编辑推荐：
为解决不同人群身高预测模型通用性问题，研究人员以台湾生物银行（TWB）和台湾精准医学计划（TPMI）参与者为样本，开展基于基因和非基因因素的身高预测研究。结果显示，结合出生年份、测量年龄和基因数据可提高预测准确性，对理解身高遗传机制意义重大。
在人类健康与遗传研究领域，身高作为一个备受关注的特征，一直是科研人员探索的重点。身高不仅是一个简单的生理指标，它还与多种疾病存在关联，比如癌症、冠心病、中风以及黄斑变性等。而且，身高受到多种因素的综合影响，包括遗传、营养、年龄和环境等。以往研究发现，从 1985 年到 2019 年，台湾男性和女性的平均身高分别从 169.2
cm增长到 173.5
cm、从 158.3
cm增长到 160.7
cm，英国男性和女性的平均身高也有所增长 。然而，基于遗传因素的身高预测模型在不同人群中的表现差异较大，尤其是在非欧洲人群中，相关研究相对较少。这就如同在身高预测的地图上，非欧洲人群的部分还存在许多空白，亟待填补。为了深入了解身高预测的奥秘，来自中国台湾 “中央研究院” 等机构的研究人员开展了一项针对台湾汉族人群身高预测的研究，相关成果发表在《npj Genomic Medicine》上。
研究人员为了探究如何更精准地预测台湾汉族人群的身高，利用了台湾生物银行（TWB）和台湾精准医学计划（TPMI）的大规模样本数据。TWB 是一项基于社区的前瞻性队列研究，涵盖了 30 - 70 岁无癌症的个体，通过在全台湾 44 个招募中心收集参与者的多方面信息，并进行基因分型。TPMI 则与 33 家医院合作，参与者提供电子医疗记录和剩余血液样本用于基因分析。研究采用了全基因组关联研究（GWAS）和多变量线性回归最小绝对收缩和选择算子（LASSO）等技术方法。GWAS 用于分析身高与单核苷酸多态性（SNP）之间的关系，LASSO 则用于筛选出对身高预测有意义的 SNP 组合。
临床特征分析
研究人员对 TWB 和 TPMI 的数据进行质量控制后，纳入了 119,360 名个体。分析发现，TWB 和 TPMI 数据集的身高分布无显著差异，且出生年份较晚的参与者平均身高呈上升趋势，这表明营养和其他因素的改善对身高有积极影响。同时，由于身高随年龄变化，测量年龄也被纳入模型考虑。
实际身高与预测身高分析
在 TWB 训练集中，单独使用出生年份、测量年龄或两者结合预测身高效果不佳，但加入与身高相关的 SNP 后，预测准确性显著提高。在测试集中，结合出生年份、测量年龄和身高相关 SNP 的模型，男性和女性的实际与预测身高的皮尔逊相关系数分别达到 0.7759 和 0.6084，差异最小，说明该组合预测效果最佳。
PCA 调整对预测的影响
在基因组相关研究中，主成分分析（PCA）常用于校正群体分层。研究发现，在 TWB 数据集中，PCA 调整对身高预测准确性影响较小，后续为减少不同数据库 PCA 系数差异带来的潜在变化，选择了不含 PCA 的模型进行验证分析。
TPMI 数据集验证
利用 TWB 训练得到的模型，在 TPMI 数据集上进行验证。结果显示，结合出生年份、测量年龄和身高相关 SNP 的组合模型，进一步提高了身高预测的准确性，男性和女性预测与实际身高的相关性分别从 0.2225 提升到 0.3980、从 0.2708 提升到 0.4444，实际与预测身高差异大于 5% 的个体比例显著降低。
在讨论部分，研究人员指出，台湾汉族人群主要为汉族（>95%），PCA 结果也证实样本主要属于汉族血统。虽然台湾汉族内部不同族群存在遗传、生活方式和饮食习惯差异，但对身高预测无显著影响。研究中纳入出生年份和测量年龄虽可能存在共线性和过拟合风险，但方差膨胀因子（VIF）显示无共线性问题，反而提高了预测准确性。此外，研究还发现女性需要更多 SNP 来实现较高预测准确性，可能与激素动态变化和年龄相关生理变化有关。研究也存在一定局限性，如 TWB 样本年龄局限于 30 - 70 岁，数据非长期随访，TPMI 数据缺乏完整的插补 SNP 数据，且两个数据集均来自同一人群，限制了模型对其他人群的推广。
总体而言，该研究成功开发并验证了针对台湾汉族人群的身高预测模型，表明结合遗传因素、出生年份和测量年龄可有效提高身高预测准确性。这不仅为深入理解身高的遗传机制提供了重要依据，也为相关疾病的研究和预测奠定了基础，在生命科学和健康医学领域具有重要的理论和实践意义。
