Nat Genet：开发出多基因模型 用于预测疾病的遗传风险

在近日的国际杂志Nature Genetics上的一篇研究报告中，来自美国国立癌症研究所的研究人员开发出了一种新的方法来预测常见疾病的遗传风险，如前列腺癌等。这种遗传风险预测的概念是基于对多基因的分析，研究者对常见的DNA序列，称为单核苷酸多态性（SNPs）进行了研究分析，这其中的每一个序列都在疾病风险中占有一部分比例，但当这些序列集合在一起时就会引发强烈的疾病效应。

在文中，研究者使用全基因组关联分析(Genome Wide Association Study)开发出了这种多基因模型，其可以计算出一般人群中个体发生遗传性疾病的风险值。

研究者对从II型糖尿病至癌症中涉及的成千上万个SNPs进行了评估分析，他们计划，随着GWAS的进行，风险模型的预测准确率不断提高，如何将这种准确率再未来继续提高，比如说，前列腺癌多基因模型预测患病高度危险人群的百分比为7%，其相比一般风险的男性来说，患病风险是前者的两倍。研究者表示，未来三重的GWAS样品的大小范围将可以改善模型的疾病风险层次程度，提高疾病风险预测率。

如果使用较大的样品尺寸来建立多基因模型的话，其将会成为一种有力的工具来鉴别出高风险患病个体的数量。然而研究者指出，任何进行诊断和预防的策略都仅仅以高遗传风险个体为靶点，这并不完全。这项研究揭示了关于其他风险因子的一些信息，包括家庭医学史，其将可以增强这些模型的使用范围和价值。

原文链接：

---

Projecting the performance of risk prediction based on polygenic analyses of genome-wide association studies


We report a new method to estimate the predictive performance of polygenic models for risk prediction and assess predictive performance for ten complex traits or common diseases. Using estimates of effect-size distribution and heritability derived from current studies, we project that although 45% of the variance of height has been attributed to SNPs, a model trained on one million people may only explain 33.4% of variance of the trait. Models based on current studies allow for identification of 3.0%, 1.1% and 7.0% of the populations at twofold or higher than average risk for type 2 diabetes, coronary artery disease and prostate cancer, respectively. Tripling of sample sizes could elevate these percentages to 18.8%, 6.1% and 12.2%, respectively. The utility of polygenic models for risk prediction will depend on achievable sample sizes for the training data set, the underlying genetic architecture and the inclusion of information on other risk factors, including family history.

来源：生物谷