基因组与发育数据预测儿童智力障碍风险

自闭症谱系障碍（ASD）的早期诊断通常在18至36个月之间完成，但儿童未来的认知和适应性发展轨迹存在高度不确定性。尤其是智力障碍（ID）的共病风险，目前缺乏有效的预测工具。近期，一项发表在《JAMA Pediatrics》上的研究通过整合基因组数据和发育数据，开发了一种预测模型，为临床医生和家长提供了更精准的风险评估工具，为个性化干预提供依据。

基因组与发育数据预测儿童智力障碍风险

自闭症儿童中约有10%-40%会伴随智力障碍，但这一诊断通常需在6岁后才能明确。早期干预对改善预后至关重要，但目前的量表模式可能导致错过最佳干预期。研究来自加拿大蒙特利尔圣贾斯汀医院，旨在利用遗传变异和发育里程碑数据，开发可临床应用的预测模型。

研究分析了来自三个大型自闭症队列（SPARK、Simons Simplex Collection和MSSNG）的5633名自闭症患者数据。关键预测因素包括：

1）遗传数据：多基因评分（PGS，认知能力和自闭症风险）、罕见拷贝数变异（CNVs）、新生功能缺失突变（LOF）等。

2）发育里程碑数据：包括独立行走年龄、首次说话年龄、语言退化情况等。模型通过机器学习方法评估其预测性能，重点关注受试者工作特征曲线下面积（AUROC）、阳性预测值（PPV）和阴性预测值（NPV）。

3）模型性能：整合所有预测因素的模型AUROC为0.653（95% CI, 0.625-0.681），表现稳定且跨队列可重复。阳性预测值（PPV）达55%，可识别10%的ID病例；阴性预测值（NPV）为89%，有助于排除ID风险。

4）遗传与发育数据的协同作用：遗传变异单独预测时效果有限，但与发育里程碑结合后显著提升性能。例如，携带高风险遗传变异且发育延迟的儿童，ID概率是普通发育儿童的两倍。

5）多基因评分（PGS）主要提高了阴性预测值NPV，而非阳性预测值PPV，表明其对排除低风险个体更具价值。

临床意义

某些未被传统临床实验室视为“致病性”的遗传变异组合（如多基因评分与罕见CNVs），仍能提供有意义的预测信息。模型在早期发育阶段（如仅掌握行走和语言里程碑）的预测效果最佳，为早期干预提供了时间窗口。

研究表明当前大多数神经发育相关的遗传变异无法单独预测智力障碍ID，但结合发育数据后，模型能为家庭提供更清晰的预后信息。这项研究是迈向精准精神病学的重要一步，未来需在更多样化人群中验证。

这项研究首次证明，结合基因组和发育数据的模型可为自闭症儿童的ID风险提供个体化预测。尽管性能仍有提升空间，但其临床实用性已初步显现，有望指导早期干预资源的分配。随着遗传研究的深入和更多数据的积累，此类模型或将成为自闭症管理的标准工具。

参考文献

Bourque, V.-R., Schmilovich, Z., Huguet, G.,  ... & Jacquemont, S. (2025). Genomic and developmental models to predict cognitive and adaptive outcomes in autistic children. JAMA Pediatrics. Advance online publication. https://doi.org/10.1001/jamapediatrics.2025.0205

Neuroscience News. (2025, April 21). Genetic and developmental markers predict intellectual disability in autism. https://neurosciencenews.com/genetics-asd-intellectual-disability-28833/

SPARK Consortium. (2018). SPARK: A cohort of 50,000 families to accelerate autism research. Neuron, *97*(3), 488–493. https://doi.org/10.1016/j.neuron.2018.01.010

Warrier, V., Zhang, X., Reed, P., et al. (2022). Genetic correlates of phenotypic heterogeneity in autism. Nature Genetics, *54*(9), 1293–1304. https://doi.org/10.1038/s41588-022-01072-5

Lord, C., Charman, T., Havdahl, A., et al. (2022). The Lancet Commission on the future of care and clinical research in autism. The Lancet, *399*(10321), 271–334. https://doi.org/10.1016/S0140-6736(21)01541-5

Karczewski, K. J., Francioli, L. C., Tiao, G., et al. (2020). The mutational constraint spectrum quantified from variation in 144,456 humans. Nature, *581*(7809), 434–443. https://doi.org/10.1038/s41586-020-2308-7