基于多基因风险评分(PRS)的猪场作业工人气道阻塞高风险人群筛查研究

为解决猪场作业工人气道阻塞风险预测问题，研究人员开展了一项基于多基因风险评分(PRS)的队列研究。通过LASSO回归和10折交叉验证筛选单核苷酸多态性(SNPs)，建立PRS模型将374名猪场工人分为高/低遗传易感组。结果显示高PRS组气道阻塞风险增加5.5倍，为职业健康防护提供了新型遗传风险评估工具。

　　

这项开创性研究揭示了遗传因素对猪场作业工人呼吸道健康的影响机制。科研团队采用创新性的机器学习方法——最小绝对收缩选择算子(LASSO)配合10折交叉验证，从海量单核苷酸多态性(SNPs)数据中筛选出关键遗传标记。基于这些生物标志物构建的多基因风险评分(PRS)模型，成功将374名全职猪场工人与411名农村非务农对照分为不同遗传风险层级。

研究团队巧妙运用决策树算法，以4.196为临界值将受试者划分为高/低PRS组。经过严谨的逻辑回归分析，在调整多种混杂因素后，高PRS组工人出现气道阻塞的风险骤增至低PRS组的5.5倍。这一发现不仅证实了SNPs的协同效应，更开创性地将多基因风险评分应用于职业健康风险评估领域。

该研究为猪场等农业作业环境中的呼吸道疾病预防提供了革命性的解决方案。通过整合现代遗传学技术与机器学习算法，实现了从"单基因检测"到"多基因协同评估"的范式转变，为高风险工人的早期识别和精准防护奠定了科学基础。