多年来，科学家们一直将DNA视为健康的主要驱动力——那些塑造我们疾病风险的微小基因差异。但日常经验讲述了一个不同的故事。两个拥有相似基因的人可能会走上完全不同的健康道路。
这种差异来自于其他一切：你呼吸的空气、你吃的食物、你承受的压力以及你生活的环境。
科学家将这种终身影响的综合称为"暴露组"（exposome）。现在，一项新的研究对暴露组的实际重要性进行了迄今为止最详细的审视。
健康风险呈分层出现
在哈佛医学院（HMS）进行的这项研究中，研究人员使用数十年的美国调查数据测试了超过115,000个暴露-健康关联。
结果显示了一个明确的模式。单独来看，单一暴露因素解释不了太多。但当它们累积在一起时，其综合影响开始看起来更像基因影响。
"虽然单一暴露可能不会对你的健康产生巨大影响，但累积的暴露'汤'在决定某些疾病风险方面可能与你的DNA一样强大，"HMS生物医学信息学副教授、该研究第一作者奇拉格·帕特尔（Chirag Patel）说。
健康头条并不总是一致
环境健康研究常常陷入一个熟悉的陷阱：科学家研究一种成分、一种污染物或一种营养素，然后无休止地争论它是否有害、无害或两者兼有。
帕特尔和资深作者阿俊（Raj）·马奈（Arjun Manrai）表示，这种零散的方法有助于解释为什么公众会因健康头条而感到困惑。
你可能会看到一项研究声称你储藏室里的某种东西很危险，而另一项研究则说它很好甚至有益。
事实可能是，这种影响很小，取决于环境，当你看组合而不是孤立因素时更容易检测到。
"到目前为止，该领域一直不平衡。在利用基因学进行个性化治疗方面做了更多工作，而在环境暴露方面做得不多，"帕特尔说。
"我们真的想为暴露组建立一个稳健、大规模的关联汇编，"马奈补充道。
为此，他们借鉴了基因学多年来使用的一种方法：系统地扫描一切，然后跟进最强的信号。这就是全基因组关联研究（GWAS）对DNA所做的。帕特尔和马奈想要一个暴露组等效的研究。
数据来源
研究人员没有启动一个全新的、昂贵的大型研究，而是利用了一个已经存在的宝藏：美国疾病控制与预防中心每年进行的国家健康与营养检查调查（NHANES）。
他们提取了20年的NHANES数据，并在305个健康结果（如BMI、血糖、肺功能等）中测试了619种暴露——以及与DNA相关的影响。
这创造了超过115,000个可能的关联，他们发现了5,600多个具有统计学意义的关联。
该研究并不声称这些关联证明了因果关系——NHANES是观察性的——但它提供了一种映射地形并确定最强信号所在位置的方法。
关键是组合
当他们问"这解释了多少？"——即人们健康结果之间的差异有多少可以从统计上与暴露相关联时，他们发现了什么。
在数百个结果中，单一暴露往往解释了不到1%的变异。这听起来可能令人失望，但大多数复杂疾病都源于许多小影响，不是单一巨大因素。
然后他们做了一些更接近现实生活的事情：他们同时查看多个暴露，每次结果最多考虑20种暴露。
这将解释力提高到120个结果的平均3.5%，研究团队指出，这与某些个体基因变异的效应大小在同一范围内。
换句话说，当你孤立地看待暴露时，它们往往看起来很弱，但当你将暴露组视为实际存在的——作为一个集群——它们就变得更加有意义。
"总体而言，没有单一的'银弹'；每种暴露似乎都有一点影响，而当你将它们视为整体时，暴露的影响更大，"帕特尔说。
有些暴露更重要
大多数暴露组合仍然只解释了适度的差异，但有几个脱颖而出。其中一个最强的例子涉及特定的20种暴露组合。
这些包括反式脂肪、多氯联苯（PCBs）等污染物以及维生素E水平。它们共同解释了人们甘油三酯水平43%的变异。甘油三酯是心脏病的众所周知的风险因素，因此这不是一个微不足道的关联。
研究人员强调，这种高解释力并不典型。但它证明，在某些情况下，暴露可以累积到足够大，在临床上具有重要意义。
构建健康研究路线图
研究团队将这项工作视为起点地图，而非最终答案。大规模扫描对于发现模式非常有用，但它们无法告诉你生物学机制。
它们也无法确定暴露是否导致健康结果，或者是否只是与包括DNA在内的其他因素相关。
这就是为什么研究人员将这项研究定位为起点——一个生成假设的地方，然后设计针对性研究来测试因果关系。
"像这样的大规模分析是一种无偏见、系统的方法来生成假设，但随后我们需要对暴露及其与疾病的关联进行详细的机制评估，以确定因果关系，"马奈说。"我们正在放大以找出应该缩小回哪里。"
为了使这一点成为可能，他们将结果和工具发布在一个名为"健康与疾病风险的表型-暴露图谱"的在线资源中，以便其他研究人员可以深入研究特定关联。
更智能的健康跟踪方式
帕特尔和马奈计划将这种方法扩展到包括更多暴露和结果，重点是早期生活暴露如何在几十年后塑造疾病风险。
他们还暗示了一些更未来主义但并非完全不切实际的东西。许多人已经佩戴设备来跟踪睡眠、心率、活动，有时甚至是葡萄糖。
作者设想将暴露信息分层到这种监控中，让人们更清楚地实时了解可能影响他们健康的事物。
"这可能看起来像天方夜谭、星际迷航式的愿景，但我看到了一个未来，暴露组信息与AI集成到这些系统中，使人们能够实时了解暴露如何影响他们日复一日甚至时复时的健康，"帕特尔说。
基因仍然重要。但这项研究提醒我们，就健康而言，DNA并非命运，环境也不是单一事物。它是一个不断变化的输入堆，可以随着时间的推移堆积、交互和复合。
如果医学想要认真对待预防疾病（而不仅仅是治疗已经明显的疾病），映射这个堆可能是最实用的下一步。
该研究发表在《自然医学》杂志上。
【全文结束】