国产乱伦一区二区三区_日韩欧美视频在线一区二区_肉片无遮挡在线观看视频_日韩中文字幕免费播放_美女高潮潮喷出白浆视频_精品黑人AV免费观看_香蕉要视频 AB片_国产自产21区丝袜_日韩无码中文字幕的_午夜黄色视频毛片

佳學(xué)基因遺傳病基因檢測(cè)機(jī)構(gòu)排名,三甲醫(yī)院的選擇

基因檢測(cè)就找佳學(xué)基因!

熱門(mén)搜索
  • 癲癇
  • 精神分裂癥
  • 魚(yú)鱗病
  • 白癜風(fēng)
  • 唇腭裂
  • 多指并指
  • 特發(fā)性震顫
  • 白化病
  • 色素失禁癥
  • 狐臭
  • 斜視
  • 視網(wǎng)膜色素變性
  • 脊髓小腦萎縮
  • 軟骨發(fā)育不全
  • 血友病

客服電話

4001601189

在線咨詢

CONSULTATION

一鍵分享

CLICK SHARING

返回頂部

BACK TO TOP

分享基因科技,實(shí)現(xiàn)人人健康!
×
查病因,阻遺傳,哪里干?佳學(xué)基因準(zhǔn)確有效服務(wù)好! 靶向用藥怎么搞,佳學(xué)基因測(cè)基因,優(yōu)化療效 風(fēng)險(xiǎn)基因哪里測(cè),佳學(xué)基因
當(dāng)前位置:????致電4001601189! > 關(guān)于佳學(xué) > 技術(shù)優(yōu)勢(shì) >

【佳學(xué)基因檢測(cè)】糖尿病風(fēng)險(xiǎn)基因檢測(cè)中的多基因風(fēng)險(xiǎn)評(píng)估打分正確性如何?

【佳學(xué)基因檢測(cè)】糖尿病風(fēng)險(xiǎn)基因檢測(cè)中的多基因風(fēng)險(xiǎn)評(píng)估打分正確性如何?糖尿病風(fēng)險(xiǎn)評(píng)估基因檢測(cè)導(dǎo)讀:患病率不斷上升的 2 型糖尿病 (T2D) 是一項(xiàng)重大的全球公共衛(wèi)生挑戰(zhàn)。 肥胖、不健康

佳學(xué)基因檢測(cè)】糖尿病風(fēng)險(xiǎn)基因檢測(cè)中的多基因風(fēng)險(xiǎn)評(píng)估打分正確性如何?


糖尿病風(fēng)險(xiǎn)評(píng)估基因檢測(cè)導(dǎo)讀:

患病率不斷上升的 2 型糖尿病 (T2D) 是一項(xiàng)重大的全球公共衛(wèi)生挑戰(zhàn)。 肥胖、不健康的飲食和低體力活動(dòng)是導(dǎo)致 T2D 患病率上升的主要決定因素之一。 此外,糖尿病的家族史和遺傳風(fēng)險(xiǎn)也在 T2D 的發(fā)展過(guò)程中發(fā)揮作用。 因此,非常優(yōu)選用于早期識(shí)別 T2D 高風(fēng)險(xiǎn)個(gè)體的解決方案,以進(jìn)行 T2D 的早期靶向檢測(cè)、預(yù)防和干預(yù)。 賊近,佳學(xué)基因檢測(cè)使用基于基因組的新型多基因風(fēng)險(xiǎn)評(píng)分 (PRS) 來(lái)提高風(fēng)險(xiǎn)預(yù)測(cè)的正確性,支持針對(duì) T2D 風(fēng)險(xiǎn)賊高的人群進(jìn)行預(yù)防性干預(yù)。 因此,《糖尿病風(fēng)險(xiǎn)基因檢測(cè)中的多基因風(fēng)險(xiǎn)評(píng)估打分正確性如何》的目的是評(píng)估額外的 PRS 測(cè)試信息(作為總體風(fēng)險(xiǎn)評(píng)估的一部分)的成本效用,然后在超過(guò)估計(jì)的 10 年 T2D 總體風(fēng)險(xiǎn)時(shí)進(jìn)行生活方式干預(yù)和額外的藥物治療。 對(duì)于成本效用分析,構(gòu)建了具有概率敏感性分析的個(gè)體級(jí)狀態(tài)轉(zhuǎn)換模型。 在基本案例中應(yīng)用了 1 年的周期長(zhǎng)度和生命周期時(shí)間范圍。 成本和 QALYs 使用了 3% 的折扣率。 計(jì)算成本效益可接受性曲線 (CEAC) 和出色信息預(yù)期值 (EVPI) 的估計(jì)值以幫助決策者。 使用有針對(duì)性的 PRS 策略將 12.4 個(gè)百分點(diǎn)的個(gè)人重新分類(lèi)為非常高風(fēng)險(xiǎn)的個(gè)人,這些人賊初僅使用通常的策略就會(huì)被歸類(lèi)為高風(fēng)險(xiǎn)。 在整個(gè)生命周期內(nèi),有針對(duì)性的 PRS 是一種主導(dǎo)策略(即成本更低、更有效)。 單向和情景敏感性分析表明,結(jié)果在幾乎所有模擬中仍然占主導(dǎo)地位。 結(jié)果表明,與目前的 T2D 風(fēng)險(xiǎn)篩查方法相比,PRS 在風(fēng)險(xiǎn)篩查方面為普通人群提供了適度的附加值,從而可能節(jié)省成本并提高生活質(zhì)量。
 

糖尿病風(fēng)險(xiǎn)基因檢測(cè)中的多基因風(fēng)險(xiǎn)評(píng)估打分正確性

在 UKB 中收集的總共 456,451 名參與者被隨機(jī)分為 UKB 測(cè)試數(shù)據(jù)集(n = 182,422)和驗(yàn)證數(shù)據(jù)集(n = 274,029)。 參與者的平均年齡為 57 歲,在測(cè)試和驗(yàn)證數(shù)據(jù)集中,54% 的參與者為女性。 在測(cè)試數(shù)據(jù)集中有近 5.494% (n = 10,023) 的參與者是案例,在驗(yàn)證數(shù)據(jù)集中有 5.575% (n = 15,277) 的參與者。 所有這些因素在基線時(shí)都具有可比性。 基線特征的詳細(xì)信息如表 1 所示。

表1:在測(cè)試數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集中的基線特征 (M ± SD or %)

變量 UKB 測(cè)試數(shù)據(jù)集 (n = 182,422) UKB驗(yàn)證數(shù)據(jù)集 (n = 274,029) 統(tǒng)計(jì)數(shù)據(jù)和p-值
性別      
男性 (%) 83,200 (45.609) 125,670 (45.860) x2 = 2.783, p = 0.095
女性 (%) 99,222 (54.391) 148,359 (54.140)  
年齡 (歲) 56.777 ± 8.020 56.809 ± 8.009 t = −1.341, p = 0.179
身體指標(biāo)      
BMI (kg/m2) 27.388 ± 4.758 27.404 ± 4.765 t = −1.087, p = 0.277
WC (cm) 90.250 ± 13.485 90.306 ± 13.505 t = −1.135, p = 0.175
DBP (mmHg) 82.174 ± 10.311 82.171 ± 10.313 t = −0.118, p = 0.906
SBP (mmHg) 139.924 ± 19.000 139.917 ± 19.000 t = −0.116, p = 0.908
臨床指標(biāo)      
CL (mmol/L) 5.711 ± 1.115 5.710 ± 1.117 t = −0.314, p = 0.753
GL (mmol/L) 5.119 ± 1.134 5.118 ± 1.132 t = 0.150, p = 0.881
TL (mmol/L) 1.753 ± 1.002 1.753 ± 1.000 t = −0.010, p = 0.992
HDL (mmol/L) 1.452 ± 0.357 1.453 ± 0.358 t = −0.625, p = 0.532
LDL (mmol/L) 3.556 ± 0.839 3.556 ± 0.841 t = −0.083, p = 0.934
2型糖尿病      
病例 (%) 10,023 (5.494) 15,277 (5.575) x2 = 1.342, p = 0.247
對(duì)照 (%) 172,399 (94.506) 258,752 (94.425)  
BMI,身體質(zhì)量指數(shù); CL,膽固醇水平; DBP,舒張壓; GL,葡萄糖水平; HDL,高密度脂蛋白; LDL,低密度脂蛋白; SBP,收縮壓; TL,甘油三酯水平; WC,腰圍。

為了獲得賊佳的 PRS 模型,糖尿病多基因風(fēng)險(xiǎn)打分基因檢測(cè)生成了總共 16 個(gè)由 PRSice-2 軟件實(shí)現(xiàn)的候選 PRS 模型。 糖尿病多基因風(fēng)險(xiǎn)打分基因檢測(cè)在 UKB 測(cè)試數(shù)據(jù)集中評(píng)估了這 16 個(gè) PRS 模型的性能,并選擇了賊好的模型進(jìn)行進(jìn)一步的驗(yàn)證分析。 這 16 個(gè)候選 PRS 模型的 AUC 范圍從 0.691 到 0.792(表 2)。 糖尿病多基因風(fēng)險(xiǎn)打分基因檢測(cè)根據(jù) 25,454 個(gè) SNP 選擇了具有賊高 AUC [AUC = 0.792, 95% CI: (0.787, 0.796)] 的賊佳 PRS 模型,當(dāng) p≤5×10−2 且 r2 < 0.2 時(shí)。 測(cè)試和驗(yàn)證數(shù)據(jù)集不同比例的AUC如表3所示。糖尿病多基因風(fēng)險(xiǎn)打分基因檢測(cè)可以看到不同比例的AUC非常接近,范圍為0.791到0.795。 40-60% 比率的 AUC 在驗(yàn)證數(shù)據(jù)集中具有賊佳性能 [AUC = 0.795, 95% CI: (0.790, 0.800)]。 圖 1 提供了 PRS 模型構(gòu)建、測(cè)試和驗(yàn)證的其他詳細(xì)信息。

 

表 2:不同多基因風(fēng)險(xiǎn)評(píng)分 (PRS) 模型對(duì) 2 型糖尿病 (T2D) 的預(yù)測(cè)能力。

調(diào)數(shù)調(diào)節(jié) SNP數(shù)目 AUC (95% CI)
p≤?5×?10−8 和 r2 < 0.2 363 0.706 (0.701–0.711)
p≤?5×?10−8 和 r2 < 0.4 486 0.702 (0.697–0.707)
p≤?5×?10−8 和 r2 < 0.6 670 0.696 (0.691–0.701)
p≤?5×?10−8 和 r2 < 0.8 957 0.691 (0.686–0.697)
p≤?5×?10−6 和 r2 < 0.2 750 0.715 (0.710–0.720)
p≤?5×?10−6 和 r2 < 0.4 1,013 0.709 (0.704–0.714)
p≤?5×?10−6 和 r2 < 0.6 1,335 0.701 (0.696–0.706)
p≤?5×?10−6 和 r2 < 0.8 1,853 0.696 (0.691–0.701)
p≤?5×?10−4 和 r2 < 0.2 2,616 0.736 (0.732–0.741)
p≤?5×?10−4 和 r2 < 0.4 3,394 0.726 (0.721–0.731)
p≤?5×?10−4 和 r2 < 0.6 4,299 0.715 (0.710–0.720)
p≤?5×?10−4 和 r2 < 0.8 5,690 0.708 (0.703–0.713)
p≤?5×?10−2 和 r2 < 0.2 25,454 0.792 (0.787–0.796)
p≤?5×?10−2 和 r2 < 0.4 32,600 0.782 (0.777–0.787)
p≤?5×?10−2 和 r2 < 0.6 40,001 0.771 (0.766–0.776)
p≤?5×?10−2 和 r2 < 0.8 50,224 0.760 (0.755–0.765)
AUC 是使用邏輯回歸模型確定的,該模型針對(duì)性別、年齡和祖先的前 10 個(gè)主要成分進(jìn)行了調(diào)整。 賊高 AUC 由粗體值表示。

 

表3:當(dāng) p≤5×10−2 且 r2 < 0.2 時(shí),不同比例的測(cè)試和驗(yàn)證數(shù)據(jù)集的接受者操作特征曲線 (AUC) 下的面積

數(shù)據(jù)集 30–70% 40–60% 50–50% 60–40% 70–30%
測(cè)試 0.791 0.792 0.794 0.795 0.794
  (0.781–0.791) (0.787–0.796) (0.790–0.800) (0.791–0.799) (0.790–0.799)
驗(yàn)證 0.794 0.795 0.793 0.792 0.791
  (0.790–0.799) (0.790–0.800) (0.789–0.797) (0.787–0.796) (0.781–0.791)
AUC 是使用針對(duì)性別、年齡和祖先的前 10 個(gè)主要成分進(jìn)行調(diào)整的邏輯回歸模型確定的。

為了便于解釋?zhuān)悄虿《嗷蝻L(fēng)險(xiǎn)打分基因檢測(cè)將 PRS 縮放為零均值和一個(gè)標(biāo)準(zhǔn)差。 糖尿病多基因風(fēng)險(xiǎn)打分基因檢測(cè)調(diào)查了 PRS 模型是否可以識(shí)別 T2D 高風(fēng)險(xiǎn)個(gè)體。 圖 2 顯示,患有 T2D 的個(gè)體的標(biāo)準(zhǔn)化 PRS 中位數(shù)為 0.941,而沒(méi)有患有 T2D 的個(gè)體為 -0.056,差異為 0.997 (p < 0.00001)。 從圖 3A 中,糖尿病多基因風(fēng)險(xiǎn)打分基因檢測(cè)發(fā)現(xiàn)標(biāo)準(zhǔn)化的 PRS 近似于整個(gè)人群的正態(tài)分布,T2D 的經(jīng)驗(yàn)風(fēng)險(xiǎn)在分布的右尾急劇上升。 PRS 模型確定了將近 30% 的人口風(fēng)險(xiǎn)大于或等于五倍,12% 的人口風(fēng)險(xiǎn)大于或等于六倍,以及前 7% 的人口風(fēng)險(xiǎn)大于或等于七倍 對(duì)于圖 3A 所示的 T2D。 然后,糖尿病多基因風(fēng)險(xiǎn)打分基因檢測(cè)根據(jù) PRS 的百分位數(shù)對(duì)人群進(jìn)行分層,并將前 10 個(gè)百分位數(shù)定義為“高風(fēng)險(xiǎn)”組,將后 10 個(gè)百分位數(shù)定義為“低風(fēng)險(xiǎn)”組。 圖 3B 顯示 T2D 的患病率隨著 PRS 模型的百分位數(shù)而增加。 在 30,174 人中,“高風(fēng)險(xiǎn)”組有 5,642 例(18.698%),而“低風(fēng)險(xiǎn)”組只有 282 例(0.935%),對(duì)應(yīng)于 T2D 風(fēng)險(xiǎn)比前者增加了近 20 倍 前 10 個(gè)百分位數(shù)與后 10 個(gè)百分位數(shù)。

An external file that holds a picture, illustration, etc.
Object name is fgene-12-632385-g002.jpg
圖 2:英國(guó)生物銀行 (UKB) 驗(yàn)證數(shù)據(jù)集中 2 型糖尿病 (T2D) 病例與對(duì)照組的多基因風(fēng)險(xiǎn)評(píng)分 (PRS)
 


An external file that holds a picture, illustration, etc.
Object name is fgene-12-632385-g003.jpg

圖 3:根據(jù)多基因風(fēng)險(xiǎn)評(píng)分 (PRS),2 型糖尿病 (T2D) 的風(fēng)險(xiǎn)。 (A) 英國(guó)生物銀行 (UKB) 驗(yàn)證數(shù)據(jù)集中 T2D 的 PRS 分布(n = 301,736)。 x 軸代表 T2D 的 PRS,它被縮放為具有零均值和一個(gè)標(biāo)準(zhǔn)偏差。 虛線分別反映風(fēng)險(xiǎn)增加五倍、六倍和七倍的人口與其余人口的比例。 在針對(duì)性別、年齡和血統(tǒng)的前 10 個(gè)主要成分進(jìn)行調(diào)整的邏輯回歸模型中評(píng)估優(yōu)勢(shì)比。 (B) 根據(jù) 100 組 UKB 驗(yàn)證數(shù)據(jù)集的 T2D 患病率根據(jù) T2D PRS 的百分位數(shù)分層。

我們進(jìn)一步調(diào)查了多基因預(yù)測(cè)因子、性別、年齡、身體測(cè)量值和臨床因素在識(shí)別 T2D 高風(fēng)險(xiǎn)個(gè)體中的作用。 表 4 顯示,僅將 PRS 納入預(yù)測(cè)模型而未調(diào)整任何其他協(xié)變量的模型 3 的 AUC 在測(cè)試數(shù)據(jù)集中為 0.749 [95% CI: (0.744,0.754)],在測(cè)試數(shù)據(jù)集中為 0.755 [95% CI: (0.752 , 0.755)] 在驗(yàn)證數(shù)據(jù)集中。 有趣的是,如果僅將性別、年齡和祖先的前 10 個(gè)主要成分納入模型,AUC 為 0.667 [95% CI: (0.663, 0.672)]。 加入PRS后,AUC達(dá)到0.795[95% CI: (0.790, 0.800)],比model2提高了約13%。 模型 4(即同時(shí)考慮性別、年齡、PC、BMI、WC、DBP、SBP、GL、CL、HDL、LDL 和 TL)的 AUC 為 0.880 [95% CI: (0.878, 0.888)] 并提高到 將 PRS 添加到模型中時(shí),驗(yàn)證數(shù)據(jù)集中的 0.901 [95% CI: (0.897, 0.904)]。 簡(jiǎn)而言之,多基因評(píng)分確實(shí)有助于識(shí)別 T2D 的高危個(gè)體,而 T2D 相關(guān)協(xié)變量的作用也有助于提高預(yù)測(cè)正確性。 如表 5 所示,PRS、性別、年齡、身體測(cè)量值和大多數(shù)臨床因素都與 T2D 顯著相關(guān) (p < 0.0001)。

 

表 4:測(cè)試和驗(yàn)證數(shù)據(jù)集中不同模型的接受者操作特征曲線 (AUC) 下的面積。

數(shù)據(jù)集 平均值 模型2 模型3 模型1 模型4 模型5
測(cè)試 −0.003 0.671 (0.666–0.676) 0.749 (0.744–0.754) 0.792 (0.787–0.796) 0.886 (0.882–0.889) 0.902 (0.899–0.905)
驗(yàn)證 −0.003 0.667 (0.663–0.672) 0.755 (0.752–0.755) 0.795 (0.790–0.800) 0.882 (0.878–0.888) 0.901 (0.897–0.904)
模型 1:AUC 是使用針對(duì)性別、年齡和祖先的前 10 個(gè)主要成分進(jìn)行調(diào)整的邏輯回歸模型確定的。 模型 2:AUC 是使用僅考慮性別和年齡的邏輯回歸模型確定的。 模型 3:AUC 是使用僅考慮全基因組多基因評(píng)分的邏輯回歸模型確定的。 模型 4:AUC 是使用考慮人口因素、物理測(cè)量和臨床因素的邏輯回歸模型確定的。 模型 5:AUC 是使用針對(duì)性別、年齡、體重指數(shù)、腰圍、舒張壓、收縮壓、葡萄糖水平、膽固醇水平、高密度脂蛋白、低密度脂蛋白、甘油三酯水平調(diào)整的邏輯回歸模型確定的, 以及祖先的前 10 個(gè)主要成分。

 

表 5:驗(yàn)證數(shù)據(jù)集中 model5 下的參數(shù)估計(jì)

變量 Estimate beta 標(biāo)準(zhǔn)差 Z p-value
(Intercept) 24.500 0.495 49.474 < 2×?10−16
PRS 12370.000 167.400 73.943 < 2×?10−16
CL −0.591 0.057 −10.377 < 2×?10−16
HDL 0.051 0.063 0.876 0.381
LDL 0.010 0.068 0.140 0.888
TL 0.285 0.013 21.826 < 2×?10−16
Sex −0.214 0.028 −7.731 1.070×?10−14
WC 0.045 0.002 28.356 < 2×?10−16
BMI 0.036 0.004 9.325 < 2×?10−16
Age 0.060 0.002 38.401 < 2×?10−16
DBP −0.018 0.001 −13.928 < 2×?10−16
SBP 0.005 0.001 7.626 2.410×?10−16
GL 0.449 0.006 69.917 < 2×?10−16
PC10 0.020 0.004 4.726 2.280×?10−16
BMI,身體質(zhì)量指數(shù); CL,膽固醇水平; DBP,舒張壓; GL,葡萄糖水平; PRS,全基因組多基因評(píng)分; HDL,高密度脂蛋白; LDL,低密度脂蛋白; SBP,收縮壓; TL,甘油三酯水平; WC,腰圍。

關(guān)于糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性分析

糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的結(jié)果表明,在針對(duì)性別、年齡和祖先的前 10 個(gè)主要成分進(jìn)行調(diào)整后,賊佳 PRS 模型的 AUC 為 0.795。 它表明 PRS 確實(shí)有助于識(shí)別處于發(fā)展 T2D 高風(fēng)險(xiǎn)中的個(gè)體。 同時(shí),病例和對(duì)照組的 PRS 分布存在顯著差異,即病例的 PRS 中位數(shù) (0.941) 遠(yuǎn)高于對(duì)照組 (-0.056)。 此外,大約 30% 的參與者患 T2D 的風(fēng)險(xiǎn)增加了 5 倍以上,12% 的參與者的風(fēng)險(xiǎn)增加了 6 倍以上,而前 7% 的參與者的風(fēng)險(xiǎn)增加了 7 倍以上。 特別是,根據(jù)百分位數(shù)分層的 PRS 表明,“高風(fēng)險(xiǎn)”群體與 T2D 風(fēng)險(xiǎn)密切相關(guān)。

上述結(jié)果表明,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的 PRS 模型可以用作識(shí)別 T2D 高風(fēng)險(xiǎn)個(gè)體的有力工具; 改進(jìn)了先前研究。PRS 模型的 AUC 僅使用已發(fā)表的三個(gè) SNP 進(jìn)行評(píng)估,在 6,078 個(gè)人中易患 T2D 為 0.571(Weedon 等人,2006)。 在包含更多 SNP 之后,糖尿病多基因風(fēng)險(xiǎn)打分研究構(gòu)建了具有 18 個(gè) SNP 的 PRS 模型并獲得了 0.600 的 AUC。 后來(lái)對(duì) 22 個(gè) SNP 進(jìn)行的一項(xiàng)研究的 AUC 為 0.570,并允許確定 3.0% 的人群的 T2D 風(fēng)險(xiǎn)是平均風(fēng)險(xiǎn)的兩倍或更高。 值得注意的是,與糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的研究(AUC = 0.755)相比,上述三項(xiàng)樣本量較?。ǚ秶鷱?4,907 到 39,117)和 SNP 數(shù)量較少(范圍從 3 到 22)的研究的預(yù)測(cè)性能相對(duì)較差,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的研究(AUC = 0.755)在 274,029 中有 25,454 個(gè) SNP 個(gè)人。

此外,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組強(qiáng)調(diào)非遺傳風(fēng)險(xiǎn)因素的作用,即性別、年齡、身體測(cè)量和臨床因素。 在調(diào)整性別和年齡時(shí),Meigs 等人 (2008) 在 2,776 個(gè)人中獲得了 0.581 的 AUC,Vassy 等人 (2014) 在 11,883 人中提供了 0.726 的 AUC,以及 Läll 等人的 AUC(2017) 達(dá)到 0.740。 有趣的是,這項(xiàng)研究處理了 288,978 個(gè)人的近 700 萬(wàn)個(gè)變異,在加上性別和年齡后僅產(chǎn)生了 0.730 的 AUC,小于我們的 (0.795),僅包括 25,454 個(gè) SNP。 他們進(jìn)一步報(bào)告說(shuō),3.5% 的人口遺傳了一種遺傳傾向,使患 T2D 的風(fēng)險(xiǎn)增加了三倍以上,0.2% 的人口遺傳了大于或等于四倍的風(fēng)險(xiǎn),0.05% 的人口遺傳了大于或等于五倍的風(fēng)險(xiǎn) . 他們的研究在四個(gè)方面與糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的不同。 首先,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的研究樣本量更大(456,451 對(duì) 409,258)。 其次,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組首先根據(jù)全基因組關(guān)聯(lián) p 值 (p≤5×10−2) 執(zhí)行 SNP 選擇,以便糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組在 PRS 模型中包含更多預(yù)測(cè)性 SNP (25,454) 并避免虛假 SNP。 第三,他們使用祖先的前 4 個(gè)主成分,而糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組使用祖先的前 10 個(gè)主成分,以便更好地控制人口分層。 第四,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組基于計(jì)算效率更高和可擴(kuò)展性更高的 PRSice-2 軟件生成 PRS,而他們使用 LDpred 程序,它比 PRSice-2 慢得多。 這些差異解釋了為什么糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的 PRS 模型具有更好的預(yù)測(cè)能力。 當(dāng)然,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組也嘗試加入更多的非遺傳風(fēng)險(xiǎn)因素,AUC從0.755增加到0.901。 因此,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的研究可以更正確地識(shí)別出患 T2D 的低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)個(gè)體。

糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的研究具有多重優(yōu)勢(shì)。 首先,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組基于UKB數(shù)據(jù)集構(gòu)建PRS模型,該數(shù)據(jù)集是全球賊大的前瞻性隊(duì)列研究之一,個(gè)人信息全面豐富,基因分型數(shù)據(jù)質(zhì)量高。 其次,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組三步過(guò)濾程序?qū)?SNP 選擇到 PRS 模型中。 這種方法實(shí)現(xiàn)起來(lái)很簡(jiǎn)單,并且具有很好的預(yù)測(cè)性能。 第三,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組在預(yù)測(cè)模型中加入了新的物理測(cè)量值和臨床因素(即 WC、DBP、HDL 和 LDL),以提高預(yù)測(cè)正確性。 第四,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組采用了新的 PRS 軟件 PRSice-2,該軟件已被證明在預(yù)測(cè)正確性和計(jì)算速度方面優(yōu)于其他競(jìng)爭(zhēng)方法和軟件。

盡管本研究在識(shí)別患 T2D 風(fēng)險(xiǎn)增加的個(gè)體方面做出了重要貢獻(xiàn); 但是,存在一個(gè)主要限制。 UKB 數(shù)據(jù)集中的個(gè)體主要是歐洲血統(tǒng); 此處計(jì)算的特定 PRS 可能對(duì)其他種族群體沒(méi)有賊佳預(yù)測(cè)能力,因?yàn)榈任换蝾l率、LD 模式和常見(jiàn) SNP 的效應(yīng)大小在具有不同種族背景的人群中可能不同。

總之,糖尿病多基因風(fēng)險(xiǎn)評(píng)分的正確性研究組的研究結(jié)果表明,即使僅基于遺傳數(shù)據(jù),PRS 模型也能高度預(yù)測(cè) T2D 風(fēng)險(xiǎn),并且在包含非遺傳風(fēng)險(xiǎn)因素后預(yù)測(cè)正確性提高,表明我們的 PRS 模型可以用作預(yù)防疾病的有力工具 T2D 篩查。

(責(zé)任編輯:佳學(xué)基因)
頂一下
(3)
100%
踩一下
(0)
0%
推薦內(nèi)容:
來(lái)了,就說(shuō)兩句!
請(qǐng)自覺(jué)遵守互聯(lián)網(wǎng)相關(guān)的政策法規(guī),嚴(yán)禁發(fā)布色情、暴力、反動(dòng)的言論。
評(píng)價(jià):
表情:
用戶名: 驗(yàn)證碼: 點(diǎn)擊我更換圖片

Copyright © 2013-2033 網(wǎng)站由佳學(xué)基因醫(yī)學(xué)技術(shù)(北京)有限公司,湖北佳學(xué)基因醫(yī)學(xué)檢驗(yàn)實(shí)驗(yàn)室有限公司所有 京ICP備16057506號(hào)-1;鄂ICP備2021017120號(hào)-1

設(shè)計(jì)制作 基因解碼基因檢測(cè)信息技術(shù)部