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。