基于高通量测序技术的飞速发展以及对遗传病研究的深入，自2014年以来，世界范围内针对新生儿群体的基因组项目陆续涌现，基因组测序技术在新生儿疾病筛查方面的应用潜力逐渐被挖掘，尤其为危重症患儿的诊断提供了新的思路和工具，让更多的患儿获得了精准治疗方案，降低了新生儿残疾率和死亡率。

“遗传性出生缺陷约占总出生缺陷的30%。遗传病的临床表现在疾病早期往往并不典型，尤其在重症监护病房的新生儿中可能尚未完全显现，还有可能被其他临床症状所掩盖，这些都给病因的明确诊断带来阻碍。在新生儿危重症临床队列的实践中，我们尤为重视融合表型和基因型数据，争取在‘多组学’模式下更好地评估遗传变异的致病性，刻画遗传性疾病的变异图谱，为临床精准诊疗提供更多科学依据。”日前，在“2023队列研究及精准医学转化学术论坛暨第三届因美纳NGS大会”上，复旦大学附属儿科医院副院长周文浩教授对医谷记者表示。

15%新生儿危重症与遗传性疾病相关，基因组测序为明确病因提供工具

危重症患儿是遗传性疾病的高发人群，遗传因素导致的脏器功能衰竭是危重症患儿死亡的重要原因之一。周文浩教授指出，大约5%的新生儿需要进入重症监护病房，主要由于其器官、脏器功能发育不成熟导致其难以适应外部环境，或是由于一些遗传或者环境因素造成其无法在宫外良好生存。遗传病学分析通过在基因组学层面揭示基因缺陷问题，从而及时采取针对性的治疗措施，可以在重症监护病房中发挥积极作用，对降低新生儿死亡率意义重大。

“快速全基因组测序可以明确诊断40%-50%的新生儿疾病，其中约有3/4患儿的预后能够通过改变治疗决策得到改善，然而这一比例在患儿5岁以后则仅为1/4左右，即便诊断率差不多。这意味着尽早发现遗传性疾病对于新生儿危重症救治具有重要意义，这也是目前新生儿基因筛查应用的主要方向，即用于快速找到危重症患儿发病的原因，已经发现15%的新生儿危重症与遗传相关。”周文浩教授说道。

全基因组测序是目前检测范围最广的分子基因检测技术，针对生物体完整的基因组序列进行测序，涵盖基因组编码区和非编码区，能同步检测多种变异类型，且由于没有捕获建库过程，整体实验流程较其他需要捕获建库的高通量测序实验更短，可以满足疑难危重症患儿需要快速诊断的需求。

据悉，由包括周文浩教授在内的全国13位权威专家编写的中国首个《危重新生儿遗传性疾病快速全基因组测序专家共识》已于2021年发布，对于危重新生儿的临床快速诊断具有指导意义。随着技术迭代，如今快速全基因组测序可以在24小时内明确所有遗传基因，能够一揽子发现染色体的微缺失、微重复、单个基因突变的位点等多种问题。

“全基因组测序技术具有全面且相对较快的优势，近年来随着测序成本的下降在临床上的应用范围持续扩大，可满足新生儿重症监护病房的需求。危重或高度怀疑遗传性疾病的新生儿建议进行快速全基因组测序以获得遗传诊断。”周文浩教授表示，针对健康新生儿人群全基因组筛查，英国已启动了十万新生儿基因图谱计划，届时可以获得相关数据进行分析，帮助遗传病早发现、早治疗，还可以研究药物代谢问题，指导药物使用、健康管理等。

目前，世界上已知有近7000种罕见病，约80%的罕见病是源于基因缺陷导致的遗传病。周文浩教授强调，虽然产前筛查可以发现染色体异常、染色体微缺失微重复等结构问题，但无法发现功能性基因突变导致的问题，比如孩子出生后活动少、抽筋、感染等，只有将产前筛查和新生儿筛查有机结合，才能更好地让患儿存活下来，减少后遗症的发生。

研究挑战重重：依从性差、随访不易、连续数据追踪难、信息化程度要求高

2016年，中国遗传学会遗传咨询分会联合复旦大学附属儿科医院发起了“中国新生儿基因组计划”，时至今日已经对4万多名患儿进行了诊断，影响了1/3的临床决策。

“自2010年以来，我们建立了一个遗传病诊断平台，通过基因组学技术先将危重症患儿遗传病的基因序列找出来，结合致病基因、疾病位点和表型，运用相关算法，建立完整的数据库，并进行具体的队列设计，将这些技术融入基因组计划中，从复旦儿科推广至全国多家医院。” 周文浩教授回忆说。

针对所有新生儿开展全基因组测序不太现实，因此需要进一步筛选出高危人群。于是，周文浩教授团队基于临床表型增加了脑电图检查、遗传代谢疾病筛查等手段，建立了诸如新生儿神经发育障碍队列，以了解中国新生儿中常见的发育障碍的遗传特征，包括染色体有多少、单个基因改变多少等，这其中大部分是常染色体显性遗传病（AD），再结合产前筛查，可以进一步提升诊断率，更精准地进行饮食控制、调整药物选择。

“与此同时，病例数量的不断积累也可以‘反哺’新的致病基因的明确。我们会做二次分析，将原先诊断不明确或阴性的情况进行自动筛查，了解针对某一个位点的发展规律，逐步建立相应队列的数据库。当在临床诊断中发现某一个位点时，可以通过数据库查看这一位点是否具有致病性，或者这一基因是否与具体的临床疾病相关，避免盲目地进行基因筛查，这对于临床诊断大有助益。”周文浩教授解释道。

由于新生儿群体的特殊性，开展队列研究并不容易。“对于重症监护病房中的患儿尤其是早产儿而言，随访时回到医院做一个检查项目，对于孩子和家长来说都是考验。”周文浩教授坦言。在其团队在厦门开展的0至6岁婴幼儿脑智发育队列研究项目中，甚至想方设法使用了一些技巧才让孩子适应磁共振的环境，从而获取有效的检查结果。

此外，连续数据的追踪非常重要，这也是最难做到的部分，主要由于家庭的流动性比较大，且家长对于一个问题的看法会发生改变，因此需要一个非常优秀的随访团队。周文浩教授认为，已退休的护士、护士长可以堪此重任，他们通常能够很好地做好患者沟通、健康管理咨询以及信息采集，提升患儿的依从性。此外，人工智能也有望更好地解决这一难题。

需要指出的是，在医院中开展新生儿队列是有前提条件的。“要有一个信息丰富的预测表单，同时在每一个电子病历系统中我们能很容易地把完整的信息抽取出来，在随访过程中能够把每一个维度的信息自然而然变成一个随访的项目，形成一个结构化、数字化、智能化的表单，才能确保基因表型的完整性，便于之后进行回顾性分析。”周文浩教授表示。

未来大有可为：更广泛人群应用、解决临床实际问题、数据交叉融合、队列纵向跟踪

目前，研究团队已经用全基因组测序技术完成危重症患儿高发遗传性疾病的筛查，是否可以推广至更广泛人群？对此，周文浩教授认为这主要取决于三个条件，一是测序成本足够低廉；二是报告足够客观，有指向性，能够解决大部分问题；三是疾病的综合管理能力是否能跟上，真正让新生儿更好成长。

另一方面，研究团队也在基于积累的大量数据，在全基因组测序之外，探索使用成本更低、速度更快的靶向测序策略，以助于聚焦专病并与专科医生开展合作。

谈及如何运用队列的实践经验或经队列验证的方法、技术更好地解决临床问题？周文浩教授以黄疸为例表示，100个黄疸患儿中真正需要住院的只有10个，可以通过远程传送比色卡或者运用可穿戴设备进行面容识别等判断黄疸的严重程度，也可以在早期发现时到社区医院检查。

值得一提的是，队列管理关键之一在于数据的交叉融合。“在基因组学领域，需要分析的数据庞大且多样，除了基因组数据，更多的是表型数据，涵盖一个孩子从出生开始的成长关键时刻，比如体格发育、运动发育等，可以通过远程的方法收集这些数据，包括生化体检、血常规、脑电数据、行为学测量等。”周文浩教授认为，这是未来专病队列或者健康管理队列需要解决的重要问题，需要将各种技术融合在一起，构建一个具有预测和预警功能的综合管理平台系统。

周文浩教授透露，新生儿基因组队列最新进展出来后，研究团队希望能够将普通疾病队列、高危疾病队列与遗传队列有机衔接在一起，在孩子出生的时候早期检测出生物标志物和预警指标之后进行干预，建立高危的纳入标准和排除标准。同时，针对这一标准，形成一套便于在基层推广的基因检测方法，结合质谱数据、蛋白组学数据、脑电信息等，在日常医疗工作的基础上，对队列进行纵向跟踪。

“虽然新生儿危重症研究队列丰富了临床知识，帮助很多患儿获得了更精准的治疗方案，但只能解决早期重症的早筛、早诊和早治，而药物基因组学、复杂疾病分析、晚发性遗传病等各类问题还有待解决，需要更好的策略进一步推动综合性随访管理。同时，新生儿队列还可以反哺产前队列，目前我们仅能够解决60%出生遗传缺陷的诊断，若能将在新生儿队列中获取的经验用于产前筛查方案的优化，这一比率将进一步提升。此外，若要把队列研究真正往全人群铺开、推广，可能还需要更多的思考和更多的设计，也需要更多的机构共同推动。”周文浩教授最后总结道。