摘要：大多数慢性疾病不是由单一基因突变引起，而是由成百上千个位点上的微小变异共同作用。这类病被称为多基因疾病。糖尿病的遗传率约为17%，而精神分裂症高达80%。但这些数字本身无法揭示一个人具体会不会患病，因为遗传信息的表达依赖于环境背景。

我们早已知道，疾病既受基因影响，也受环境因素控制。但新的研究表明，这两者之间的交互远比我们原先设想的复杂得多。

大多数慢性疾病不是由单一基因突变引起，而是由成百上千个位点上的微小变异共同作用。这类病被称为多基因疾病。糖尿病的遗传率约为17%，而精神分裂症高达80%。但这些数字本身无法揭示一个人具体会不会患病，因为遗传信息的表达依赖于环境背景。

环境因素不只是“是否吸烟”或“是否吃得健康”。它还包括空气污染、运动水平、饮食习惯，甚至是你在看多少电视。这些变量会系统性地放大或削弱遗传变异的表达效应。

2001年的一项研究发现，阿司匹林对结肠癌的预防效果仅在代谢阿司匹林较慢的人群中显著。这种效果依赖于特定位点上的遗传变异。这是一个罕见的例子：单个基因突变对药效产生决定性作用。多数情况下，基因效应极其微弱，往往只有0.1毫米级别的身高差异。

因此，必须采用整体聚合的方法——即对全基因组范围的微小效应进行整合分析。最新的研究在UK Biobank的数据中找出了33种复杂性状在不同环境下的基因表现差异。

第一类交互体现在基因对同一性状在不同环境中的影响存在显著差异。例如，吸烟与否会改变基因对白细胞计数的调控方式。

第二类交互表现为某些性状的遗传率本身受环境调节。例如，身体活动水平越高，BMI的遗传率反而越高，说明遗传因素在“更健康”的生活方式中更有机会表达出来。

第三类交互称为“比例放大效应”。基因和环境因素彼此协同增强。例如，随着看电视时间的增加，腰臀比的遗传变异和环境变异都同步上升。这说明一个行为背后可能携带多种生理和代谢风险信号。

还有一组被长期忽视的交互——基因与性别的作用方式不同。例如神经质性格的遗传影响在男性和女性之间就存在统计学上的显著差异。

进一步的模型提出：基因不是孤立工作的，它们成群结队地参与特定的生理路径。环境因素不是影响基因本身，而是对这些路径上的局部环节进行调控。这种分布式调制模式可以解释不同环境条件下为何同一组基因表现出不同的风险系数。

如果这套机制被更精细地捕捉，临床应用将从“疾病风险预测”转向“反应预测”——不是告诉你你有没有风险，而是告诉你吃药还是运动哪种方式更适合你。

在这种模型下，问题不再是“先天还是后天”，而是“基因如何通过环境而实现”。不是“nature vs nurture”，而是“nature via nurture”。

来源：老胡科学一点号