刘旭晖 卢水华



·专家笔迹·

精准医学与结核病临床诊治

刘旭晖 卢水华

结核分枝杆菌无疑是达尔文进化论的成功实践者，其在千万年的适应性进化过程中获得了独特的生存能力。至今，人类尚无能力在世界范围内消灭结核病。为了达到消灭结核病的目的，需要从更深层次来认识我们的老对手。“精准医学”的出现给我们提供了机遇。精准医学意味着我们对疾病的认识已经从“群体共性”进化到“个体特性”的水平，它依靠的科学背景包括人类基因组学、数据科学、计算机信息技术等。由此，我们能从更宏观和更微观的角度来了解结核分枝杆菌的发病模式、结核分枝杆菌与人类基因的相互关系，以及结核分枝杆菌菌株的突变耐药机制。笔者对精准医学在结核病诊治领域的应用做初步探讨。

结核； 诊断； 个体化医学

2011年，美国国家科学院、美国国家工程院、美国国立卫生研究院及美国国家科学委员会共同发表《迈向精准医学：建立生物医学与疾病新分类学的知识网络》。这篇报告提出了通过遗传关联研究与临床医学紧密接轨，来实现人类疾病精准治疗和有效预警。2015年1月20日，奥巴马在国情咨文演讲中提出了“精准医学(precision medicine)计划”，呼吁美国要增加医学研究经费，推动个体化基因组学研究，依据个人基因信息为癌症及其他疾病患者制定个体医疗方案。随后，正式推出“精准医学计划”。从此，基因组生物学的研究领域升华到精准医学的境界。简单来说，“精准医学”就是指根据患者的个人特征量体裁衣式地制定个体化治疗方案。这不仅代表了医疗形式的发展潮流，更代表了医学“生产力”的发展和突破。作为后基因组时代的必然产物，精准医学的发展离不开其生长的土壤——基因组学的发展、数据科学的突破、计算机及网络技术的快速进步。

结核分枝杆菌无疑是达尔文进化论的成功实践者，其在千万年的适应性进化过程中获得了独特的生存能力。至今，人类尚无能力在世界范围内消灭结核病。为了达到消灭结核病的目的，需要从更深层次来认识我们的老对手。“精准医学”最早是为解决癌症及基因疾病而生，主要研究人体基因组的变化。而结核病与癌症不同，是一种由细菌导致的传染性疾病。大部分患者的基因状态对于结核病发病及预后的意义并非起决定性作用，而公共卫生防控及病原学的检测往往具有更重要的现实意义。现阶段，我国结核病患者中病原学证据仅占30%左右。从循证医学角度来看，结核病的诊断水平低于艾滋病、肝炎、疟疾等传染病，现实很骨感。然而，这并不代表结核病诊疗和防控无法踏上新时代的帆船。结核病学正从以下几个方面快速发展自身的“精准医学之路”，即：(1)结核病易感基因的筛查和干预；(2)早期结核病的精确预测和大数据的应用；(3)病原菌的精确分型与细菌的基因组学研究；(4)药物的人体适应性检测。

一、易感基因与发病

如今，已有充足的证据表明，固有免疫系统的工作状态很大程度上决定了机体是否易感结核病。因此，与固有免疫通路相关的基因多态性是决定机体易感与否的关键[1-4]。通过基因组测序及人群对照分析，已发现超过30个基因位点与结核发病有确切关系，相关的研究文献数以千计。这些基因编码的区域包括：(1)巨噬细胞受体：如甘露糖受体基因(MR，CD206)、树突状细胞特异性细胞间黏附分子-3结合非整合素因子(DC-SIGN，CD209)、树突状细胞相关性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)、甘露糖结合凝集素(MBL)；(3)吞噬因子：如肿瘤坏死因子(TNF)、白细胞介素1β(IL-1β)、IL-6、IL-10；(4)趋化因子：如IL-8、单核细胞趋化蛋白1(MCP-1)；(5)固有免疫分子：如诱导型一氧化氮合酶(iNOS)、溶质转运蛋白11AC(SLC11A1)[4]。

尽管众多研究阐明了基因位点与结核易感性的关系，但未有相关性研究达到临床实用价值。原因之一，在于这种对结核易感性的影响是多基因联合作用的结果，不仅受到基因多态性影响，也受到基因与基因之间的相互影响。如果将单基因分析扩展到多基因联合分析，工作量将呈指数增长。此外，目前对结核易感性基因多态性的研究还仅局限于结核病本身，并未充分考虑机体的整体调节机制。在人类族群面临进化选择压力时，某些基因的表达可能不利于减少结核感染，但却有利于族群的适应和延续。比如，女性怀孕期间表现出的Th1细胞抑制状态使得孕妇对于结核分枝杆菌易感，但却降低了胎儿受到免疫攻击的风险[5-7]。这种调节机制对整个种族的延续更有利。因此，不能根据单个基因的分析结果说明某种基因是“好的”或者“不好的”，更不能盲目地对基因进行所谓的修复和改造。因为“获得”的同时必然会付出“代价”。目前，我们对基因相互作用机制的研究多数还处于管中窥豹的阶段，此后的发展需要依赖计算机技术及网络技术的快速进步。鉴于单个计算机的计算能力有限，科学家便建立了“云计算”体系，利用网络获取更多的计算力资源，解决以往无法完成的数学模型运算，使得我们终将有能力对更多的基因相关性进行分析，使我们对结核易感性的认识从理论过渡至实践。随着人类基因组计划的逐渐完善，结核病相关基因的系统进化树图谱也即将呈现。随之，我们将看到人体对于结核分枝杆菌的易感性或耐受性在不同时期、不同地域、不同人种间的进化变迁；在整个人群的基因背景下，我们可以充分理解个体基因多态性的意义，进而识别其中真正易感的人群[8-10]。

二、结核病的早期预测和大数据的应用

结核病诊断技术的改进始终没有停下脚步。过去几十年，世界卫生组织及各种抗结核病组织都致力于研发快速准确的结核病诊断技术。随着显微镜观察药物敏感度检测技术(MODS)、核酸扩增技术(NAA)，以及结核分枝杆菌快速培养系统(如BACTEC MGIT 960)的推广和改进，全球结核病疫情切实得到了控制。尽管如此，全球结核病负担仍旧沉重，每年仍有140万例患者死于结核病。目前，在结核病的早期诊断领域，全球公共卫生系统主要致力于开展以下3个方面的工作：(1)改进传统的诊断方法，如推广显微镜观察药物敏感度检测技术、采用Xpert Mtb/RIF系统代替传统核酸检测方法、对高负担地区工作人员进行结核病检测技术培训；(2)强化医疗系统对结核病的早期症状识别意识，如开展社区宣传活动；(3)通过疾病预防控制中心跟踪监测，发现结核病接触者及感染者，并进行早期干预。这些方法对于结核病的早期诊断均有重要意义，但仍不能满足控制结核病的需求。

我国政府非常重视大数据工作。2015年9月，国务院印发《促进大数据发展行动纲要》，系统部署大数据发展工作，在未来5～10年打造精准治理、多方协作的社会治理新模式，形成大数据产品体系，完善大数据产业链。“医学大数据”概念是指不仅仅使用循证医学范畴中广泛应用的随机分析法(抽样调查)的捷径，而采用所有数据进行分析处理。简单来说，在互联网和数据处理能力极其发达的今天，随着数据科学的发展及数据体系的逐渐完善，海量的患者数据将会被收集、存储。这些数据可以包括患者的基因状态、生物标记物、代谢状况等信息，也可以包括患者的生活习惯、工作情况、个人嗜好等信息。通过特定的数据格式转换，使数据信息得到合理的储存。这些以往无法建立联系并进行分析的数据，在大数据时代都可以进行分析，并得到其与结核病发病的相关性。大数据对于疾病诊断的意义不止于数据量本身，更在于其中的实用性。医学从最早的经验医学发展为循证医学，是建立在对于大样本病例研究统计的基础上的；从单中心研究到全国多中心研究，再到全球多中心研究，所获得的信息不同，得到的数据价值也不同。大数据的应用即是将这种研究规模进一步扩大，甚至可能达到全人类资料的研究。这样得到的信息将会在最大程度上实现“精准”。超大样本、超多变量的数据分析方法包括维数缩减、分类并归、分级、回归分析。维数缩减的常用算法是主分量分析法(PCA)，它把给定的一组相关变量通过线性变换转成另一组不相关的变量，通过用较少的变量去解释原来资料中的大部分变量。回归分析用以分析数据内在规律，进而可以判断已知数据(患者的临床资料)与特定事件(发生结核病)的相关性。这种分析方法需要基于高通量数据流，以及巨大的运算能力才能建立；有效数据越多越详细，预测的准确性就越好[9，11]。结核病防治工作中大数据的管理与研究，纵向上需要整合从社区卫生中心到三级结核病定点医院，从结核病专科医院到综合医院，从县级疾病预防控制中心到国家级疾病预防控制中心的资源；横向上要联合并共享各国甚至全球结核病资源，在点的层次上要切实收集每一例患者的症状、体征、实验室标本及检测结果、诊疗方案、疗效收集、预后随访等基础数据，在面的层次上要做到对于结核病相关工作的大样本、多变量数据的管理和分析，才能为结核病控制工作更大程度地实现“精准”。

三、病原菌的精确分型

在精准医学的研究方向上，结核病与癌症有明显不同。后者仅关注人体基因组，而前者需要同时关注人体基因组及细菌基因组的变化，甚至可以说现阶段对细菌基因组的研究比对人体基因组的研究更有临床价值。在结核病的治疗上，病原菌的鉴定及基因多态性研究意义重大。因为病原菌的分离和药物敏感性试验(简称“药敏试验”)结果是制定合理治疗方案的基础(尤其是耐药结核病)。所幸，结核分枝杆菌基因组测序没有人体基因组测序那么复杂。目前，已经在结核病基因组学的研究上取得了一定的成果，我们可以通过全基因组测序来发现结核分枝杆菌的耐药位点，并且这种检测可以预测大部分的表型耐药[12-13]。目前，主要的问题是如何促进精准检测手段的广泛应用。

我国目前常用的结核分枝杆菌的分离鉴定主要依赖于罗氏培养基固体培养及基于BACTEC MGIT 960或BacT/Alert 3D的液体培养系统，部分实验室还可以开展核酸扩增检测。尽管我们可以培养出病原菌并进行药敏试验，但对病原菌的判断方面仍未达到“精准医学”的要求。举例来说，研究已表明大多数结核病患者受到结核分枝杆菌复合群的混合感染，其临床表现取决于优势菌群或毒力较强的菌群。这些菌群同时存在于人体，但一般临床实验室仅能分离到其中优势菌株。这些非优势菌株中可能有耐药菌存在(但在复合群中生长受到抑制)，如果优势菌株为非耐药菌，而患者接受了一线抗结核治疗，那么有可能导致耐药菌被筛选出来，出现耐药结核病。此外，结核分枝杆菌亚种之间很可能存在协同作用。研究发现，卡介苗的接种可能会促使既往有结核病史的患者出现复发[14]；也有学者发现结核分枝杆菌菌株之间存在“复苏促进因子”[15-16]，使得结核病复发。面对这种情况，明确菌群的实际生长情况对于临床诊治非常必要，这是精确治疗的基础。目前，国际通行的检测手段并不能取得良好的敏感度。针对这种情况，我们可以采用结核分枝杆菌散在分布重复单位和多位点串联重复序列(MIRU-VNTR)分析法，IS6110限制性片段多态性分析(RFLP)，以及全基因组测序等方法。其中，全基因组测序是最为精准的病原菌分型方法，理论上只要是已知菌株都可以测出。随着基因组技术的发展、检测成本的降低，这类技术必定会造福患者。

四、药物的人体适应性

不同的个体对于药物的耐受性不同，同一个体在不同时期、不同环境下对于药物的耐受性也不同。在长疗程的抗结核药物治疗方案中，需要考虑患者对于药物的耐受性。个体化调整药物剂量以达到适当的药物治疗浓度为目的，既达到治疗效果，也要预防药物不良反应。机体对于药物的耐受性基于一系列作用机制，既存在个体基因多态性的差异，也受到环境因素、营养状况、饮食习惯等影响。因此，不能通过单一作用通路来解释或预测，但是通过基因或生物标记物的检测可以帮助患者避开高风险的药物，提高用药安全性，实现精准治疗。以氨基糖苷类抗生素的耳毒性为例，研究表明线粒体核糖体的某些变异与氨基糖苷类抗生素发生耳毒性有关。其中，最有名的基因就是线粒体MT-RNR1基因中的A1555G位点变异[17]。对于需要长期使用氨基糖苷类抗生素的结核病患者，如果基因检测不存在此位点，那么氨基糖苷类抗生素产生耳毒性的风险会大大降低，反之，则应避免使用氨基糖苷类抗生素。再如，在抗结核治疗的过程中，肝功能损伤是最常见的不良反应，然而尚无有效方法避免其发生。肝损伤不仅影响药物耐受性，也影响患者的依从性，导致治疗失败，甚至出现生命危险。药物诱发的肝损伤是一种异质性的疾病，没有特定的基因能与特定的肝损伤表型建立确切联系。这提示药物诱导的肝损伤可能是多因素联合作用的结果[18]。目前，已知风险因素包括基因、免疫及代谢因素。在未来的10年里，人类全基因组分析可能会为我们带来答案。

综上所述，精准医学不是一个孤立的医学口号，它是人类科学技术发展到一定阶段的必然成果。在基因技术、数据科学、计算机及网络技术发展的基础上，精准医学必将会走得更远，为医疗领域带来变革。人类与结核病已经斗争了上千年，在这个过程中，人类通过对科学技术的掌握获得了越来越多的优势。笔者抛砖引玉，仅就结核病临床诊治中某些方面的内容阐述了一些粗浅的认识，希望引起更多同道的广泛关注。在如今的革新大潮中，我们更需要抓住机会，更深入地了解我们的对手，了解我们自己，从而为这场战争画上完整的句号。

[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] Möller 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] 张兴旺,李晨晖, 秦晓珠. 云计算环境下大规模数据处理的研究与初步实现. 现代图书情报技术， 2011,(4)：17-23.

[9] 李国栋. 大数据时代背景下的医学信息化发展前景. 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. 大数据时代统计学面临的机遇与挑战. 统计研究，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-Assunção 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.

(本文编辑：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 上海市公共卫生临床中心结核科

卢水华，Email: tubercle@shaphc.org

2016-01-10)