大规模基因研究中的性别差异可能会影响结果

全基因组关联研究(GWAS)分析不同个体全基因组的遗传变异集，看它们是否与性状或疾病有关。这种研究越来越大，在某些情况下，涉及数百万参与者。这意味着研究人员可以看到，越来越小的影响会增加与疾病或性状相关的基因数量。

芬兰赫尔辛基分子医学研究所的Andrea Ganna博士说：这对我们有好处，因为它使我们能够更多地了解遗传因素对我们的组成、行为和疾病状态的影响。由于新冠的流行，他的团队在欧洲人类遗传学学会第53届年会上的研究今天(星期一)在网上举行。然而，这个好消息也有消极的一面。大量的数据意味着偏差会扩散并影响我们的结果。其中，最难控制的是参与偏差——研究的参与者不是随机的人，而是与自己的参与有共同点的人。

举一个极端的例子，如果我们想让一个职业篮球队的参与者知道人们的身高或体质，结果根本不能代表一般人群。然而，加纳博士说，即使是低水平的参与偏见也会使结果有偏见。

例如，最近的一项研究对不止一次参与基因研究的人进行了研究，结果显示了他们与教育水平之间的相关性。研究人员着手更好地描述这种偏见的后果。为此，它们需要一个在非性染色体上没有遗传决定的特征，并且可以提前确定与这些基因无关的特征。英国爱丁堡大学的合著者尼古拉皮拉斯图评论说：我们唯一能确定的不涉及性染色体外部遗传的领域是男女之间的遗传差异。应该是完全负面的。该团队对300多万人的数据进行了相关性研究，以找出哪种基因变异显示了男性和女性在参与研究频率上的差异。令我们惊讶的是，我们发现了150多个这样的差异位点。例如，我们发现男性比男性具有更高的身体质量指数等位基因2，这表明具有更高遗传体重的女性比男性更不可能参与群体研究。这只能与驱动男女参与的特征差异有关。皮拉斯图博士说，我们在不同的队列中也看到了类似的结果，这证实了我们的假设。我们发现了150个这样的差异位点。例如，我们发现男性比男性具有更高的身体质量指数等位基因2，这表明具有更高遗传体重的女性比男性更不可能参与群体研究。这只能与驱动男女参与的特征差异有关。皮拉斯图博士说，我们在不同的队列中也看到了类似的结果，这证实了我们的假设。我们发现了150个这样的差异位点。例如，我们发现男性比男性具有更高的身体质量指数等位基因2，这表明具有更高遗传体重的女性比男性更不可能参与群体研究。这只能与驱动男女参与的特征差异有关。皮拉斯图博士说，我们在不同的队列中也看到了类似的结果，这证实了我们的假设。

这些发现强调了科学家们意识到基因研究中仔细研究和设计的必要性，以及仔细选择病例和对照的重要性。为了得出有用的结论，参与偏差的风险应该最小化。如果在涉及男性和女性的研究中存在这些偏见，那么在观察疾病时，将更难区分真正的结果和由偏见引起的结果。比如最近的，我们知道那些经过新冠检测的人不是随机选择的，有共同的特征，所以正确选择对照，知道是否有遗传决定因素是非常重要的。加纳博士说，我认为我们的研究表明，如果我们不这样做，会带来什么风险。

目前，所有的证据都表明，参与偏见足够温和，不会成为一个大问题。但是，当计划从大型队列中收集数据以及在多个时间点收集参与者的数据时，必须考虑这些数据。例如，从出生时收集的血点中随机选择一组人进行基因分型将是进一步验证这些偏见是否存在的好方法。我们已经证明，这将使我们能够纠正统计分析。此外，与迄今为止创建这些研究的成本相比，其成本非常小。为了从我们的分析中得出正确的结论，我们确实需要这样做。甘纳博士会得出结论。