纳入的力量:加强多基因预测与混合个体的预测
Yosuke Tanigawa1, Manolis Kellis1
1Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology, Cambridge, MA, USA; Broad Institute of MIT and Harvard, Cambridge, MA, USA.
综合多基因分数 (iPGS) 通过考虑共享的遗传效应,提高了不同种群的预测准确性. 这种新的方法增强了跨祖先的多基因分数 (PGS) 公平性,特别是受益于代表性不足的群体.
科学领域:
- 人口遗传学 人口遗传学
- 统计基因组学 统计基因组学
- 生物信息学是一种生物信息学.
背景情况:
- 多基因分数 (PGS) 往往由于在训练数据集中的代表性不足,因此在祖先之间具有有限的可转移性.
- 混合个体提供了独特的机会,以改善由于共享的遗传相关性,PGS的概括性.
- 为混合种群开发祖先匹配的参考面板是传统的PGS培训的重大挑战.
研究的目的:
- 引入包容性多基因分数 (iPGS),一种旨在捕捉共同祖先的遗传效应,适用于混合个体的方法.
- 与传统的PGS模型相比,评估iPGS在不同人群中的表现.
- 开发一个扩展,iPGS+refit,用于共同建模祖先共享和基因依赖的遗传效应.
主要方法:
- 开发了iPGS,使用个人级数据的惩罚回归来直接建模祖先共享的遗传效应.
- 通过33种配置的模拟研究验证了iPGS,其遗传性,多遗传性和祖先组成各不相同.
- 应用iPGS和iPGS+refit对大规模的英国生物库数据 (n=237,055至284,661) 进行了应用,包括各种祖先.
主要成果:
- 与欧洲训练的模型相比,iPGS在非洲祖先个体的预测准确度上取得了显著的改善 (在60个特征中平均增加了48.9%).
- 当包括多样化的个人在培训中时,南亚人 (11.6%),白人英国人 (4.8%) 和其他祖先的进一步改善也被观察到.
- 尽管在培训中非洲祖先的代表性很少,但iPGS+refit在非洲人中中性粒细胞计数 (R2=0.115) 的预测性能优于英国白人 (R2=0.090),超过了英国白人 (R2=0.090).
结论:
- 在PGS培训中包括多样化的个体显著提高了跨祖先的预测准确性和公平性.
- iPGS提供了一种有效的解决方案,用于利用混合种群的遗传信息.
- 该iPGS框架促进了更公平,更广泛适用的多基因分数的发展.
更多相关视频
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
08:27Large-Scale Multi-Omics Genome-Wide Association Studies Mo-GWAS: Guidelines for Sample Preparation and Normalization
Published on: July 27, 2021
相关概念视频
Polygenic Traits
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Pleiotropy
Human Genetics
The complex relationship between genetics and psychology is observable through common biological components such...
Analysis of Population Pharmacokinetic Data
Single Nucleotide Polymorphisms-SNPs
