藥物基因組學整合了藥理學、遺傳學和基因組學，旨在建立基因型-藥物反應的預測模型並轉譯到臨床決策。
藥物基因組學的遺傳架構
藥物反應的遺傳基礎涵蓋常見變異（SNPs）和罕見變異：
藥物代謝酵素：CYP2D6 是最複雜的藥物基因組位點——包含 >150 個已知等位基因、基因缺失、複製和與 CYP2D7/CYP2D8 的混合重排。星號等位基因（star alleles, 如 *1, *2, *4, *10）的組合決定活性分數（activity score, AS），將基因型轉譯為表型預測。PharmVar 資料庫維護標準化的星號等位基因命名。
轉運蛋白：SLCO1B1 的 *5 等位基因（rs4149056, Val174Ala）降低 OATP1B1 對 simvastatin 的肝臟攝取 → 血漿濃度升高 → 肌病風險增加 4.5 倍（SEARCH Collaborative Group, NEJM 2008）。CPIC 指南建議 SLCO1B1 *5/*5 攜帶者避免高劑量 simvastatin。
藥物靶點：VKORC1 -1639G>A（rs9923231）影響基因表現量，解釋了約 25% 的 warfarin 劑量變異。DPYD 的功能喪失變異（*2A, D949V 等）導致 5-FU/capecitabine 的嚴重毒性（骨髓抑制、腸胃毒性），EMA 建議處方前 DPYD 基因檢測。
GWAS 與多基因風險分數
傳統藥物基因組學聚焦於單基因效應，但多數藥物反應是多基因的。GWAS 方法發現的新位點往往效應量小但提供機制洞見——例如 GWAS 發現的 statin 肌病風險位點富集在肌肉功能和代謝相關基因中。
多基因風險分數（PRS）整合全基因組 SNPs 預測藥物反應是活躍研究方向，但目前 PRS 的預測力不足以指導臨床決策。族群多樣性是主要瓶頸——大部分藥物基因組研究在歐裔人群中進行，等位基因頻率的族群差異（如 CYP2D6*10 在東亞 ~40% vs 歐裔 ~2%）要求族群特異性的實施策略。
臨床實施的前沿
CPIC（Relling & Klein, CPT 2011）和 DPWG 發布了 >25 個基因-藥物配對的標準化指南，涵蓋劑量調整或替代用藥建議。CPIC 使用三級證據系統評估臨床可行性。
先發制人基因檢測的經濟學：Vanderbilt 的 PREDICT 計畫和 St. Jude 的 PG4KDS 計畫已在 >10,000 名患者中實施先發制人的多基因 panel 檢測。Swen et al.（NEJM 2023）的 PREPARE 研究（歐洲 7 國、6,944 名患者）是首個證明先發制人的 12 基因 panel 檢測可顯著降低不良藥物反應的 RCT（相對風險降低 ~30%）。
新興方向
- 藥物轉錄組學：全基因組表現量分析預測藥物反應（如 Oncotype DX 指導乳癌化療決策）
- 罕見變異的功能預測：MAVE（Multiplexed Assays of Variant Effects）和 ClinGen 的系統性功能分類
- AI/ML 整合：多模態模型整合基因組、轉錄組、蛋白組和臨床數據預測個人化藥物反應