八种复杂疾病的基因分析,使用疾病的预测连续表征

科学领域:

• 遗传学 是一个遗传学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 全基因组关联研究 (GWAS) 对于理解复杂疾病至关重要.
• 传统的病例控制表型在遗传发现方面存在局限性.

研究的目的:

• 评估预测的连续性疾病表示是否与病例控制GWAS表型相比改善了遗传发现.
• 评估预测表型在识别新型遗传变异,药物标和改进风险预测模型方面的有用性.

主要方法:

• 利用英国生物库的数据,从多达485,448名参与者获得了八种复杂疾病的数据.
• 通过预测表型与病例控制表型识别的基因关联进行了比较.
• 进行了多特征分析,在FinnGen中进行复制,并使用英国生物库数据进行了元分析.
• 使用联合表型数据评估的多基因风险评分 (PRS) 性能.

主要成果:

• 预测的表型与病例对照表型具有很高的遗传相关性 (中位数r_g = 0.66).
• 预测的表型确定了明显更多的独立遗传关联 (中位数为306对125).
• 多特征分析发现了额外的变异 (每种疾病中位数为46) 具有很高的复制率.
• 确定了14种新型药物向基因,并改善了PRS预测性能 (纳格尔克尔克的R^{2的中位数增加了37%).}

结论:

• 预测的连续疾病表征作为有价值的复合生物标志物.
• 这些表型补充了病例控制方法,增强了遗传发现和药物标识.
• 预测的表型有望改善疾病风险预测,尽管疗效因疾病而异.