polygenic risk score:多基因风险评分

欢迎关注”生信修炼手册”!

针对复杂疾病，通过GWAS研究可以识别到大量的疾病易感位点，然而这些位点绝大多数都属于微效位点，单个或者少数几个位点对疾病的效应较弱，无法准确的预测疾病。为了更好的研究患病风险，我们需要综合多基因位点的信息。在这个基础上，提出了多基因风险评分的概念。

多基因风险评分，对应的英文如下

polygenic risk score

简称PRS, 计算公式如下

其中i表示SNP位点，m表示SNP位点的总数，β表示该SNP位点对于疾病的效应，j表示该SNP位点的基因型，分别用0,1,2表征没有突变，杂合突变和纯合突变，ω表示每种基因型的频率。从公式可以看出，PRS值是所有疾病相关位点效应值的总和。在计算PRS时，有以下两个关键步骤

1. SNP位点的选择，采用GWAS分析的p值作为阈值来筛选SNP位点，通常会有多个阈值

2. SNP位点权重的计算，常用OR值或者回归分析的beta值作为SNP位点对疾病效应的权重

PRS结合了所有疾病关联位点的效应值，更加适合预测个体的患病风险，在实际分析中，计算PRS的流程如下

首先将数据集分为两个部分，base data和target data。其中base data提供了GWAS分析的结果，如p值，beta或者OR值等，用于构建模型；而target data提供了部分样本的基因型和表型数据，用基于base data构建的模型来预测这部分样本的患病风险。

在建模之前，需要对数据进行质控，可以参考GWAS的质控标准。同时还需要注意，两个数据集的样本必须是独立的，不存在重复样本，即一个样本不能同时出现在base data和target data中。接下来计算PRS, 需要考虑连锁不平衡的调整，beta收缩，pvalue阈值选取等因素，然后计算PRS值，并进行PRS和表型之间的关联分析，最后使用两个数据集进行交叉验证。

可以进行PRS分析的软件有很多，PRSice是使用的最为广泛的一款。在后续会详细介绍其用法。

·end·

—如果喜欢，快分享给你的朋友们吧—

往期精彩

• 自己动手进行逻辑回归，你也可以！

• GWAS大家都知道，Gene-Based GWAS你了解吗？

• 3步搞定GWAS中的Gene Set Analysis

• 你听说过Epistasis吗？

• GWAS中的Gene-Gene Interactions如何分析？看这里

• 终于搞清楚了Lasso回归和Ridge回归的区别
  

• odd ratio置信区间的计算，你学会了吗？

• 多元回归分析存在多重共线性了怎么办？

• 基因型与表型的交互作用如何分析，多元回归来搞定

• 曼哈顿图就够了吗?你还需要LocusZoom

• GWAS做完了，下一步做什么？
  

  GWAS meta分析

• GWAS样本量不够怎么办，meta分析了解一下

• 你没看错，搞定GWAS meta分析只需一行代码！

• meta分析的森林图不会画？看这里

• GWAMA:GWAS meta-analysis的又一利器

• 点击鼠标即可完成GWAS meta分析，任何人都可以！

• 用R进行gwas meta分析,原来如此简单
  

  基因型填充

• GWAS中的genotype imputation简介
  

• 基因型填充中的phasing究竟是什么
  

• 基因型填充前的质控条件简介
  

• 使用shapeit进行单倍型分析
  

• gtool:操作genotype data的利器
  

• 使用IMPUTE2进行基因型填充
  

• 使用Beagle进行基因型填充
  

• 使用Minimac进行基因型填充
  

• 使用Eagle2进行单倍型分析
  

• X染色体的基因型填充
  

• 文献解读|不同基因型填充软件性能的比较
  

• Haplotype Reference Consortium:最大规模的单倍型数据库
  

• Michigan Imputation Server:基因型填充的在线工具
  

  CNV分析

• aCGH芯片简介
  

• aCGH芯片分析简介