多基因风险预测:为什么以及何时样本外预测R²可以超过基于SNP的遗传性

科学领域:

• 遗传学和基因组学 在
• 统计遗传学 统计遗传学
• 生物信息学是一种生物信息学.

背景情况:

• 多基因分数 (PGS) 分析使用确定系数 (R2) 来评估预测有效性.
• 基于SNP的遗传性 (h_SNP²) 是外样本PGS R^{2的理论最大值.}
• 观察到的PGS R2值有时超过SNP,并且SNP估计随着更多的元分析队列而下降.

研究的目的:

• 量化出外样本PGS R^{2的原因和条件可以超过h_SNP2的数量.}
• 为了解释h_SNP²估计的下降,随着meta-analyzed队列数量的增加.
• 为理解基因分析中的队列间异质性提供理论框架.

主要方法:

• 使用理论推导和模拟来分析PGS R²和SNP.
• 研究了导致h_SNP²降低的条件,并增加了队列元分析.
• 用于验证的是来自严重抑郁症 (二进制特征) 和教育成就 (连续特征) 的现实数据.

主要成果:

• 在队列特定的h_SNP²或少于一个原因的遗传相关性的异质性h_SNP²估计随着更多的队列而减少.
• 我们得出了条件,预计样本外预测R²大于h_SNP².
• 通过使用真正的遗传数据来验证主要抑郁症和教育成就的理论衍生.

结论:

• 队列间的异质性是解释PGS R和SNP之间的差异的一个关键因素.
• 由于未解决的异质性,现有的整合多队列数据的方法可能不足.
• 需要进一步的研究,以开发改进的方法,在遗传研究中集成多队列数据.