精準醫學與結核病臨床診治

劉旭暉 盧水華

?

·專家筆跡·

精準醫學與結核病臨床診治

劉旭暉 盧水華

結核分枝桿菌無疑是達爾文進化論的成功實踐者，其在千萬年的適應性進化過程中獲得了獨特的生存能力。至今，人類尚無能力在世界范圍內消滅結核病。為了達到消滅結核病的目的，需要從更深層次來認識我們的老對手。“精準醫學”的出現給我們提供了機遇。精準醫學意味著我們對疾病的認識已經從“群體共性”進化到“個體特性”的水平，它依靠的科學背景包括人類基因組學、數據科學、計算機信息技術等。由此，我們能從更宏觀和更微觀的角度來了解結核分枝桿菌的發病模式、結核分枝桿菌與人類基因的相互關系，以及結核分枝桿菌菌株的突變耐藥機制。筆者對精準醫學在結核病診治領域的應用做初步探討。

結核； 診斷； 個體化醫學

2011年，美國國家科學院、美國國家工程院、美國國立衛生研究院及美國國家科學委員會共同發表《邁向精準醫學：建立生物醫學與疾病新分類學的知識網絡》。這篇報告提出了通過遺傳關聯研究與臨床醫學緊密接軌，來實現人類疾病精準治療和有效預警。2015年1月20日，奧巴馬在國情咨文演講中提出了“精準醫學(precision medicine)計劃”，呼吁美國要增加醫學研究經費，推動個體化基因組學研究，依據個人基因信息為癌癥及其他疾病患者制定個體醫療方案。隨后，正式推出“精準醫學計劃”。從此，基因組生物學的研究領域升華到精準醫學的境界。簡單來說，“精準醫學”就是指根據患者的個人特征量體裁衣式地制定個體化治療方案。這不僅代表了醫療形式的發展潮流，更代表了醫學“生產力”的發展和突破。作為后基因組時代的必然產物，精準醫學的發展離不開其生長的土壤——基因組學的發展、數據科學的突破、計算機及網絡技術的快速進步。

結核分枝桿菌無疑是達爾文進化論的成功實踐者，其在千萬年的適應性進化過程中獲得了獨特的生存能力。至今，人類尚無能力在世界范圍內消滅結核病。為了達到消滅結核病的目的，需要從更深層次來認識我們的老對手。“精準醫學”最早是為解決癌癥及基因疾病而生，主要研究人體基因組的變化。而結核病與癌癥不同，是一種由細菌導致的傳染性疾病。大部分患者的基因狀態對于結核病發病及預后的意義并非起決定性作用，而公共衛生防控及病原學的檢測往往具有更重要的現實意義。現階段，我國結核病患者中病原學證據僅占30%左右。從循證醫學角度來看，結核病的診斷水平低于艾滋病、肝炎、瘧疾等傳染病，現實很骨感。然而，這并不代表結核病診療和防控無法踏上新時代的帆船。結核病學正從以下幾個方面快速發展自身的“精準醫學之路”，即：(1)結核病易感基因的篩查和干預；(2)早期結核病的精確預測和大數據的應用；(3)病原菌的精確分型與細菌的基因組學研究；(4)藥物的人體適應性檢測。

一、易感基因與發病

如今，已有充足的證據表明，固有免疫系統的工作狀態很大程度上決定了機體是否易感結核病。因此，與固有免疫通路相關的基因多態性是決定機體易感與否的關鍵[1-4]。通過基因組測序及人群對照分析，已發現超過30個基因位點與結核發病有確切關系，相關的研究文獻數以千計。這些基因編碼的區域包括：(1)巨噬細胞受體：如甘露糖受體基因(MR，CD206)、樹突狀細胞特異性細胞間黏附分子-3結合非整合素因子(DC-SIGN，CD209)、樹突狀細胞相關性C型植物血凝素1(Dectin-1)；(2)可溶性C型凝集素：如表面活性蛋白A(SP-A)、甘露糖結合凝集素(MBL)；(3)吞噬因子：如腫瘤壞死因子(TNF)、白細胞介素1β(IL-1β)、IL-6、IL-10；(4)趨化因子：如IL-8、單核細胞趨化蛋白1(MCP-1)；(5)固有免疫分子：如誘導型一氧化氮合酶(iNOS)、溶質轉運蛋白11AC(SLC11A1)[4]。

盡管眾多研究闡明了基因位點與結核易感性的關系，但未有相關性研究達到臨床實用價值。原因之一，在于這種對結核易感性的影響是多基因聯合作用的結果，不僅受到基因多態性影響，也受到基因與基因之間的相互影響。如果將單基因分析擴展到多基因聯合分析，工作量將呈指數增長。此外，目前對結核易感性基因多態性的研究還僅局限于結核病本身，并未充分考慮機體的整體調節機制。在人類族群面臨進化選擇壓力時，某些基因的表達可能不利于減少結核感染，但卻有利于族群的適應和延續。比如，女性懷孕期間表現出的Th1細胞抑制狀態使得孕婦對于結核分枝桿菌易感，但卻降低了胎兒受到免疫攻擊的風險[5-7]。這種調節機制對整個種族的延續更有利。因此，不能根據單個基因的分析結果說明某種基因是“好的”或者“不好的”，更不能盲目地對基因進行所謂的修復和改造。因為“獲得”的同時必然會付出“代價”。目前，我們對基因相互作用機制的研究多數還處于管中窺豹的階段，此后的發展需要依賴計算機技術及網絡技術的快速進步。鑒于單個計算機的計算能力有限，科學家便建立了“云計算”體系，利用網絡獲取更多的計算力資源，解決以往無法完成的數學模型運算，使得我們終將有能力對更多的基因相關性進行分析，使我們對結核易感性的認識從理論過渡至實踐。隨著人類基因組計劃的逐漸完善，結核病相關基因的系統進化樹圖譜也即將呈現。隨之，我們將看到人體對于結核分枝桿菌的易感性或耐受性在不同時期、不同地域、不同人種間的進化變遷；在整個人群的基因背景下，我們可以充分理解個體基因多態性的意義，進而識別其中真正易感的人群[8-10]。

二、結核病的早期預測和大數據的應用

結核病診斷技術的改進始終沒有停下腳步。過去幾十年，世界衛生組織及各種抗結核病組織都致力于研發快速準確的結核病診斷技術。隨著顯微鏡觀察藥物敏感度檢測技術(MODS)、核酸擴增技術(NAA)，以及結核分枝桿菌快速培養系統(如BACTEC MGIT 960)的推廣和改進，全球結核病疫情切實得到了控制。盡管如此，全球結核病負擔仍舊沉重，每年仍有140萬例患者死于結核病。目前，在結核病的早期診斷領域，全球公共衛生系統主要致力于開展以下3個方面的工作：(1)改進傳統的診斷方法，如推廣顯微鏡觀察藥物敏感度檢測技術、采用Xpert Mtb/RIF系統代替傳統核酸檢測方法、對高負擔地區工作人員進行結核病檢測技術培訓；(2)強化醫療系統對結核病的早期癥狀識別意識，如開展社區宣傳活動；(3)通過疾病預防控制中心跟蹤監測，發現結核病接觸者及感染者，并進行早期干預。這些方法對于結核病的早期診斷均有重要意義，但仍不能滿足控制結核病的需求。

我國政府非常重視大數據工作。2015年9月，國務院印發《促進大數據發展行動綱要》，系統部署大數據發展工作，在未來5～10年打造精準治理、多方協作的社會治理新模式，形成大數據產品體系，完善大數據產業鏈。“醫學大數據”概念是指不僅僅使用循證醫學范疇中廣泛應用的隨機分析法(抽樣調查)的捷徑，而采用所有數據進行分析處理。簡單來說，在互聯網和數據處理能力極其發達的今天，隨著數據科學的發展及數據體系的逐漸完善，海量的患者數據將會被收集、存儲。這些數據可以包括患者的基因狀態、生物標記物、代謝狀況等信息，也可以包括患者的生活習慣、工作情況、個人嗜好等信息。通過特定的數據格式轉換，使數據信息得到合理的儲存。這些以往無法建立聯系并進行分析的數據，在大數據時代都可以進行分析，并得到其與結核病發病的相關性。大數據對于疾病診斷的意義不止于數據量本身，更在于其中的實用性。醫學從最早的經驗醫學發展為循證醫學，是建立在對于大樣本病例研究統計的基礎上的；從單中心研究到全國多中心研究，再到全球多中心研究，所獲得的信息不同，得到的數據價值也不同。大數據的應用即是將這種研究規模進一步擴大，甚至可能達到全人類資料的研究。這樣得到的信息將會在最大程度上實現“精準”。超大樣本、超多變量的數據分析方法包括維數縮減、分類并歸、分級、回歸分析。維數縮減的常用算法是主分量分析法(PCA)，它把給定的一組相關變量通過線性變換轉成另一組不相關的變量，通過用較少的變量去解釋原來資料中的大部分變量。回歸分析用以分析數據內在規律，進而可以判斷已知數據(患者的臨床資料)與特定事件(發生結核病)的相關性。這種分析方法需要基于高通量數據流，以及巨大的運算能力才能建立；有效數據越多越詳細，預測的準確性就越好[9，11]。結核病防治工作中大數據的管理與研究，縱向上需要整合從社區衛生中心到三級結核病定點醫院，從結核病專科醫院到綜合醫院，從縣級疾病預防控制中心到國家級疾病預防控制中心的資源；橫向上要聯合并共享各國甚至全球結核病資源，在點的層次上要切實收集每一例患者的癥狀、體征、實驗室標本及檢測結果、診療方案、療效收集、預后隨訪等基礎數據，在面的層次上要做到對于結核病相關工作的大樣本、多變量數據的管理和分析，才能為結核病控制工作更大程度地實現“精準”。

三、病原菌的精確分型

在精準醫學的研究方向上，結核病與癌癥有明顯不同。后者僅關注人體基因組，而前者需要同時關注人體基因組及細菌基因組的變化，甚至可以說現階段對細菌基因組的研究比對人體基因組的研究更有臨床價值。在結核病的治療上，病原菌的鑒定及基因多態性研究意義重大。因為病原菌的分離和藥物敏感性試驗(簡稱“藥敏試驗”)結果是制定合理治療方案的基礎(尤其是耐藥結核病)。所幸，結核分枝桿菌基因組測序沒有人體基因組測序那么復雜。目前，已經在結核病基因組學的研究上取得了一定的成果，我們可以通過全基因組測序來發現結核分枝桿菌的耐藥位點，并且這種檢測可以預測大部分的表型耐藥[12-13]。目前，主要的問題是如何促進精準檢測手段的廣泛應用。

我國目前常用的結核分枝桿菌的分離鑒定主要依賴于羅氏培養基固體培養及基于BACTEC MGIT 960或BacT/Alert 3D的液體培養系統，部分實驗室還可以開展核酸擴增檢測。盡管我們可以培養出病原菌并進行藥敏試驗，但對病原菌的判斷方面仍未達到“精準醫學”的要求。舉例來說，研究已表明大多數結核病患者受到結核分枝桿菌復合群的混合感染，其臨床表現取決于優勢菌群或毒力較強的菌群。這些菌群同時存在于人體，但一般臨床實驗室僅能分離到其中優勢菌株。這些非優勢菌株中可能有耐藥菌存在(但在復合群中生長受到抑制)，如果優勢菌株為非耐藥菌，而患者接受了一線抗結核治療，那么有可能導致耐藥菌被篩選出來，出現耐藥結核病。此外，結核分枝桿菌亞種之間很可能存在協同作用。研究發現，卡介苗的接種可能會促使既往有結核病史的患者出現復發[14]；也有學者發現結核分枝桿菌菌株之間存在“復蘇促進因子”[15-16]，使得結核病復發。面對這種情況，明確菌群的實際生長情況對于臨床診治非常必要，這是精確治療的基礎。目前，國際通行的檢測手段并不能取得良好的敏感度。針對這種情況，我們可以采用結核分枝桿菌散在分布重復單位和多位點串聯重復序列(MIRU-VNTR)分析法，IS6110限制性片段多態性分析(RFLP)，以及全基因組測序等方法。其中，全基因組測序是最為精準的病原菌分型方法，理論上只要是已知菌株都可以測出。隨著基因組技術的發展、檢測成本的降低，這類技術必定會造福患者。

四、藥物的人體適應性

不同的個體對于藥物的耐受性不同，同一個體在不同時期、不同環境下對于藥物的耐受性也不同。在長療程的抗結核藥物治療方案中，需要考慮患者對于藥物的耐受性。個體化調整藥物劑量以達到適當的藥物治療濃度為目的，既達到治療效果，也要預防藥物不良反應。機體對于藥物的耐受性基于一系列作用機制，既存在個體基因多態性的差異，也受到環境因素、營養狀況、飲食習慣等影響。因此，不能通過單一作用通路來解釋或預測，但是通過基因或生物標記物的檢測可以幫助患者避開高風險的藥物，提高用藥安全性，實現精準治療。以氨基糖苷類抗生素的耳毒性為例，研究表明線粒體核糖體的某些變異與氨基糖苷類抗生素發生耳毒性有關。其中，最有名的基因就是線粒體MT-RNR1基因中的A1555G位點變異[17]。對于需要長期使用氨基糖苷類抗生素的結核病患者，如果基因檢測不存在此位點，那么氨基糖苷類抗生素產生耳毒性的風險會大大降低，反之，則應避免使用氨基糖苷類抗生素。再如，在抗結核治療的過程中，肝功能損傷是最常見的不良反應，然而尚無有效方法避免其發生。肝損傷不僅影響藥物耐受性，也影響患者的依從性，導致治療失敗，甚至出現生命危險。藥物誘發的肝損傷是一種異質性的疾病，沒有特定的基因能與特定的肝損傷表型建立確切聯系。這提示藥物誘導的肝損傷可能是多因素聯合作用的結果[18]。目前，已知風險因素包括基因、免疫及代謝因素。在未來的10年里，人類全基因組分析可能會為我們帶來答案。

綜上所述，精準醫學不是一個孤立的醫學口號，它是人類科學技術發展到一定階段的必然成果。在基因技術、數據科學、計算機及網絡技術發展的基礎上，精準醫學必將會走得更遠，為醫療領域帶來變革。人類與結核病已經斗爭了上千年，在這個過程中，人類通過對科學技術的掌握獲得了越來越多的優勢。筆者拋磚引玉，僅就結核病臨床診治中某些方面的內容闡述了一些粗淺的認識，希望引起更多同道的廣泛關注。在如今的革新大潮中，我們更需要抓住機會，更深入地了解我們的對手，了解我們自己，從而為這場戰爭畫上完整的句號。

[1] Png E, Alisjahbana B, Sahiratmadja E, et al. A genome wide association study of pulmonary tuberculosis susceptibility in Indonesians. BMC Med Genet, 2012, 13:5.

[2] M?ller M, de Wit E, Hoal EG. Past, present and future directions in human genetic susceptibility to tuberculosis. FEMS Immunol Med Microbiol, 2010, 58(1): 3-26.

[3] Rajaram MV, Ni B, Dodd CE, et al. Macrophage immunoregulatory pathways in tuberculosis. Semin Immunol, 2014, 26(6): 471-485.

[4] Azad AK, Sadee W, Schlesinger LS. Innate immune gene polymorphisms in tuberculosis. Infect Immun, 2012, 80(10): 3343-3359.

[5] Singh N, Perfect JR. Immune reconstitution syndrome and exacerbation of infections after pregnancy. Clin Infect Dis, 2007, 45(9): 1192-1199.

[6] Piccinni MP. T cell tolerance towards the fetal allograft. J Reprod Immunol, 2010, 85(1):7175.

[7] Mathad JS, Gupta A. Tuberculosis in pregnant and postpartum women: epidemiology, management, and research gaps. Clin Infect Dis, 2012, 55(11): 1532-1549.

[8] 張興旺,李晨暉, 秦曉珠. 云計算環境下大規模數據處理的研究與初步實現. 現代圖書情報技術， 2011,(4)：17-23.

[9] 李國棟. 大數據時代背景下的醫學信息化發展前景. 硅谷，2013,(19)：7-8.

[10] Donkor ES. Sequencing of bacterial genomes: principles and insights into pathogenesis and development of antibiotics. Genes (Basel), 2013,4(4):556-572.

[11] 耿直. 大數據時代統計學面臨的機遇與挑戰. 統計研究，2014，31(1)：5-9.

[12] Coll F, McNemey R, Preston MD, et al. Rapid determination of anti-tuberculosis drug resistance from whole-genome sequences. Genome Med, 2015, 7(1):51.

[13] Coll F, Preston M, Guerra-Assun??o JA, et al. PolyTB: a genomic variation map forMycobacteriumtuberculosis. Tuberculosis (Edinb), 2014, 94(3):346-354.

[14] McShane H, Jacobs WR, Fine PE，et al. BCG: myths, realities, and the need for alternative vaccine strategies. Tuberculosis (Edinb), 2012, 92(3):283-288.

[15] Biketov S, Potapov V, Ganina E, et al. The role of resuscitation promoting factors in pathogenesis and reactivation ofMycobacteriumtuberculosisduring intra-peritoneal infection in mice. BMC Infect Dis, 2007, 7: 146.

[16] Davies AP, Dhillon AP, Young M, et al. Resuscitation-promoting factors are expressed inMycobacteriumtuberculosis-infected human tissue. Tuberculosis (Edinb), 2008, 88(5):462-468.

[17] Fischel-Ghodsian N, Prezant TR, Bu X, et al. Mitochondrial ribosomal RNA gene mutation in a patient with sporadic aminoglycoside ototoxicity. Am J Otolaryngol, 1993, 14(6):399-403.

[18] Daly AK, Day CP. Genetic association studies in drug-induced liver injury. Drug Metab Rev, 2012, 44(1):116-126.

(本文編輯：李敬文)

Precision medicine on tuberculosis diagnosis and treatment

LIUXu-hui,LUShui-hua.

DivisionofTuberculosis,ShanghaiPublicHealthClinicalCenter,Shanghai201508,China

LUShui-hua,Email:tubercle@shaphc.org

There is no doubt thatMycobacteriumtuberculosis, which acquired unique features and viability to survive under evolutionary selection for thousands of years, is the best practitioner of Darwinian evolution. Until now, humankind still can’t eliminate tuberculosis worldwide. For this purpose, we require a more thorough understanding of our old enemy. ‘Precision medicine’ comes along with the right opportunity for us to comprehend the mechanism of tuberculosis from more precise perspective, which is based on the development of genomics, data science and advanced information technology. This paper will discuss the applications of precision medicine concept in tuberculosis management.

Tuberculosis; Diagnosis; Individualized medicine

10.3969/j.issn.1000-6621.2016.03.002

201508 上海市公共衛生臨床中心結核科

盧水華，Email: tubercle@shaphc.org

2016-01-10)