基准测试阿尔茨海默病的预测:个性化风险评估使用多基因风险分数跨各种方法和全基因组研究的各种方法

科学领域:

• 遗传学 遗传学 是一个
• 神经科学是一个神经科学.
• 生物统计学 生物统计学

背景情况:

• 有效的阿尔茨海默病 (AD) 临床试验招聘依赖于识别高风险或早期阶段的个体.
• 多基因风险评分 (PRS) 正在成为识别易患AD的个体的工具.
• 本研究通过对各种方法和模型的全面分析来评估AD PRS的实用性.

研究的目的:

• 为了对多基因风险评分 (PRS) 衍生和对阿尔茨海默病 (AD) 遗传预测的建模策略进行基准测试.
• 评估PRS在识别患AD风险的个人的准确性.
• 为了比较不同的PRS方法及其对预测准确性的影响.

主要方法:

• 在ADNI (N=568) 和BioFINDER (N=766) 队列中比较PRS预测准确度.
• 利用了五种疾病风险建模方法和三种PRS衍生方法.
• 检查了两个AD全基因组关联研究 (GWAS) 统计数据和两组单核酸多态 (SNP):整个基因组和微质选择性区域.

主要成果:

• 最佳的预测准确性 (AUC=0.72-0.76) 是通过结合APOE和剩余的PRS.
• 微质PRS的准确性与全基因组PRS (AUC=0.71-0.74) 的准确性相当.
• 个人风险得分的实质差异 (高达70%) 归因于使用的GWAS统计数据.

结论:

• 这项研究将最佳的PRS衍生和建模策略用于AD的遗传预测.
• 这些发现为选择AD研究和临床试验中最有效的PRS方法提供了指导.
• 了解不同PRS方法的影响对于准确的AD遗传风险评估至关重要.