机器学习模型突破产前遗传检测难题:血液表观遗传签名可跨组织识别唐氏综合征

2026年8月11日,News Medical援引加拿大多伦多病童医院(SickKids)发布的消息报道,该院临床遗传学家Rosanna Weksberg团队开发出一种新型机器学习模型,有望显著提高产前遗传检测中「不确定意义变异」(VUS)的判读能力。该研究成果发表在权威期刊《The American Journal of Human Genetics》上,核心创新在于把血液来源的表观遗传签名(episignatures)转化为「组织无关」的识别模式,使同一签名可以在多种组织类型中保持可识别性,为未来使用羊水、胎盘、唾液或口腔拭子等更广泛的样本进行产前遗传诊断辅助提供了技术基础。这一突破对包括亲子鉴定在内的所有依赖DNA分析的遗传检测服务都具有重要的方法论意义。

一、产前遗传检测的现实困境:三分之一变异无法判读

随着基因组测序技术的快速进展,越来越多的家庭能够在产前阶段获得胎儿基因组的详细信息。医生可能发现新的遗传变化,但根据SickKids临床遗传学家Rosanna Weksberg的介绍,在约三分之一的检测案例中,临床人员无法判断新发现的DNA变化究竟属于异常,还是正常发育范围内的变异。这种难以归类的变异被称为「不确定意义变异」(VUS),在现有证据下难以简单归为有害或无害,会给部分准父母带来明显的不确定性和心理压力。从临床实践角度看,VUS的存在严重制约了产前遗传咨询的效果。医生无法给出明确的风险评估,准父母也无法据此作出可靠的妊娠决策。Weksberg实验室长期研究表观遗传,即影响基因开启和关闭的因素,他们认识到,VUS判读困难的根本原因在于人类对基因功能理解的局限性,以及对各种组织在不同发育阶段基因表达模式的认识不足。如果能找到一种方法把血液样本中识别的特征「迁移」到其他组织,就有望突破这一困境。

二、episignatures技术与EpigenCentral平台基础

Weksberg团队的核心研究方向是episignatures,即DNA中可提示特定遗传疾病存在的化学标签。这种化学标签主要是DNA甲基化模式,不同疾病会在基因组的特定区域留下特征性的甲基化「指纹」,通过检测这些指纹,可以判断个体是否患有某种特定的遗传疾病。2020年,该团队推出了EpigenCentral平台,使用血液来源的表观遗传签名数据,帮助医生判断某个变异更可能致病还是良性。迄今,Weksberg实验室已帮助建立60多种表观遗传签名,其中多数已在临床诊断中获得证明。EpigenCentral平台整合了大量公开的甲基化数据集,使临床医生能够将患者的检测结果与已知签名进行比对,从而得出更可靠的判读结论。然而,这类模式此前具有组织特异性:血液中识别出的签名不能直接用于其他组织。这严重限制了episignatures在产前场景中的应用,因为产前检测常使用羊水或胎盘组织,与血液的组织特征差异显著。要让血液识别的签名在产前样本中同样有效,需要一种「跨组织转换」的方法,这正是本次研究的核心创新。

三、机器学习模型如何实现「组织无关」识别

为解决跨组织识别的难题,研究人员开发了机器学习方法,把血液来源的表观遗传签名转化为「组织无关」模式,使其在多种组织类型中保持可识别性。具体方法上,Weksberg与Sanaa Choufani共同领导的研究团队,使用266名唐氏综合征患者样本生成血液来源表观遗传签名,并用850名有无唐氏综合征个体的公开DNA甲基化数据训练模型,覆盖6种产前和产后组织类型。模型在所有测试组织中准确识别出唐氏综合征模式,说明血液来源签名可被转换为跨组织识别疾病特异性表观遗传签名的工具。这项技术的关键创新在于,机器学习算法能够学习不同组织之间甲基化模式的「映射关系」,将血液中识别的特征「翻译」为其他组织中的对应特征。一旦训练完成,医生就可以使用孕妇的血液样本,获得与羊水或胎盘组织等效的检测结果,既避免了侵入性取样对胎儿的风险,也保留了表观遗传签名的诊断价值。该研究为建立通用的「跨组织episignatures平台」奠定了基础。

四、对产前检测和亲子鉴定行业的启示

这项技术突破对包括亲子鉴定在内的整个遗传检测行业都有深远影响。首先,在产前亲子鉴定领域,目前的无创胎儿亲子鉴定主要依赖母体静脉血中胎儿游离DNA(cffDNA)与疑父样本的比对,采用二代测序技术对13000+个SNP位点进行分析,准确率已非常高。但是,如果胎儿存在某些染色体异常或单基因疾病,可能会影响cffDNA的浓度或片段分布,导致检测结果出现异常。episignatures技术与亲子鉴定结合,可以提供额外的质量控制信号,确保检测结果的可靠性。其次,在罕见病诊断领域,该模型可以扩展应用到其他60多种已知episignatures对应的疾病诊断中,如Angelman综合征、Prader-Willi综合征等。这对于有家族遗传病史的夫妇意义重大,可以在孕前或产前明确胎儿的患病风险,作出科学的生育决策。再次,跨组织识别能力意味着未来有望使用孕妇的简单血液样本,同时完成胎儿染色体疾病筛查、单基因疾病诊断、以及亲子关系确认「三位一体」的检测,极大提升产前检测的效率和可及性。

五、技术局限性与临床应用前景

研究者明确指出,该研究目前仍处方法验证阶段,尚不等同于常规产前诊断标准,实际应用还需进一步临床验证。从方法学角度看,机器学习模型的性能依赖于训练数据的数量和多样性,本次研究虽然使用了850名个体的公开数据,但覆盖的组织类型和疾病种类仍有局限性。不同种族、不同地理人群的甲基化模式可能存在差异,模型在不同人群中的表现还需要进一步验证。此外,模型对罕见变异的识别能力、对低质量样本的容错能力、对新型突变的适应性,都需要在更大规模的临床研究中加以确认。即便如此,这一研究方向已经被国际同行高度认可。《American Journal of Human Genetics》是人类遗传学领域的顶级期刊,该研究能够在该刊发表,意味着其方法学创新得到了严格的专业评审。可以预见,未来3-5年内,随着更多研究和临床数据的积累,跨组织episignatures技术有望逐步走向临床应用,为产前遗传检测领域带来革命性的变化。SickKids医院也表示将继续推进相关研究,扩展更多疾病类型和更多组织样本的训练数据,提高模型的泛化能力和临床实用性。

六、用户如何选择合规的产前检测服务

面对日新月异的产前检测技术,普通用户在选择服务时应当关注以下几点。第一,选择具备资质的医疗机构或检测机构。产前检测属于医疗行为,应当由具备《医疗机构执业许可证》或相应检测资质的机构开展。第二,关注检测方法的科学性和临床验证程度。任何新技术在临床应用前都需要经过严格的科学验证,用户应优先选择有权威机构背书、临床数据充分的技术方案。第三,了解检测的局限性。产前检测不是万能的,任何检测方法都存在假阳性、假阴性的可能,用户应当充分理解检测结论的不确定性,必要时结合多种检测手段综合判断。第四,重视遗传咨询服务。产前检测报告往往包含复杂的遗传学信息,普通用户难以独立理解,应当选择提供专业遗传咨询服务的机构,确保检测结果能被准确解读和合理使用。第五,关注隐私保护。基因数据属于高度敏感的个人信息,用户应当选择有完善隐私保护机制的机构,确保基因数据不被滥用或泄露。对于有亲子鉴定需求的用户,同样应当选择具备《司法鉴定许可证》且业务范围包含法医物证鉴定的合规机构,确保鉴定报告的法律效力。如果您希望了解最新的产前检测技术或亲子鉴定服务,欢迎访问我们的官网:https://www.5188dna.cn/about/ ,或拨打全国服务热线 13245861323 ,专业团队将根据您的具体情况,提供合规、科学、保密的咨询服务。