一个机器学习衍生的多基因风险评分显示,健康的生活方式可以抵消与肥胖有关的死亡率

科学领域:

• 遗传学 遗传学 是一个
• 流行病学 流行病学
• 机器学习 机器学习

背景情况:

• 肥胖是一种复杂的特征,受遗传因素和生活方式选择的影响.
• 遗传肥胖风险,生活方式和整体死亡率之间的相互作用尚未得到充分理解.
• 调查这些关联对于公共卫生和个性化医学至关重要.

研究的目的:

• 开发和验证用于评估遗传肥胖风险的机器学习模型.
• 检查遗传肥胖风险,生活方式因素和全因死亡率之间的关联.
• 为了确定生活方式的改变是否可以减轻与遗传肥胖易感性相关的死亡风险.

主要方法:

• 来自英国生物银行和南方医院队列的综合遗传数据 (共491,307名参与者).
• 开发了一种堆叠的机器学习模型,以生成与肥胖相关的多基因风险评分 (OPRS).
• 分析了OPRS,生活方式因素 (如饮食,运动) 和全因死亡率之间的关系.

主要成果:

• 机器学习模型表现出中等的预测性能 (AUC:0.621培训,0.616内部,0.565外部).
• 高OPRS与增加全因死亡率显著相关,特别是在正常体重和超重个体中.
• 在具有高遗传肥胖风险的个体中,坚持四个健康生活方式因素将全因死亡率降低了59%.

结论:

• 对肥胖的高度遗传倾向与所有原因死亡率的风险增加有关.
• 健康的生活方式作为一个重要的保护因素,减轻由遗传肥胖易感性所赋予的死亡风险.
• 这些发现强调了生活方式干预在管理与肥胖相关的健康风险方面的重要性.