這一千多個基因，能解釋受教育年限中 11％ 的變化

研究人員已經發現 1271 種與接受正式教育年限相關的遺傳變異。這很重要，但它的重要性可能和你想的不太一樣。

來源：the Atlantic

作者：Ed Yong

翻譯：阿金

審校：戚譯引

在聖地亞哥，Scripps Ranch 幼兒園的孩子們，圖片來源：ROBERT BENSON / GETTY IMAGES

當科學家發表研究時，他們很少會附上一份常見問題列表，來解釋他們的發現和意義。而且這份問題列表要比研究論文長三倍，這就更稀奇了。但是，Daniel Benjamin 和他的同事覺得這樣做很有必要，因為他們研究的是一個容易被誤解、也經常被誤解的課題：教育遺傳學。

在過去的五年內，Benjamin 一直是一個國際研究團隊的一員，這支團隊致力於確認人類基因組中與人們接受教育年限有關的遺傳變異。2013 年，在分析了 10.1 萬人的 DNA 之後，團隊僅發現了三種這樣的遺傳變異。到了 2016 年，在將研究對象數量翻了三倍之後，他們又識別出了 71 種。

現在，在對 110 萬名歐洲人後裔的基因組進行掃描之後（這也是迄今為止此類研究中規模最龐大的一個），他們列出了多達 1271 種教育相關的遺傳變異。該研究團隊成員包括 Peter Visscher，David Cesarini, James Lee, Robbee Wedow 和 Aysu Okbay，他們還確定了數百種與數學技能和心智能力測試表現相關的遺傳變異。

雖然團隊還沒有發現「教育基因」，但是這些變異中有許多會對胎兒和新生兒大腦中活躍的基因產生影響。這些基因會影響神經元和其他腦細胞的產生、這些細胞分泌的化學物質、它們對待新信息的反應方式，以及它們相互連接的方式。這種生物過程還會影響我們的心理狀態，進而影響我們在接受系統教育過程中的表現。

這並不意味著上學是被「寫進基因里的」。每一個遺傳變異單獨產生的影響微乎其微，即使一起合作，它們也無法控制人的命運。因此，研究團隊創造出一種「多基因分數」（polygenic score），用這個工具來解釋一個人整個基因組中的變異情況，從而預測他們未來接受正式教育的程度。儘管針對每個特定個體的預測準確性相當糟糕，但是放在整個人口樣本中，它還是能解釋受教育年限中 11% 的變化。

打個比方說，跟天氣預報比起來，這個結果挺可怕的，至少天氣預報預測每天溫度變化的準確率有 95%。但談及預測教育的時候，它則能夠與一些傳統因素相媲美，包括家庭收入、或者父母受教育程度等。「在社會科學的範疇內，這基本是前所未聞的」，Benjamin 講到，「我們不光能用人口統計學來解釋教育，用唾沫也行。」

圖片來源：Pixabay

在紐約大學研究教育和遺傳學的 Kathryn Asbury 評價說：「教育需要開始重視這方面的科研發展。任何能解釋在校生表現 11% 的差異的因素都具有重大意義，需要仔細地探討並加以理解。」

「如果我們能夠識別出低認知能力的遺傳風險，那就有證據來投入更多的預防措施，以減少這種不利因素。」Asbury 補充道，「我們已經採用這種方法來改善一些外部環境缺陷，比如投入額外的資金或者提供免費校餐。我認為我們需要認真考慮生理風險因素的影響，以及一個公平的社會應當如何響應。」

然而，另一方面，有人擔心這類研究會導致歧視或者侮辱帶有某些遺傳變異的人。這樣的擔憂不無道理：許多遺傳學先輩也是優生學的擁躉，他們宣稱，不該鼓勵那些可能擁有劣等基因的人繁衍後代。

德克薩斯大學的臨床心理學家 Paige Harden 則認為，無論是這種反烏托邦風險，還是圍繞個性化教育的更有效應用，兩者都不現實。「我認為我們還沒有走到這種地步」，她說，因為我們仍然不能僅憑一個人的 DNA 信息來準確預測他們的學術命運。

Benjamin 和同事也同意這點。下圖反映了受教育年限和個體多基因分數的關係，每一個點代表一個人。平均下來，得分更高的人的教育程度當然要高於得分最低的人；但是不管給定什麼分數，受教育年限總有巨大差異。本傑明說：「難道我們應該根據多基因分數，讓一些人進高級班，另外一些人進補習班嗎？這完全不可行，因為這個方法對於任何給定個體的預測能力非常低。」這同樣適用於數學能力，或者整體的認知能力。

圖片來源：SOCIAL SCIENCE GENETIC ASSOCIATION CONSORTIUM

而且，這種預測僅僅適用於 110 萬歐洲裔。對於不同族裔的人，分數的預測能力甚至更低，因為他們可能擁有他們自己的教育相關變異。

「這說明你不能通過 DNA 準確地預測教育結果，真是令人安心，」牛津大學神經科學家和遺傳學家 Dorothy Bishop 說，「這項研究並不支持下面這個令人不安的場景的出現：人們篩選嬰兒，期望選出最聰明的孩子。」

誠然，Benjamin 也懷疑他們的團隊已經觸碰到了準確性的天花板。他相信，即使他們再研究數百萬人，對於個人教育水平的預測結果也不會比現在更可靠。鑒於此，研究團隊在他們的常見問題列表中列出了如下的問題：

「你們從這項研究中得出了哪些政策意義或者實用建議？

「一無所獲。對此或者其他類似實驗，無論是在個體層面或者是政治層面的任何實際應用，都是極其不成熟的，也不會受到科學的支持。」

那為什麼還要做這個研究？

一個原因是探索基因和環境如何相互作用。「如果你在 100 年前做了個跟我們一樣的研究，那麼最能預測教育水平的遺傳因素就是你擁有多少條 X 染色體，因為當時整個社會環境使得女性接受教育的難度要遠大於男性。」Benjamin 打比方道。同樣地，許多與當今教育相關的基因看上去很重要，「其實是因為今天教育系統的設置。學生們被要求在課桌後面坐上幾小時，聽老師講課，而那些不那麼安分或者不服從權威的人在這種環境下自然會表現不好。」

圖片來源：Pixabay

也許下面的說法有點反直覺，Benjamin 認為，他們團隊的研究「對改善教育體系發揮著真正重要的作用。」要想了解如何實現，要先放下基因，想想財富吧。

毫無爭議的是，出身富裕家庭的人在學校的表現往往要好於來自貧困家庭的人。當然，窮孩子也可能在學校里表現優異，而富家子弟也可能因為成績太差被勒令退學，但是幾乎沒有人會否認，金錢強烈地影響著人的未來。現在，想想家庭收入能夠解釋 7% 的教育程度差異，這可比基因的影響力少一些。「大部分社會科學家在做研究的時候都會考慮社會經濟狀態，即使他們對這個因素並不真正感興趣」，Harden 說。我們的基因其實也是這樣。

想像一下，假設政府正在計劃為那些家庭條件不好的孩子們提供免費的學前教育。為了檢驗這個政策是否真的能讓孩子們接受更長時間的教育，科學家會隨機讓一些孩子上免費課程，而另一些則沒有。隨後，他們比較這兩組孩子的表現。與此同時，他們總是會考慮兩組孩子的家庭富裕程度等可能的變數。同樣，「你現在可以排除掉遺傳因素，這就不必再擔心它們的影響了。」Benjamin 講道。通過這種方式，研究人員能夠更準確地研究一項政策改變能否真正奏效，而研究的規模和成本也更小更低。

他說，這就是他研究關於教育或認知能力的遺傳學最重要的原因，然而諷刺的是，教育和基因的關係微乎其微。但是，這倒是讓社會科學變得更強大。

這個研究團隊之所以研究基因，本質上為了更加徹底地忽略基因。

https://www.theatlantic.com/science/archive/2018/07/staying-in-school-genetics/565832/

論文信息

【標題】Gene discovery and polygenic prediction from a genome-wide association study of educational attainment in 1.1 million individuals

【期刊】Nature genetics

【作者】James J. Lee, Robbee Wedow, Aysu Okbay, et al.

【時間】23 Jul 2018

【DOI】10.1038/s41588-018-0147-3

【摘要】Here we conducted a large-scale genetic association analysis of educational attainment in a sample of approximately 1.1?million individuals and identify 1,271?independent genome-wide-significant SNPs. For the SNPs taken together, we found evidence of heterogeneous effects across environments. The SNPs implicate genes involved in brain-development processes and neuron-to-neuron communication. In a separate analysis of the X chromosome, we identify 10?independent genome-wide-significant SNPs and estimate a SNP heritability of around 0.3% in both men and women, consistent with partial dosage compensation. A joint (multi-phenotype) analysis of educational attainment and three related cognitive phenotypes generates polygenic scores that explain 11–13% of the variance in educational attainment and 7–10% of the variance in cognitive performance. This prediction accuracy substantially increases the utility of polygenic scores as tools in research.

【地址】https://www.nature.com/articles/s41588-018-0147-3

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！