在英国生物银行（UK Biobank）数据中，对用于多基因预测的统计学习方法进行了比较评估

《Scientific Reports》：Comparative evaluation of statistical learning methods for polygenic prediction in UK Biobank

　　

摘要

多基因风险评分（PRS）是根据遗传变异计算得出的，用于衡量个体患病的遗传倾向。它们被广泛用于预测疾病风险、识别高风险人群以及推动个性化医疗的发展。然而，PRS的表现会受到遗传结构的影响，包括遗传率、单核苷酸多态性（SNP）的数量、致病SNP的比例、性状流行率以及病例-对照不平衡等因素。尽管PRS的应用日益增加，但针对不同遗传结构和性状特征选择最佳PRS模型的方法指南仍然有限。在这项研究中，我们通过全面的基因组范围模拟和真实数据分析，评估并比较了各种PRS模型的性能，包括无限小模型、非无限小模型以及基于功能注释的模型，如LDpred2、PRS-CS、SBayesR、SBayesRC、PolyPred和MegaPRS。模拟结果显示，当致病SNP的比例较低时，非无限小模型的表现优于无限小模型，而基于LDpred的方法通常具有最高的准确性。我们进一步使用英国生物银行的表型数据（包括身高、体重指数、2型糖尿病和青光眼）对发现进行了验证，这些数据涵盖了匹配的病例-对照分析和整个英国生物银行队列。在这些真实数据分析中，非无限小模型同样比无限小模型更准确；在不含功能注释的方法中，PRS-CS和SBayesR的表现与LDpred基方法相当，某些性状的表现甚至优于LDpred基方法；而基于功能注释的模型进一步提高了预测准确性，其中SBayesRC和PolyPred通常具有最高的预测性能。总体而言，我们的研究结果表明，最佳的PRS方法取决于目标性状的潜在遗传结构和模型假设，功能基因组注释可能进一步提高预测准确性。