穆塞尔:增强贝叶斯多基因风险预测,利用跨多个祖先群体的信息
Jin Jin1, Jianan Zhan2, Jingning Zhang3
1Department of Biostatistics, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD 21205, USA; Department of Biostatistics, Epidemiology and Informatics, University of Pennsylvania, Philadelphia, PA 19103, USA.
穆塞尔通过利用全基因组关联研究 (GWAS) 数据,改善了跨不同祖先的多基因风险评分 (PRS) 预测. 这种特定于祖先的方法显示出显著的收益,特别是在代表性不足的人群中.
科学领域:
- 遗传学 是一个遗传学.
- 统计遗传学 统计遗传学
- 人口遗传学 人口遗传学
背景情况:
- 多基因风险评分 (PRSs) 预测复杂的特征,但在祖先种群中显示性能差异.
- 现有的方法很难弥合不同祖先的预测差距.
研究的目的:
- 开发和评估MUSSEL,一种用于祖先特异性多基因预测的新方法.
- 通过整合多祖先GWAS总结统计数据,提高PRS在代表性不足的人口中的准确性.
主要方法:
- 穆塞尔采用贝叶斯的层次模型和集体学习来借鉴跨祖先群体的信息.
- 该方法使用来自全基因组关联研究 (GWAS) 的总结统计数据.
- 通过模拟和分析四项大型研究与多样化的参与者 (总共570万) 的评估.
主要成果:
- 与现有方法 (如PRS-CSx,CT-SLEB) 相比,MUSSEL在非洲祖先种群中展示了大量的预测R平方增益.
- 对于11个连续的特征,观察到平均增长率分别为40.2%和49.3%.
- 最佳方法性能根据GWAS样本大小,目标祖先,特征架构和LD参考面板而有所不同.
结论:
- 在不同的人群中,MUSSEL提供了一种有前途的方法来提高PRS准确性.
- 为了在所有祖先中生成最强大的PRS,可能需要组合方法.
- 需要进一步开发以优化PRS的全球适用性.
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...
Heritability
Pedigree Analysis
Behavioral Genetics and Its Designs
The primary methodologies used in behavior genetics include family studies, twin studies, and adoption studies, each providing unique...
Genetic Variation
Genes exist in different versions called alleles,...
