著。回溯与前瞻之差，大致对应反向因果通路的规模。

6. 证据类型的分野

将前瞻队列按证据来源分层，合并的不显著结果分解为两个方向相反的成分。

图 2　左：两阶段效应按证据来源分解。右：前瞻转化率之比及 95% 置信区间。

2015 年在途基因	n	2016–2026 转化率	RR [95%CI]	p
无遗传学证据	271	9.6%	参照	—
仅 GWAS（常见变异）	164	9.1%	0.95 [0.52, 1.75]	1.00
含 OMIM（孟德尔变异）	135	17.0%	1.78 [1.05, 2.99]	0.036

入场端同样分层（Mantel-Haenszel 校正可成药性后）：

证据类型	基因数	入场率	校正 OR
仅 GWAS	5,128	10.0%	1.37
含 OMIM	2,064	25.4%	3.12

孟德尔证据在两端均起作用（入场 OR 3.12，推进 RR 1.78）；常见变异证据仅作用于入场端（OR 1.37），推进端为零效应（RR 0.95）。合并的 RR 1.31 是二者的平均。

这独立复现了 King 等（2019）的结论：当因果基因清晰时（孟德尔性状、定位到编码变异的 GWAS 关联），遗传学证据的效应超过两倍，且对孟德尔关联而言前瞻检验成立。

它也化解了与 Minikel 等（2024）报告的 I 期→上市相对成功率 2.6 倍之间的表观矛盾。其一，Minikel 采用严格的靶点-适应症配对（性状-适应症相似度 ≥0.8），本研究采用基因层面宽口径，后者稀释信号；其二，Minikel 明确报告相对成功率随因果基因置信度上升而改善，与效应量大小、等位基因频率关系不大。OMIM/GWAS 之别正是这一维度的粗粒度代理——不是效应量之别，而是基因归属是否确定之别。

7. 可成药性分层的效应异质性

图 3　左：证据广度与入场率的剂量-反应，含化学不利子集的稳健性检验。右：入场端效应在各可成药性层的异质性。

可成药层级	有证据入场率	无证据入场率	比值
Tier 1（已有化学物质）	64.8%	49.9%	1.30×
Tier 2	44.1%	35.6%	1.24×
Tier 3A	26.3%	19.2%	1.37×
Tier 3B	18.0%	10.3%	1.74×
可成药基因组之外	3.8%	1.4%	2.66×

遗传学证据的边际价值随化学可及性下降而上升。一种自洽的解释是决策成本：已有现成化合物时试错成本低，弱证据即足以启动；无化学起点时需从零建立路线，只有强生物学理由才推得动。

可成药性本身的影响远大于遗传学证据：在有证据的基因内部，Tier 1 入场率 64.8%，组外 3.8%，梯度 17 倍。可成药性决定绝对量级，遗传学证据决定同量级内的排序。

剂量-反应：关联疾病数 0 → 1 → 2 → 3–4 → ≥5，入场率 5.7% → 11.3% → 14.8% → 19.6% → 21.1%。稳健性检验限定于可成药基因组外的 11,398 个基因，梯度仍存在（1.4% → 3.1% → 3.7% → 4.5% → 6.2%，趋势 p = 6×10⁻²⁵），排除”证据多的基因恰好更可成药”这一解释。

8. 管线记录完整性的验证

第四格（6,156 个”无记录”基因）的解释依赖 S13 的覆盖度，故做外部证伪。

与 DrugBank 中”已获批药物的人类机制性靶点”（624 个）取交集：95 个命中；在 265 个”无记录”的 Tier 1 基因中，32 个（12.1%）已是获批药物靶点，包括 FDPS（含氮双膦酸盐靶点）、CACNA1S、SCN4A、KEAP1、GGCX、TUBB1、GANAB、PDE8B。

原因在数据结构：S13 仅覆盖 705 种与遗传学性状词表交叠的 MeSH 适应症，一个基因若只在该范围外被开发，即被记为无记录。因此该格应理解为”在本管线切片中无记录”，其绝对规模高估了真实的未探索空间。

对主效应的影响经两项检查评估：

• 差异性：DrugBank 认定的获批靶点中，S13 漏记比例为有证据组 26.4%、无证据组 42.4%。漏记是差异性的，方向上高估入场端效应。
• 敏感性：将 DrugBank 获批靶点一律补记为”曾被尝试”后重算，粗 OR 2.77 → 2.67，可成药性校正 OR 1.94 → 1.91。

主效应稳健。

清洗后的候选清单：在”无记录 + Tier 1 + 关联 ≥3 种疾病”基础上剔除 ADME 基因与 DrugBank 已知靶点，余 32 个基因（LMNA、TNFSF12、SIK3、CLK2、CAMK1D、CSK、KLKB1、BLK、DNMT3A、BMPR1B 等）。该清单为筛选输出而非结论：MYH7 仍在其中，而 mavacamten（2022 年获批）作用于该靶点，仅因 DrugBank 快照早于该批准而未被剔除。

ADME 污染：Tier 1 高证据基因中近半为药物代谢基因（SLC22A5、CYP2C19、UGT1A1、SULT1A1 等），其高遗传学证据来自药代表型 GWAS（血药浓度、代谢物水平）而非疾病机制关联，作为治疗靶点意义有限。任何仅优化”证据强度 × 可成药性”的排序函数都会将其系统性置顶——遗传学关联的性状是什么，比关联有多强更重要。交付数据中已加 ADME 基因标记列。

9. 失败记录

图 4　左：死亡靶点的退出方式。右：已终止临床试验的停止原因构成。

退出方式：554 个已死亡管线基因的 1,352 个基因-适应症对中，78%（1,058 对）为 “No Development Reported”（无声沉寂），仅 292 对经正式 Discontinued 程序。

停试原因（4,638 项可链接至靶点的已终止试验）：操作性原因（入组不足、后勤、人员）60.1%，商业/战略决策 22.7%，疗效阴性 8.0%，原因不明 6.2%，安全性 3.0%。公开记录中约仅十分之一的停止构成对靶点假说的生物学否定。

记录盲区：554 个死亡靶点中仅 3 个能链接到带分类原因的注册停试记录；663 个有停试记录的基因中 338 个是已批准药物的靶点。可归因的失败记录几乎全部来自走得足够远的项目——死得越早、越彻底的靶点留下的公开痕迹越少。失败原因的主体在公开数据中系统性缺失。

上述百分比仅代表可链接子集：MeSH → DrugBank 映射偏向已上市与后期药物，早期化合物被系统性漏掉。

10. 相位与复活

图 5　左：转化率按 2015 年所处相位。右：九例复活个案。

2015 年在途基因的转化率严格随所处相位递增：临床前 5.7% → I 期 7.1% → II 期 13.5% → III 期 26.8%。相位是推进端最强的预测因子。

2015 年已判死亡的 554 个管线基因中 9 个在 2016–2026 年获批（有遗传学证据的 293 个死亡基因子集中为 6 个，2.0%）。逐案阅读后的定性判断是：每一例均对应一次技术状态改变——新口袋、新模态或新适应症——而非原假说在原路径上被重新验证。该判断为解读，非统计结果。

基础率 2.0% 意味着复活是罕见事件，不足以支持坚持一个失败方向。

11. 讨论

1. 总效应真实存在（现患率口径 3.26 倍），与三项独立文献一致。
2. 效应主要发生在入场端。校正可成药性后入场 OR 1.94；前瞻推进端的合并效应不显著。
3. “遗传学证据”不是单一变量。孟德尔证据两端均起作用（入场 OR 3.12，推进 RR 1.78）；常见变异证据仅推动入场（OR 1.37），推进端为零（RR 0.95）。起作用的维度是因果基因的确定性，而非关联的统计强度。
4. 效应在化学最不利处最大（组外 2.66× vs Tier 1 1.30×）。可成药性决定绝对量级（17 倍梯度），遗传学证据决定同量级内的排序。
5. 推进端由相位与执行决定：公开记录中仅约十分之一的试验停止是疗效或安全性判决。

对靶点选择实践的三点含义：

• GWAS 关联不构成后期风险的保险。其推动立项的作用可测，推动通过 II 期的作用未被检出。
• 区分证据类型的价值高于优化证据评分。将评分维度从”关联条数”改为”因果基因置信度”，比在关联强度上做更精细加权更有意义。
• 遗传学证据的边际价值集中在化学上最不利的靶点。在 Tier 1 上其增量信息接近冗余。

对自动化假设生成系统：仅优化”证据强度 × 可成药性”的排序函数，会将 ADME 基因系统性置顶，并将一批已上市靶点报告为未探索机会（§8）。评分函数越精细，这两类错误越隐蔽。

12. 局限

1. 暴露定义限于 OMIM/GWAS，不含功能生物学（细胞、动物模型）提出的靶点假说。
2. 中间变量存在系统性漏记（§8），已做差异性检验与敏感性分析，主效应稳健，但”无记录”格的绝对规模被高估。
3. 回溯口径存在反向因果，已用前瞻口径对冲，未能量化消除。
4. 前瞻口径事件数偏小（64 个转化事件）。合并 RR 1.31 不显著应读作”未检出”而非”已排除”，95%CI 上界 2.09 仍容纳中等强度正效应；OMIM 亚组 RR 1.78 的下界 1.05 仅勉强排除 1，属需更大样本复核的边缘结果。
5. OMIM/GWAS 分层是因果基因确定性的粗代理。两组在疾病谱（罕见病 vs 常见病）、竞争格局、监管路径（孤儿药资格）上均有系统差异，可能独立解释部分效应差异，本研究无法分离。
6. 可成药性分层用 Finan 2017 数据，晚于队列冻结点，可能部分反映 2015 年后的化学进展，会略微低估”无记录”组的困难程度。
7. 结局为基因层面宽口径（该基因成为任一获批药物的机制靶点），不要求与遗传学关联的疾病一致。严格同适应症配对受两份 MeSH 词表交叠限制（207/2,531）无法作主分析，这也是与 Minikel 2024 差异的可能来源之一。
8. 停试原因链条覆盖率偏向后期药物，§9 的百分比仅代表可链接子集。
9. 研究热度混杂未被控制。进入 OMIM/GWAS 的基因本身被研究得更多，而被研究得多的基因更容易被开发。分离二者需文献计量协变量，本环境无法获取。因此本文所有效应量均应读作关联而非因果。
10. 2022–2026 批准表为手工标化，个别靶点归属可商榷；§10 的复活机制判断为定性解读。

13. 可复现材料

数据源：Nelson MR et al., Nat Genet 2015, ng.3314 附表 S12/S13 · NCATS FDA_NDAs（2010–2021）· FDA 官方年度新药清单（2022–2026 核验）· Open Targets stopReasons · dhimmel/clintrials（214,889 项试验）与 DrugBank 快照 · Finan C et al., Sci Transl Med 2017 druggable genome · NCBI Entrez Gene。

参照文献：Nelson et al. 2015 Nat Genet 47:856–860；King et al. 2019 PLOS Genet 15:e1008489；Minikel et al. 2024 Nature 629:624–629。