新工具更准确地使用基因组数据来预测不同人群的疾病风险

多基因风险评分(PRS)是预测疾病风险的有前途的工具，但目前的版本有内置的偏见，可能会影响其在某些人群中的准确性，并导致健康差异。然而，来自麻省总医院(MGH)、麻省理工学院和哈佛大学的布罗德研究所以及中国上海交通大学的一组研究人员设计了一种生成PRS的新方法，可以更准确地预测人群的疾病风险自然遗传学．

基因DNA序列的改变会产生基因变异，增加患病风险。一些基因变异与某些疾病密切相关，如BRCA1突变和乳腺癌。“然而，大多数常见的人类疾病，如2型糖尿病，高血压例如，抑郁症，并不是受单个基因的影响，而是受整个基因组中成百上千个遗传变异的影响。每一个变异都有一个小的影响，”MGH基因组医学中心精神病学和神经发育遗传学单元的应用数学家和生物统计学家田戈博士说，他是这篇论文的联合高级作者。PRS聚合了整个基因组中遗传变异的影响，并有希望在未来某一天被用于预测个体患者患疾病的几率。这将允许临床医生提出建议预防措施密切监测患者，进行早期诊断和干预。

然而，PRS必须经过“训练”，才能使用从大群体个体中收集基因组信息的研究数据来预测疾病风险。葛解释说，虽然许多致病变异是共享的，但不同祖先的个体之间在疾病的遗传基础上存在重要差异。例如，在一个人群中与特定疾病相关的常见遗传变异在其他人群中可能频率较低，甚至不存在。葛解释说，当一种与疾病相关的遗传变异在不同的人群中共享时，它的效应大小，或它增加风险的程度，也可能在不同的祖先群体中有所不同。PRS训练使用的数据来自一个人口因此，当应用于其他种群时，通常会减弱或降低性能。

“现有PRS计算方法的一个主要问题是，到目前为止，大多数基因组研究使用的是从欧洲血统的个体收集的数据，”Ge说。他说，这在现有的PRS中造成了以欧洲为中心的偏见，产生了相当不准确的预测，并增加了他们高估或低估非欧洲人群疾病风险的可能性。

幸运的是，研究人员已经加大了从代表性不足的人群中收集基因组数据的努力。利用这些资源，Ge和他的同事们创造了一种名为PRS-CSx的新工具，可以整合来自多个人群的数据，并解释他们之间的遗传相似性和差异。虽然欧洲血统个体的基因组数据仍然明显更多，但研究人员使用了计算方法，使他们能够最大化非欧洲数据的价值，并提高祖先多样化个体的预测准确性。

在这项研究中，研究人员使用了来自几个不同人群的个体的基因组数据来预测广泛的身体指标(如身高、体重指数和体重)血压)，血液生物标志物(如葡萄糖和胆固醇)，以及精神分裂症的风险。然后他们比较了预测的特征或疾病风险用实际测量或报告的疾病状况来衡量PRS-CSx的预测准确性。研究结果表明，在非欧洲人群中，PRS- csx明显比现有的PRS工具更准确。

Ge说:“我们工作的目标是缩小在代表性不足的人群中相对于欧洲个体的预测准确性之间的差距，并缩小在临床环境中实施PRS时健康差异的差距。”他指出，新工具将继续完善，希望临床医生有一天可以使用它来告知治疗选择，并对患者护理提出建议。

该研究的主要作者阮云峰博士说，PRS-CSx也可以在基础研究中发挥作用，阮云峰博士是麻省理工学院和哈佛大学布罗德研究所的博士后研究员。例如，它可以用于探索基因-环境的相互作用，例如遗传风险的影响如何取决于全球人群中环境风险因素的水平。

即使使用了PRS-CSx，欧洲人和非欧洲人之间的预测精度差距仍然很大。扩大全球人群的样本多样性对于进一步提高不同人群的PRS预测精度至关重要。“非欧洲基因组资源的扩展，加上像PRS- csx这样的先进分析方法，将加速PRS在欧洲的公平部署临床的设置Hailiang Huang博士说，他是MGH分析和转化遗传学部门和Broad研究所斯坦利精神病学研究中心的统计遗传学家，也是这篇论文的联合高级作者。