亮点
– 416,085名英国生物银行参与者的全基因组数据显示，多基因风险、罕见变异基因集和体细胞克隆性造血（CHIP）各自独立增加5年新发房颤（AF）的风险。
– 携带所有三种遗传驱动因素的个体相比仅携带单一驱动因素的个体，5年AF累积发病率至少高两倍。
– 将房颤综合基因组模型（IGM-AF）与临床风险工具（CHARGE-AF）结合，使C统计量提高至0.80，并产生了适度的净重新分类改进（NRI 0.08），支持全面基因组分析的附加预测价值。
背景
房颤（AF）是最常见的持续性心脏心律失常，也是中风、心力衰竭和医疗资源利用的主要原因。AF的遗传易感性复杂，包括常见多基因变异、罕见高影响编码变异和获得性体细胞突变（克隆性造血不确定潜能，CHIP）的贡献。先前的全基因组关联研究已确定许多对AF风险有轻微影响的位点，孤立的报告将罕见致病性变异（例如，在心肌病或离子通道基因中）与AF联系起来。同时，CHIP——年龄相关的携带体细胞突变的造血克隆扩展（如DNMT3A、TET2和ASXL1基因中的突变）——已被证明与心血管疾病相关，并可能通过炎症或免疫改变机制促进心律失常的发生。这些三个遗传层次如何在人群水平上共同塑造新发AF的风险，以及整合它们是否能改善超越既定临床模型的风险预测，尚未明确。
研究设计
这项队列分析使用了416,085名英国生物银行参与者（2006-2010年招募，基线年龄40-69岁）的全基因组测序（WGS）数据。随访通过医院记录、死亡登记和自我报告确定新发AF。研究人员从已发表的GWAS信号中推导出AF多基因风险评分（PRS），构建了一个包含罕见功能变异的AF相关基因集（AFgeneset），并从WGS数据中识别出体细胞CHIP变异。临床AF风险使用CHARGE-AF评分进行估计。主要结局是5年新发AF。关联性以每标准差或每暴露类别的危险比（HRs）量化；预测性能通过C统计量和净重新分类指数评估。分析包括PRS、罕见变异和CHIP之间的相互作用测试以及调整传统风险因素和血统协变量的敏感性分析。
关键发现
人口和结局总结：队列包括416,085名个体（平均年龄56.6 ± 8.0岁；54.0%女性），随访期间确定30,797例AF病例。
独立关联
– 多基因风险评分（PRS）：每个1个标准差（SD）的PRS增加与显著更高的5年AF风险相关（HR 1.65；95% CI 1.63–1.67；P < 1 × 10⁻⁸）。这一幅度与之前的研究一致，表明多基因风险最高的人群AF发生率明显高于人群平均水平。
– 罕见变异基因集（AFgeneset）：携带符合条件的AFgeneset罕见变异的个体AF风险升高（HR 1.63；95% CI 1.52–1.75；P = 1.46 × 10⁻⁴²）。这表明，尽管个别罕见变异较为罕见，但将功能相关的变异归类为基因集揭示了有意义的人群归因风险。
– 体细胞CHIP变异：CHIP的存在与更高的AF风险相关（HR 1.26；95% CI 1.15–1.38；P = 1.41 × 10⁻⁶），支持获得性造血突变与心律失常易感性的关联。
组合效应和绝对风险
携带所有三种遗传驱动因素——高PRS、AFgeneset罕见变异携带状态和CHIP——的个体相比仅携带单一驱动因素的个体，5年累计AF发病率高出≥2倍。这表明遗传和获得性基因组风险因素对AF发展的加性（可能还有乘性）效应。虽然未详细引用绝对发病率，但该研究强调，基因组风险的组合显著分层了人群风险。
预测性能和临床整合
IGM-AF（包括PRS、AFgeneset和CHIP的综合基因组模型）与CHARGE-AF临床评分结合时，提高了区分度和风险分类。具体来说：
– 结合IGM-AF + CHARGE-AF：C统计量0.80（95% CI 0.80–0.80）。
– 将IGM-AF添加到CHARGE-AF中产生的净重新分类指数（NRI）为0.08（95% CI 0.07–0.09），表明在将个体分配到更高或更低风险类别方面有适度但具有统计学意义的改进。
这些结果表明，将全面的基因组数据与既定的临床预测因子结合可以实质性地增强AF风险预测，而不仅仅是单独使用任何一种数据类型。
稳健性和亚组分析
主要关联在调整传统心血管风险因素和血统主成分后仍然存在。作者报告称，这三个遗传成分提供了互补的信息，而不是冗余的信号，这与不同的生物学途径（多基因易感性、影响心房结构/功能的高影响罕见变异和克隆性造血的系统效应）一致。
专家评论和解释
这项研究值得注意的是，它利用了大规模的人口规模WGS来同时评估AF的常见、罕见和体细胞遗传贡献者。研究结果支持一个多层次的遗传结构，其中遗传的多基因易感性、罕见的单基因效应和获得性的体细胞突变各自加性地影响AF风险。
生物学合理性：PRS可能反映了心房电生理、传导和结构重塑的微妙终生差异。罕见的有害变异在心房或结构基因中可产生更明显的底物扰动。CHIP可能通过系统性炎症、细胞因子信号传导改变和内皮功能障碍促进AF，这些机制与心房重塑和血栓形成有关。
临床意义：增量预测价值（C=0.80，结合模型）表明，基因组增强的风险分层在AF筛查项目中有潜在用途。例如，基因组风险较高的个体可以优先进行长时间节律监测、早期风险因素干预或参加预防试验。然而，转化为实践需要仔细评估临床后果（如下游检测、抗凝阈值）、成本效益和患者及临床医生的接受度。
局限性和普遍性：有几个注意事项需要强调。UK Biobank队列不能完全代表更广泛的人群，且欧洲血统富集，可能限制了PRS和罕见变异发现向其他血统的推广。AF主要通过常规记录确定，可能会遗漏亚临床阵发性AF。从WGS中调用CHIP的灵敏度和特异性取决于等位基因频率阈值。罕见变异基因集定义和聚合策略影响效应估计并需要复制。最后，虽然预测增益在统计学上显著，但幅度较小（NRI 0.08）；这些改进是否改变管理和结果尚未得到证实。
临床和研究意义
对于临床医生：基因组分析不仅限于常见变异PRS，还包括罕见变异筛查和体细胞CHIP评估，可以在研究环境中更好地分层AF风险，但常规临床实施尚不成熟。临床医生应将基因组风险视为多因素评估的一部分，包括年龄、高血压、糖尿病、体重指数和结构性心脏病。
对于研究人员和政策制定者：关键的下一步包括在不同血统中进行外部验证、评估基因组指导筛查是否改善结果（如早期AF检测、中风预防）的前瞻性试验、成本效益分析和开发基于证据的结果返回和应对高基因组风险的路径。机制研究以剖析CHIP变异如何促进心房重塑将为靶向干预（如抗炎策略）提供信息。
伦理和实施考虑：广泛的基因组筛查引发了知情同意、数据隐私、变异解读（尤其是罕见变异）、潜在保险影响和平等获取等问题。任何部署都应纳入遗传咨询路径和强有力的治理。
结论
这项大型WGS队列研究表明，常见多基因变异、聚集的罕见致病性变异和体细胞CHIP突变各自独立预测新发AF，并对5年风险产生加性效应。将这些基因组层次与经过验证的临床风险模型（CHARGE-AF）结合，提高了区分能力并适度改善了风险分类。虽然对精准预防和靶向筛查策略有前景，但转化为实践需要在不同血统中进行复制、以结果为导向的干预试验以及对临床效用、成本和伦理影响的仔细评估。
资助和clinicaltrials.gov
资助：详见原始出版物中的详细资助和披露（Zhang et al., JAMA Cardiology 2025）。ClinicalTrials.gov：不适用（观察性队列分析）。
参考文献
1. Zhang R, Kim MS, Yin W, et al. Contributions of Common, Rare, and Somatic Genetic Variants to Incidence of Atrial Fibrillation. JAMA Cardiol. 2025 Oct 8:e253664. doi:10.1001/jamacardio.2025.3664.
2. Hindricks G, Potpara T, Dagres N, et al. 2020 ESC Guidelines for the diagnosis and management of atrial fibrillation. Eur Heart J. 2021;42(5):373–498. （框架化AF临床风险管理的指南。）
3. Bycroft C, Freeman C, Petkova D, et al. The UK Biobank resource with deep phenotyping and genomic data. Nature. 2018;562(7726):203–209.
4. Jaiswal S, Fontanillas P, Flannick J, et al. Age-related clonal hematopoiesis associated with adverse outcomes. N Engl J Med. 2014;371(26):2488–2498. （首次描述CHIP及其心血管关联的开创性研究。）
