
-
生物通官微
陪你抓住生命科技
跳动的脉搏
一种用于预训练多基因风险评分自适应提升的预训练与微调框架
《Nature Communications》:A pre-train and fine-tune framework for adaptive boosting of pre-trained polygenic risk scores
【字体: 大 中 小 】 时间:2026年08月30日 来源:Nature Communications 18.1
编辑推荐:
摘要多基因风险评分被广泛用于预测复杂疾病和性状的遗传风险,目前已经开发出多种预训练模型。很少有方法利用这些预训练的多基因风险评分来进一步提高预测性能。在这里,我们提出了“预训练多基因风险评分的自适应提升”(Adaptive Boosting of Pre-trained Poly
多基因风险评分被广泛用于预测复杂疾病和性状的遗传风险,目前已经开发出多种预训练模型。很少有方法利用这些预训练的多基因风险评分来进一步提高预测性能。在这里,我们提出了“预训练多基因风险评分的自适应提升”(Adaptive Boosting of Pre-trained Polygenic Risk Scores)框架,该框架通过自适应变量选择和模型提升来细化预训练的多基因风险评分模型,以识别原始模型可能未能完全捕捉到的额外预测信号。模拟实验表明,我们的框架能够在控制假发现率的同时,识别出与预训练多基因风险评分正交的信号。利用英国生物银行(UK Biobank)的数据,我们对二元疾病和连续性状的预训练多基因风险评分进行了微调,并在三个独立的数据集(All of Us、emerGE和宾夕法尼亚大学医学生物银行Penn Medicine Biobank)中验证了结果。实际数据分析显示,“预训练多基因风险评分的自适应提升”在多种情况下实现了统计学上的显著改进,同时在其他情况下也保持了出色的性能。