基于metaPRS与APOEε4优化轻度认知障碍遗传风险统计建模策略的应用研究

Application of metaPRS and APOEε4 to Optimize Genetic Risk Prediction Modeling Strategy for Mild Cognitive Impairment

二维码有效期 120s

摘要背景轻度认知障碍(MCI)是干预和延缓痴呆进展的重要阶段,既往研究发现MCI与遗传因素存在紧密关联,且载脂蛋白E(APOE)ε4是医学界公认的MCI重要风险等位基因.由于缺少MCI的全基因组关联研究(GWAS)汇总数据,当前普遍以阿尔茨海默病(AD)的GWAS汇总数据作为Base数据集来计算MCI的多基因风险评分(PRS),致使MCI的PRS遗传风险预测效果并不理想.目的本研究以多基因遗传风险综合评分(metaPRS)与APOEε4作为重要预测因子,从广义线性模型与机器学习角度,探索并优化MCI的遗传风险统计建模策略.方法计算MCI的12个亚表型PRS,并利用弹性网状Logistic回归模型将其整合为MCI的metaPRS.利用年龄矫正的APOEε4效应量计算APOEε4加权总和(SCOREAPOE).以metaPRS、SCOREAPOE及基本人口学信息(年龄、性别、受教育程度)构建不同的预测因子纳入策略,以XGBoost、GBM、Logistic回归及Lasso回归作为统计建模方法,采用AUC及F-measure评价MCI遗传风险统计建模的预测效果.结果 metaPRS与SCOREAPOE对于MCI的遗传风险有较高的预测价值,纳入metaPRS、SCOREAPOE及基本人口学信息(年龄、性别、受教育程度)后,各个统计建模方法的预测效果为:XGBoost(AUC=0.69,F-measure=0.88),GBM(AUC=0.76,F-measure=0.87),Logistic回归(AUC=0.77,F-measure=0.89),Lasso回归(AUC=0.76,F-measure=0.92).结论在样本量为325(<500)的情况下,以metaPRS、SCOREAPOE与基本人口学信息为预测因子,以Lasso回归为统计建模方法的MCI遗传风险预测效果最好.本研究为MCI等复杂疾病的遗传风险统计建模提供了新的思路与视角.

作者李梓盟 ^[1] 王荣 ^[1] 陈帅 ^[1] 赵彩丽 ^[1] 王晓聪 ^[2] 温雅璐 ^[3] 刘龙 ^[3] 学术成果认领

作者单位 030000 山西省太原市,山西医科大学公共卫生学院卫生统计学教研室 ^[1] School of Public Health and Preventive Medicine, Monash University,Melbourne 3800,Australia ^[2] 030000 山西省太原市,山西医科大学公共卫生学院卫生统计学教研室;030000 山西省太原市,重大疾病风险评估山西省重点实验室 ^[3]

关键词轻度认知障碍多基因风险评分多基因遗传风险综合评分载脂蛋白Eε4 遗传风险预测统计建模优化

分类号 R741

栏目名称 人群健康研究

DOI 10.12114/j.issn.1007-9572.2022.0756

发布时间 2023-06-19

基金项目

国家自然科学基金 国家自然科学基金