Геном → анализы → решения

Геном сам по себе - это только карта вероятностей. Реальная магия начинается, когда ДНК стыкуется с живыми данными: кровью, биохимией, липидами, гормонами, воспалением и динамикой во времени. Именно поэтому эта страница, возможно, важнее любой отдельной статьи про один ген. Она превращает Genomepedia из красивой энциклопедии в систему наблюдения за моим организмом.

Зачем нужна отдельная операционная статья

В проекте уже есть хорошие истории про отдельные гены. Но истории не равны протоколу. Протокол отвечает на другой вопрос: что из генетики уже требует измерений, какие результаты будут важны, и что именно публиковать после прихода анализов.

Проще говоря:

• геном говорит, где смотреть;
• анализы говорят, что реально происходит;
• повторные анализы говорят, куда всё движется.

Канонический статус ключевых находок

Ниже - текущий "source of truth" на основе локальной базы генома и уже написанных материалов проекта.

Какие анализы из текущего списка самые ценные

Ты уже заказал огромную панель. Но не все тесты одинаково важны для именно геномного апдейта. Ниже - те, которые дадут самый сильный новый материал для Genomepedia.

1. Самый важный блок: тромбоз и коагуляция

Это зона, где генетика уже не декоративная, а реально клиническая.

2. Печень: самая вероятная зона, где геном встретится с биохимией

Здесь у генетики есть хороший шанс пересечься с реальной лабораторией уже на первой волне анализов.

Если здесь придут отклонения, следующая логика почти автоматическая: FibroScan / эластография, возможно УЗИ печени и отдельная статья-апдейт к PNPLA3 и алкогольной странице.

3. Щитовидка: лучший тест на то, насколько CTLA4 уже «проснулся»

Это одна из самых красивых пар геном → анализ: CTLA4 даёт вероятностный сигнал, а щитовидные антитела и ТТГ показывают, материализовался ли он.

4. Железо: здесь у нас не только гипотеза, но и конфликт данных

Здесь есть очень важный научный момент: простая H63D-гетерозиготность обычно не делает человека классическим гемохроматозником. Поэтому если ферритин и насыщение трансферрина нормальные, это не «разочарование», а нормальный корректирующий результат. Его тоже надо публиковать.

5. Липиды: где кровь может опровергнуть слишком спокойную генетику

Если ApoB высокий, это важнее почти любой красивой фразы про «хорошую генетику». Если Lp(a) высокий, это особенно интересно именно научно: значит, на сцене могут быть изоформы apo(a), copy-number variation или более редкие генетические причины.

6. Углеводы: тут геном скорее обещает защиту, а анализы покажут правду

Какие результаты будут самыми интересными для публикации

Если смотреть не глазами пациента, а глазами исследовательского проекта, самые сильные сценарии такие:

Сценарий A: печень уже отзывается

Если АЛТ / АСТ / ГГТ окажутся повышены, это даст сразу мощный материал:

• генетический фон: PNPLA3 CG;
• возможный средовой усилитель: алкоголь / вес / питание / быстрые колебания режима;
• фенотип: реальные биохимические следы нагрузки;
• следующий шаг: FibroScan и отдельный апдейт-материал на сайт.

Это будет одна из самых сильных историй проекта, потому что она очень человеческая: ген не «предсказывает будущее», а буквально встречается с кровью.

Сценарий B: CTLA4 перестаёт быть абстракцией

Если окажутся положительными АТ-ТПО или ТТГ уже смещён, статья про CTLA4 мгновенно становится интереснее. Тогда появляется сюжет:

• мягкая генетическая предрасположенность;
• реальный аутоиммунный след;
• возможность наблюдать динамику щитовидки во времени.

Сценарий C: липидная биохимия удивит сильнее генома

Если ApoB или Lp(a) окажутся плохими, это может стать одним из лучших образовательных кейсов всего сайта. Потому что это честно показывает: геномные прокси - не замена реальному измерению.

Сценарий D: тромботическая история останется умеренной, но станет чище

Если Factor II G20210A отрицательный, это не «ничего не нашли». Это реально важный результат. Он сузит историю с FVL до более понятной и менее драматичной рамки: да, риск повышен, но без второй крупной мутации.

Что может опровергнуть наши любимые генетические сюжеты

Самые полезные результаты - не обязательно те, что подтверждают красивые идеи. Иногда важнее те, что их ломают.

1. Нормальный ферритин и нормальное насыщение трансферрина

Тогда HFE-историю нужно будет переписать гораздо спокойнее. Не «скрытая железная опасность», а «носительство низкой клинической силы без фенотипического подтверждения».

2. Нормальные АЛТ/АСТ/ГГТ

Это не отменит PNPLA3, но заставит делать акцент не на «печень уже страдает», а на том, что пока это риск-профиль без лабораторного следа.

3. Нормальный ТТГ и отрицательные антитела

Тогда CTLA4 нужно будет честно подавать как мягкую предрасположенность, а не как почти начавшуюся болезнь.

4. Высокий гомоцистеин при нормальном MTHFR C677T

Это был бы особенно ценный результат. Он бы показал, насколько интернет-мифология про MTHFR упрощает реальность. Тогда искать причину пришлось бы в B12, фолатах, B6, почках, воспалении или образе жизни, а не в одном мемном SNP.

5. Высокий Lp(a) при отсутствии двух основных частых LPA-вариантов

Это отличный научный материал: значит, на сцене не главные «знаменитые» SNP, а структура apo(a), kringle IV-2 copy number или другие редкие причины.

Минимальный протокол интерпретации после прихода результатов

Когда анализы придут, действовать лучше не хаотично, а по порядку.

Шаг 1. Сначала искать красные флаги

В первую очередь смотреть:

1. Фактор II G20210A
2. ApoB
3. Lp(a)
4. АЛТ / АСТ / ГГТ / билирубин
5. ТТГ + АТ-ТПО
6. Ферритин + насыщение трансферрина
7. Гомоцистеин

Шаг 2. Затем сопоставлять с генами, а не наоборот

Правильный порядок такой:

• сначала число,
• потом его биологический смысл,
• потом уже генетическая интерпретация.

Не так: «у меня есть SNP, значит анализ обязан быть плохим». А так: «анализ вот такой, ген объясняет это частично / не объясняет / противоречит».

Шаг 3. Публиковать не всё подряд, а связками

Лучшие будущие апдейты сайта, скорее всего, будут не "один анализ = одна статья", а связки:

• Печень: PNPLA3 + алкогольный профиль + АЛТ/АСТ/ГГТ + эластография
• Щитовидка: CTLA4 + ТТГ + АТ-ТПО + АТ-ТГ
• Сосуды: F5 Leiden + F2 + ApoB + Lp(a) + CRP + фибриноген
• Метилирование: MTHFR + B12 + фолаты + B6 + гомоцистеин
• Железо: HFE + ферритин + TSAT + общий воспалительный фон

Регулярность: как это исследовать не разово, а по-настоящему

Если делать Genomepedia всерьёз, здесь нужен ритм, а не всплески энтузиазма.

Однократно или редко

• Lp(a) - часто достаточно одного качественного измерения, если нет терапии и больших вопросов
• Factor II G20210A - один раз, потому что это ДНК
• Генетические статьи - обновлять при появлении реально новых обзоров или при приходе фенотипа

Раз в год

• печёночные ферменты;
• ApoB и базовый липидный профиль;
• ферритин и насыщение трансферрина;
• гомоцистеин;
• креатинин / цистатин C;
• CRP;
• ТТГ, особенно если будет хотя бы намёк на аутоиммунитет.

Чаще, если будет отклонение

• щитовидка - если появятся антитела или вылезет ТТГ;
• печень - если повышены АЛТ/АСТ/ГГТ;
• липиды - если начнётся терапия или образ жизни сильно изменится;
• железо - если ферритин уйдёт высоко или, наоборот, вниз.

Открытые противоречия, которые надо закрыть честно

Это, пожалуй, самая важная часть всей страницы. Потому что хороший исследовательский проект не прячет противоречия, а делает их видимыми.

1. HFE: старые заметки и база данных конфликтуют

В ранних материалах проекта местами звучит идея, что был носительский статус по C282Y. Но текущая локальная БД показывает другое:

• rs1800562 = GG → это не подтверждает C282Y;
• rs1799945 = CG → это соответствует H63D-гетерозиготности.

То есть на данный момент самая аккуратная формулировка такая: классический тяжёлый HFE-сценарий не подтверждён, а вот мягкое H63D-носительство - да. И именно кровь должна показать, имеет ли это вообще фенотипическое значение.

2. Спокойные SNP в LPA не равны спокойному Lp(a)

Отсутствие rs10455872 и rs3798220 - хорошая новость, но не индульгенция. Уровень Lp(a) сильно зависит от размеров apo(a)-изоформ и других генетических особенностей, которые 23andMe не закрывает как надо.

3. F5 уже известен, но F2 всё ещё отсутствует в чипе

Это важный технический лимит. Пока нет результата на Factor II G20210A, тромботическую историю нельзя считать полностью собранной.

4. MTHFR не должен стать козлом отпущения по умолчанию

Если гомоцистеин окажется высоким, нельзя автоматически писать «виноват MTHFR». Для моего профиля это как раз будет слишком ленивое объяснение.

Что публиковать на genome.kirniy.dev после прихода крови

Приоритет такой:

1. Большой апдейт к этой статье с реальными числами и датой.
2. Отдельная статья по самому сильному совпадению:
   • либо печень,
   • либо щитовидка,
   • либо сосуды / ApoB / Lp(a),
   • либо железо.
3. Небольшой журнал наблюдений: что подтвердилось, что не подтвердилось, что осталось открытым.

Источники

1. GeneReviews: Factor V Leiden Thrombophilia
   https://www.ncbi.nlm.nih.gov/books/NBK1368/

2. Jeemon P, et al. Current Knowledge on Factor V Leiden Mutation as a Risk Factor for Recurrent Venous Thromboembolism (2022)
   https://www.frontiersin.org/journals/cardiovascular-medicine/articles/10.3389/fcvm.2022.883986/full

3. Caligiuri A, et al. PNPLA3 in Alcohol-Related Liver Disease (2024)
   https://pubmed.ncbi.nlm.nih.gov/39679853/

4. Review / PMC summary on PNPLA3 and MASLD clinical outcomes (2024)
   https://pmc.ncbi.nlm.nih.gov/articles/PMC11815615/

5. Kavvoura FK, Akamizu T, et al. CTLA-4 CT60 (rs3087243) polymorphism and autoimmune thyroid diseases susceptibility: a comprehensive meta-analysis (2014)
   https://pubmed.ncbi.nlm.nih.gov/24697361/

6. Pan XF, et al. CTLA4 +49A/G polymorphism and Hashimoto thyroiditis susceptibility: meta-analysis (2013)
   https://pubmed.ncbi.nlm.nih.gov/23677500/

7. Gurrin LC, et al. The natural history of HFE simple heterozygosity for C282Y and H63D: a prospective twelve year study
   https://pmc.ncbi.nlm.nih.gov/articles/PMC4782752/

8. Jin X, et al. Hemochromatosis genotypes and risk of iron overload — a meta-analysis
   https://pubmed.ncbi.nlm.nih.gov/20800508/

9. Lim ET, et al. / related LPA review material on rs10455872 and rs3798220
   https://pmc.ncbi.nlm.nih.gov/articles/PMC4380064/

10. Trinder M, et al. Haplotype of the Lipoprotein(a) Gene Variants rs10455872 and rs3798220 (2024)
    https://pubmed.ncbi.nlm.nih.gov/38255810/