将个人多基因风险评分（PRS）置于群体背景中定位

《Research in Statistics》：Positioning personal polygenic risk score against the population background

　　

多基因风险评分（PRS）已被广泛用于许多性状以估计多基因风险、多效性和疾病预测。虽然PRS具有简单且信息丰富的潜力，但它们通常不可解释，并且不同研究之间不能直接比较。它们取决于所采用的具体方法、所选参数、所包含的遗传变异数量以及潜在的人群结构。提高可比性的一种方法是将个体的评分置于祖先匹配人群的PRS分布背景中。在这项工作中，研究人员提出了一种方法，仅使用公开可用的汇总数据来估计任何人群中的PRS分布参数。该方法可应用于快速评估个体对任何复杂遗传疾病的多基因疾病风险，前提是风险位点在人群中共享。研究人员通过模拟证明了该方法的准确性，并利用来自1000基因组计划的数据，展示了从两种神经退行性疾病（阿尔茨海默病（AD）和肌萎缩侧索硬化症（ALS））的全基因组关联研究（GWAS）推导出的特定人群PRS示例。

论文解读文章

**研究背景、问题与研究动机**

个性化医疗在神经病学、精神病学和神经科学领域的推进有望实现症状前诊断和靶向干预。基因组学中，全基因组关联研究（GWAS）的普及为多种性状和疾病提供了大规模遗传关联数据。在此基础上，多基因风险评分（PRS）被设计用于将全基因组基因型数据汇总为对疾病或性状遗传易感性的单一度量，并在常见遗传疾病的风险分层中展现出潜力。然而，PRS的实际应用面临关键限制：个体的PRS仅在特定数据集内可解释，因为其分布均值和方差依赖于纳入的SNP数量、等位基因频率及连锁不平衡（LD）结构；同时，计算和解释PRS通常需要获取个体级基因型数据，这受隐私法规和数据共享限制。因此，亟需一种无需个体级基因型数据、仅利用公开汇总统计即可估计PRS分布参数的方法，以提升PRS在不同研究间的可比性和个体风险评估的实用性。

**研究内容、结论与意义**

研究人员提出了一种简单的理论方法，通过仅使用等位基因频率和SNP效应大小来估计任何人群中PRS分布的均值和方差，并假设风险位点在人群间共享。该方法基于标准连锁不平衡修剪与阈值（clumping-and-thresholding）PRS框架，通过模拟数据和真实数据（来自1000基因组计划的两个神经退行性疾病GWAS）验证了其准确性。结果表明，在SNP独立性假设满足时，公式估计的PRS分布参数与基于个体基因型的样本计算结果高度一致；该方法能够快速评估个体相对于祖先匹配人群的遗传风险，尤其适用于欧洲裔GWAS向非欧洲裔个体的风险近似估算。研究发表在《Research in Statistics》，其核心意义在于提供了计算简单、极速且实用的工具，无需个体级数据即可实现PRS的跨研究标准化与个体化解释，促进了风险预测工具的推广与遗传流行病学研究。

**主要技术方法概述**

研究人员采用标准连锁不平衡（LD）修剪与阈值PRS方法，利用PLINK软件在1000基因组计划数据中生成遗传评分。方法的核心是针对独立SNP推导出PRS分布均值和方差的理论公式：均值μ(PRS)=2/N_snps ∑ β_i * f_i，方差Var(PRS)=2/N_snps² ∑ β_i² f_i(1-f_i)，其中β_i为来自独立GWAS的效应大小，f_i为效应等位基因频率。该估计基于哈代-温伯格平衡（HWE）和二项分布假设。SNP效应大小取自AD（IGAP阶段1，21,982病例/41,944对照）和ALS（van Rheenen等，12,557病例/23,475对照）的GWAS汇总统计；等位基因频率来自1000基因组项目公共数据库。研究人员对三个亚群（欧洲EUR=193、亚洲ASN=240、非洲AFR=125，经主成分分析（PCA）和质量控制筛选）应用两种p值阈值（p≤10^-5和p≤0.5）和两种LD修剪参数（r²=0.01和r²=0.1，窗口1000kb）。

**研究结果**

**3.1 模拟研究**

研究人员对1000个模拟个体的基因型数据（效应大小log(OR)~高斯(0.01, 0.05)，等位基因频率均匀分布[0.05,0.5]）进行验证。当SNP数量为100、1,000和10,000时，直接基于样本计算的PRS密度（红色曲线）与公式（(4)和(6)）估计的密度（绿色曲线）在完全独立性假设下完全重合，表明公式在SNP独立时具有高精度。

**3.2 1000基因组项目中的PRS分析**

首先，研究表明非标准化PRS分布在不同人群间不可直接比较：采用AD关联p≤0.5的SNP计算PRS，非洲（AFR）人群的分布整体右移，可能被误判为高风险，这仅由等位基因频率差异驱动。其次，研究人员利用公式（(4)和(6)）在真实数据中估计PRS分布参数，并与样本计算值对比。对于AD和ALS GWAS，在p值阈值p≤10^-5和p≤0.5、LD修剪参数r²=0.1条件下，估计的均值和方差与样本值接近（表1）。然而，在欧洲人群p≤0.5且r²=0.1时，公式（(6)）低估了方差，提示存在残留的SNP间相关性。采用更严格的修剪参数r²=0.01可消除此偏差，改善方差估计。该结果验证了公式在SNP近似独立时有效，且需要根据LD结构调整修剪参数。

**讨论与结论总结**

研究人员在讨论中强调，该方法的主要优势在于无需个体级基因型数据，仅需等位基因频率和GWAS汇总统计，因此易于跨研究应用；它能促进不同基因分型平台和质量控制程序间的PRS协调；可支持风险预测工具，让个体得分直接与预期分布比较。局限性包括：1) 局限于基于LD修剪和阈值的标准PRS方法；2) SNP非独立时需要SNP间相关矩阵（公式(5)），这需个体级数据并增加计算负担；3) 未考虑精细人群结构，混合祖先个体难以匹配参考人群。研究结论部分翻译如下：

在这项研究中，研究人员开发了简单的理论公式以快速估计任何多基因风险评分分布的参数。这些估计依赖于研究样本的等位基因频率和来自GWAS汇总统计的效应大小，这两者通常是公开可得或易于共享的。核心公式（f4和f6）假设SNP是独立的，且等位基因频率来自同质人群。在这些条件下，对于模拟数据和真实数据应用，估计结果均高度准确。在实践中，PRS通常由LD修剪后的SNP构建，并针对每个群体的LD结构和所用基因分型阵列进行定制。当修剪参数宽松且存在LD结构时，将导致方差被低估，或需考虑SNP间相关。研究人员通过模拟验证了该方法，随后应用于1000基因组数据。利用神经退行性疾病的GWAS示例，研究人员发现AD的PRS分布即使在基于相同风险位点的情况下，在各人群间也存在显著差异。应用公式（f4和f6）表明，在两种AD和ALS GWAS研究、不同p值阈值（p≤10^-5和p≤0.5）及LD修剪参数（r²=0.01和r²=0.1）下，估计值均与欧洲、非洲和东亚人群的真实PRS分布密切吻合。这为何在实践中重要？首先，该方法广泛适用于任何表型和任何具有可用汇总统计的GWAS。其次，它无需通常因隐私法规和数据共享限制而无法获取的个体级基因型数据即可估计PRS分布。第三，它为协调使用不同基因分型平台或质量控制程序的研究之间的PRS提供了框架。第四，它通过允许个体的评分相对于预期分布进行解读来支持风险预测工具，而无需大型病例-对照队列。最后，假设疾病发展的生物学机制以及由此产生的与疾病相关的SNP效应大小在人群中大致相似，该方法可促进利用欧洲GWAS近似估计非欧洲血统个体的疾病风险，至少作为初步粗略近似。为了准确估计特定祖先背景个体的疾病风险，PRS应使用祖先匹配人群的等位基因频率和SNP效应估计值进行解读，正如先前几项研究所强调（Leonenko et al. 2021; Patel and Fahed 2023）。估计等位基因频率并确保SNP独立性传统上需要访问个体级基因型数据。然而，祖先匹配参考人群的大小对估计的PRS分布参数影响似乎有限，即使用英国生物银行（N≈400,000）和来自1000基因组项目的欧洲人群（N≈500）的数据可产生可比较的PRS均值和标准差，如（International Schizophrenia Consortium 2009）所示。总体而言，该方法计算简单、极快且实用。它使研究人员能够快速评估特定个体全基因组基因型数据的适用性，同时提高PRS在疾病风险方面的可比性和可解释性。