GWAS คืออะไร? เจาะลึกวิธีที่นักวิทยาศาสตร์ค้นหาความเชื่อมโยงระหว่างยีนกับลักษณะต่าง ๆ

สรุปประเด็นสำคัญใน 1 นาที

• GWAS (Genome-Wide Association Studies) คือการสแกนจีโนมของคนจำนวนมาก เพื่อหาตำแหน่งพันธุกรรมที่ "พบบ่อยกว่า" ในกลุ่มคนที่มีโรคหรือลักษณะบางอย่าง
• สิ่งที่ GWAS เปรียบเทียบคือ SNP (จุดที่รหัสพันธุกรรมต่างกันได้ทีละตำแหน่ง) ระหว่างกลุ่มผู้ป่วยกับกลุ่มควบคุม
• Manhattan plot คือกราฟสรุปผล GWAS ยอดฮิต ยอดแหลมสูง ๆ คือตำแหน่งบนจีโนมที่สัมพันธ์กับลักษณะที่ศึกษาอย่างมีนัยสำคัญ
• หัวใจสำคัญ: ความสัมพันธ์ (association) ไม่เท่ากับสาเหตุ (causation) — SNP ที่โผล่มาไม่ได้แปลว่าเป็น "ตัวการ" ของโรคเสมอไป
• ฐานข้อมูล GWAS ส่วนใหญ่ยังมาจากคนเชื้อสายยุโรปเป็นหลัก ทำให้ผลอาจแม่นยำน้อยลงเมื่อนำมาใช้กับคนเอเชียหรือกลุ่มเชื้อสายอื่น

สวัสดีครับ ผมในฐานะแพทย์ที่ทำงานกับข้อมูลพันธุกรรมทุกวัน อยากชวนทุกคนมาทำความรู้จักเครื่องมือชิ้นหนึ่งที่อยู่เบื้องหลังข่าว "นักวิทยาศาสตร์พบยีนที่เชื่อมโยงกับโรค X" ที่เราเห็นกันบ่อย ๆ เครื่องมือนั้นชื่อว่า GWAS ครับ มันเป็นรากฐานสำคัญของพันธุศาสตร์ยุคใหม่ รวมถึงเป็นที่มาของคะแนนความเสี่ยงทางพันธุกรรมที่เราใช้กันในปัจจุบัน แต่ในขณะเดียวกันก็เป็นเครื่องมือที่ถูกเข้าใจผิดได้ง่ายมาก ผมเลยอยากอธิบายให้เห็นภาพทั้งจุดแข็งและข้อจำกัดอย่างตรงไปตรงมาครับ

GWAS ทำงานอย่างไร?

ลองนึกภาพว่าเรามีคนสองกลุ่ม กลุ่มแรกเป็นผู้ป่วยโรคเบาหวานชนิดที่ 2 อีกกลุ่มเป็นคนที่ไม่เป็น (เรียกว่ากลุ่มควบคุม) จากนั้นเรานำ DNA ของทุกคนมาอ่านที่ตำแหน่งเดียวกันเป็นล้าน ๆ ตำแหน่งทั่วทั้งจีโนม แล้วตั้งคำถามง่าย ๆ ว่า "มีตำแหน่งไหนบ้างที่รูปแบบพันธุกรรมแบบหนึ่งพบในกลุ่มผู้ป่วยบ่อยกว่ากลุ่มควบคุมอย่างมีนัยสำคัญ" — นั่นคือหัวใจของ GWAS ครับ

ตำแหน่งที่เราเปรียบเทียบเรียกว่า SNP (Single Nucleotide Polymorphism) หรือจุดที่รหัสพันธุกรรมของคนเราต่างกันได้เพียงตัวอักษรเดียว เช่น บางคนเป็น A บางคนเป็น G มนุษย์เรามี SNP ที่พบบ่อยหลายล้านตำแหน่ง และ GWAS ก็สแกนหาความสัมพันธ์ทีละตำแหน่งอย่างเป็นระบบ ขั้นตอนคร่าว ๆ มีดังนี้:

• เก็บตัวอย่างขนาดใหญ่: GWAS ที่ดีมักต้องใช้คนหลายหมื่นถึงหลายแสนคน ยิ่งมากยิ่งเห็นสัญญาณที่อ่อนได้ชัดขึ้น
• อ่าน genotype: ใช้ชิป genotyping หรือการถอดรหัสพันธุกรรม อ่าน SNP ทั่วจีโนมของทุกคน
• ทดสอบทางสถิติ: เปรียบเทียบความถี่ของแต่ละ SNP ระหว่างสองกลุ่ม แล้วคำนวณค่า p-value
• ปรับตัวแปรกวน: ควบคุมปัจจัยอย่างอายุ เพศ และเชื้อสาย เพื่อลดผลบวกลวง

Manhattan plot: อ่านกราฟยอดนิยมของ GWAS

ถ้าคุณเคยเห็นภาพกราฟที่มีจุดหนาแน่นเรียงกันเป็นแนวยาว มีแท่งสูง ๆ โผล่ขึ้นมาเป็นระยะคล้ายเส้นขอบฟ้าของเมืองที่เต็มไปด้วยตึกระฟ้า นั่นแหละครับคือ Manhattan plot ชื่อนี้มาจากความคล้ายกับเส้นขอบฟ้าของนครแมนฮัตตัน วิธีอ่านคือ:

• แกนนอน (X): คือตำแหน่งบนจีโนม เรียงตามโครโมโซมที่ 1 ไปจนถึงโครโมโซมเพศ
• แกนตั้ง (Y): คือค่า −log₁₀(p-value) พูดง่าย ๆ คือยิ่งจุดอยู่สูง ความสัมพันธ์ยิ่งมีนัยสำคัญทางสถิติมากขึ้น
• เส้นเกณฑ์: นักวิจัยมักลากเส้นที่ระดับ p ประมาณ 5×10⁻⁸ ซึ่งเป็นเกณฑ์นัยสำคัญระดับทั้งจีโนม (genome-wide significance) จุดที่โผล่พ้นเส้นนี้ถือว่าน่าเชื่อถือพอที่จะสนใจ

เหตุที่เกณฑ์เข้มงวดถึง 5×10⁻⁸ ก็เพราะเราทดสอบ SNP พร้อมกันเป็นล้าน ๆ ตำแหน่ง ถ้าใช้เกณฑ์หลวม ๆ แบบ p < 0.05 ตามปกติ เราจะเจอ "ผลบวกลวง" นับหมื่นตำแหน่งจากความบังเอิญล้วน ๆ ครับ

ทำไมความสัมพันธ์จึงไม่เท่ากับสาเหตุ

นี่คือประเด็นที่ผมย้ำกับคนไข้เสมอ เมื่อ GWAS บอกว่า SNP ตำแหน่งหนึ่ง "สัมพันธ์" กับโรค มันไม่ได้แปลว่า SNP นั้นเป็น "สาเหตุ" ของโรคโดยตรง ด้วยเหตุผลหลายข้อ:

1. Linkage disequilibrium: SNP ที่โผล่มามักไม่ใช่ตัวการจริง แต่เป็นเพียง "เพื่อนบ้าน" ที่ถ่ายทอดมาด้วยกันกับตัวแปรที่เป็นสาเหตุจริงซึ่งอยู่ใกล้ ๆ บนโครโมโซม
2. ผลกระทบเล็กน้อย: SNP ส่วนใหญ่ที่ GWAS เจอเพิ่มความเสี่ยงเพียงเล็กน้อยมาก โรคซับซ้อนอย่างเบาหวานหรือโรคหัวใจเกิดจาก SNP หลายร้อยถึงหลายพันตำแหน่งรวมกัน บวกกับสิ่งแวดล้อมและวิถีชีวิต
3. ตัวแปรกวนจากเชื้อสาย: ถ้าไม่ควบคุมโครงสร้างประชากรให้ดี ความแตกต่างทางเชื้อสายอาจสร้างความสัมพันธ์ปลอมที่ไม่เกี่ยวกับชีววิทยาของโรคเลย

ดังนั้นการที่คุณมี SNP เสี่ยงตำแหน่งหนึ่ง จึงไม่ใช่ "คำพิพากษา" ว่าคุณจะต้องเป็นโรค แต่เป็นเพียงการปรับความน่าจะเป็นขึ้นเล็กน้อยเท่านั้น ซึ่งแนวคิดนี้เองเป็นพื้นฐานของ คะแนนความเสี่ยงเชิงพันธุกรรม (Polygenic Risk Scores) ที่นำสัญญาณอ่อน ๆ จากหลาย SNP มารวมเป็นคะแนนเดียว และเป็นเบื้องหลังของการประเมิน ความเสี่ยงมะเร็งเชิงพันธุกรรม ด้วยครับ

ช่องว่างเรื่องความหลากหลายของเชื้อสาย: ข้อจำกัดที่ต้องพูดถึง

ข้อจำกัดที่ผมมองว่าสำคัญที่สุดของ GWAS ในปัจจุบันคือ ความไม่หลากหลายของฐานข้อมูล ครับ ข้อมูล GWAS ส่วนใหญ่ในโลก (ประมาณการกันว่ามากกว่า 80% ในหลายช่วงเวลา) มาจากผู้เข้าร่วมที่มีเชื้อสายยุโรป ทั้งที่คนกลุ่มนี้เป็นเพียงส่วนน้อยของประชากรโลก สิ่งนี้ส่งผลจริงต่อคนเอเชียอย่างเราหลายทาง:

• ความถี่ของ SNP และรูปแบบ linkage disequilibrium ต่างกันในแต่ละเชื้อสาย ทำให้ผลจากประชากรหนึ่งอาจไม่แม่นยำเมื่อนำมาใช้กับอีกประชากรหนึ่ง
• คะแนนความเสี่ยงที่พัฒนาจากข้อมูลคนยุโรป มักมีความแม่นยำลดลงอย่างชัดเจนเมื่อนำมาใช้กับคนเชื้อสายแอฟริกัน เอเชีย หรือละตินอเมริกา
• ตัวแปรพันธุกรรมบางอย่างที่สำคัญเฉพาะในบางเชื้อสายอาจไม่เคยถูกค้นพบเลย เพราะไม่มีใครไปศึกษาในกลุ่มนั้น

นี่คือเหตุผลที่วงการพันธุศาสตร์ทั่วโลกกำลังผลักดันให้มีการศึกษาในประชากรที่หลากหลายมากขึ้น และเป็นเหตุผลที่การมีฐานข้อมูลของคนไทยและคนเอเชียเองจึงมีคุณค่ามากครับ

สิ่งที่ GWAS "ไม่ได้" บอกเรา

เพื่อความเป็นธรรมกับวิทยาศาสตร์ ผมอยากสรุปข้อจำกัดให้ชัดเจน เพื่อไม่ให้เราตีความเกินจริง:

• ไม่ได้บอกกลไก: GWAS ชี้ตำแหน่งที่ "สัมพันธ์" แต่ไม่ได้อธิบายว่ายีนนั้นทำงานผิดปกติอย่างไร ต้องอาศัยการทดลองในห้องปฏิบัติการเพิ่มเติม
• ไม่ได้ทำนายชะตา: สำหรับโรคซับซ้อน พันธุกรรมเป็นเพียงส่วนหนึ่ง วิถีชีวิต อาหาร การออกกำลังกาย และสิ่งแวดล้อมล้วนมีบทบาทสำคัญและปรับเปลี่ยนได้
• ไม่ได้ครอบคลุมตัวแปรหายาก: GWAS ออกแบบมาจับตัวแปรที่พบบ่อย ตัวแปรหายากที่มีผลรุนแรง (เช่นในโรคทางพันธุกรรมบางชนิด) มักต้องใช้วิธีอื่นในการค้นหา
• ไม่ใช่การวินิจฉัย: ผลจาก GWAS หรือคะแนนความเสี่ยงเป็นเพียงข้อมูลประกอบ ไม่ใช่คำวินิจฉัยทางการแพทย์ การตัดสินใจเรื่องสุขภาพควรปรึกษาแพทย์เสมอครับ

ผมมองว่า GWAS เป็นเครื่องมือที่ทรงพลังและเปลี่ยนโฉมการแพทย์ไปมาก แต่คุณค่าที่แท้จริงจะเกิดขึ้นก็ต่อเมื่อเราใช้มันอย่างเข้าใจข้อจำกัด และไม่ตีความว่ายีนคือชะตากรรมที่เปลี่ยนไม่ได้ครับ

แหล่งอ้างอิง (References)

1. National Human Genome Research Institute (NHGRI). Genome-Wide Association Studies Fact Sheet. genome.gov
2. Uffelmann E, et al. Genome-wide association studies. Nature Reviews Methods Primers. 2021. nature.com
3. Sirugo G, Williams SM, Tishkoff SA. The Missing Diversity in Human Genetic Studies. Cell. 2019. cell.com
4. MedlinePlus (NIH). What are single nucleotide polymorphisms (SNPs)?. medlineplus.gov