采用SNP纳入的替代方法,在阿尔茨海默氏病队伍中开发一个通用的多基因风险评分分析

科学领域:

• 遗传学 遗传学 是一个
• 神经科学是一个神经科学.
• 计算生物学 计算生物学

背景情况:

• 多基因风险评分 (PRSs) 显示出早期发现阿尔茨海默病 (AD) 等晚发性疾病的前景.
• 当前的PRS模型经常使用复杂的算法,但仅限于使用单核酸多态 (SNP) 的共同性.
• 确定一致的SNP对于PRSs的临床适用性至关重要.

研究的目的:

• 通过在多样化的队列中识别常见的单核酸多态 (SNP) 来开发阿尔茨海默病 (AD) 的概括PRS模型.
• 调查链接不平衡块的实用性,以创建一个通用的PRS模型.
• 根据共同的关联发现,评估PRS模型的一致性和歧视力.

主要方法:

• 识别了标记全基因组链接不平衡块的SNP.
• 开发了5个AD发展队伍的PRS模型,重点关注常见的链接不平衡团块.
• 创建了一个通用的PRS模型,使用频繁发生的歧视性块.
• 在八个独立的AD队列中验证了通用的PRS模型.

主要成果:

• 一般化的PRS模型在多个AD队伍中实现了超过70%的平均可辨别性准确性.
• 该模型包含了成熟的AD风险基因中的变异.
• 协会发现的共同性在构建强大的PRS模型方面被证明是有效的.

结论:

• 基于关联发现的共同性而不是元分析的PRS模型可以产生一致和临床有用的结果.
• 这种方法促进了对阿尔茨海默病的通用PRS的开发,并提高了SNP选择的一致性.
• 开发的PRS模型显示了早期识别AD高风险个体的巨大潜力.