使用LDpred2-auto推断疾病架构和预测能力
Florian Privé1, Clara Albiñana1, Julyan Arbel2
1National Centre for Register-based Research, Aarhus University, Aarhus, Denmark.
American journal of human genetics
|November 9, 2023
概括
现在LDpred2-auto推断了三个遗传参数,包括负选择,提高了多基因分数 (PGS) 的准确性. 这种增强的贝叶斯方法为复杂的特征提供了更好的遗传参数估计和预测性能.
科学领域:
- 遗传学 是一个遗传学.
- 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) 对于预测复杂特征至关重要.
- LDpred2是PGS构建的一个流行的贝叶斯方法.
- 在没有验证数据集的情况下,LDpred2-auto先前推断了SNP遗传性 (h2) 和多遗传性 (p).
研究的目的:
- 验证LDpred2-auto用于推断多个遗传参数,包括负选择 (α) 的新参数.
- 评估每种变量因果概率的校准,以便进行细化映射.
- 引入一个公式来推断样本之外的PGS预测性能 (r2).
主要方法:
- 引入了LDpred2-auto的新版本,附有可选的第三个参数,α.
- 验证了两个和三个遗传参数的推断.
- 开发了一个公式,直接从吉布斯采样器计算预测性能 (r2).
主要成果:
- LDpred2-auto成功地推断出两个和三个遗传参数,包括负选择.
- 每个变量的因果概率都经过了良好的校准,适合精细映射.
- 扩展的HapMap3变异组 (37%大) 改善了遗传性捕获 (12%) 和PGS预测性能 (英国生物银行平均为6%).
结论:
- 增强的LDpred2-auto提供了对遗传架构的强大推断.
- 校准的因果概率使得有效的基因精细映射成为可能.
- 优化的变异组和改进的方法提高了多基因分数的准确性和效用.
