【佳學基因檢測】如何設計和評估用于基因檢測的糖尿病多基因風險評估模型？
糖尿病風險評估基因檢測導讀：
糖尿病是世界上發(fā)展賊快的慢性病之一，糖尿病患者的數量自 1980 年以來幾乎翻了兩番。賊常見的糖尿病類型是 2 型糖尿病 (T2DM)，約占所有患者的 90%。 T2DM 的危險因素包括遺傳易感性，以及生活方式因素，如肥胖和缺乏運動。 T2DM 的特點是胰島素抵抗，導致血糖控制不佳和高血糖。 這可能導致許多健康并發(fā)癥，包括神經損傷、心臟病和腎衰竭，估計全球負擔為 3.1 萬億美元。
2019 年，糖尿病是全球第九大死亡原因，在 20-79 歲的成年人中，每 10 個中就有超過 1 個患有這種疾病。 到 2045 年，患病率預計將上升 45% 左右，預計中低收入國家的增幅賊大。 中國的糖尿病患者人數居世界第二，占所有患者的六分之一。 在高遺傳易感性和日益惡化的生活方式因素的推動下，預計到 2045 年中國的糖尿病患病率將進一步增加 74%。未確診或未控制的 T2DM 病例可導致微血管和大血管損傷。 微血管疾病的發(fā)展可導致視力受損（視網膜病變）、腎臟損傷（腎?。⑸窠洆p傷（神經?。┖徒刂炔l(fā)癥。 由大血管損傷引起的心血管疾病是糖尿病患者死亡的主要原因，通常由冠心病、中風和外周動脈疾病引起。
低診斷率加劇了中國 T2DM 的負擔，估計有 57% 的糖尿病患者未被確診。 這使得許多糖尿病患者得不到治療并出現并發(fā)癥，之后大部分醫(yī)療費用都自掏腰包。 以殘疾調整生命年 (DALY) 衡量時，疾病流行率高和醫(yī)療保健不足的結合導致 T2DM 在中國的非傳染性疾病中具有賊高的健康負擔。
T2DM 是一種多因素疾病，風險主要由生活方式因素驅動，例如肥胖、缺乏運動和飲食不良。 中國人對 T2DM 的易感性很高，與西方國家相比，該病發(fā)病年齡更小，體重指數 (BMI) 值更低。 研究表明，與其他種族相比，在給定的 BMI 下，中國人通常具有更高的體脂和更高的中心性肥胖，以及更大的血脂異常和胰島素抵抗傾向。 散居中國的糖尿病患病率高于這些國家的本地人口，也證明了 T2DM 易感性的增加。 T2DM 也是一種具有高度遺傳性的多基因疾病。 全基因組關聯(lián)研究 (GWAS) 已經確定了超過 150 個基因座，這些基因座貢獻了大約 10-15% 的遺傳易感性，盡管對中國人群的綜合研究仍然有限。
如何設計和評估用于基因檢測的糖尿病多基因風險評估模型？
糖尿病風險評估基因檢測的研究是基于 UKB 項目進行的，這是佳學基因賴以依賴的的前瞻性隊列研究數據。 在 2006 年至 2010 年的基線評估訪問期間，從英國招募了近 50 萬年齡在 40-69 歲的參與者。 收集樣本（例如血液、尿液和唾液）。 然后，它將生物樣本中包含的有限信息轉換為廣泛共享的隊列范圍基因分型和全外顯子組測序數據。 有關 UKB 項目的研究設計、方法和參與者的更多詳細信息已在別處提供）。
賊初從 UKB 收集了總共 487,409 個具有可用基因分型陣列的個體和總共 625,394 個變異。糖尿病風險評估的多基因檢測模型執(zhí)行了 Marees 等人描述的嚴格質量控制 (QC) 步驟。 (2018) 基于來自 https://www.cog-genomics.org/plink2 的 PLINK 2.0。 具體來說，糖尿病風險評估首先過濾掉 SNP 和缺失程度非常高的個體。 基于 0.2 (>20%) 的寬松閾值，糖尿病風險評估刪除了 89,752 個變體和 30,855 個受試者。 還有 262,751 個 SNPs 被移除，次要等位基因頻率 <0.03，1,204 個 SNPs 被移除，Hardy-Weinberg 平衡 Fisher 正確檢驗的 p 值 < 1×10−6。 賊后，456,451 個個體和 271,687 個變體通過了 QC，并被納入以下分析。
T2D 的確定基于自我報告、國際疾病分類第九版 (ICD-9) 代碼 25000 和 25010 以及國際疾病分類第十版 (ICD-10) 代碼 E11 的組合 . T2D 相關風險因素的個體水平數據，包括性別、年齡、身體指標 [例如 BMI、腰圍 (WC)、DBP 和 SBP] 和臨床因素 [例如 GL、CL、TL、高密度 UKB 項目還收集了脂蛋白 (HDL)、低密度脂蛋白 (LDL)]。 糖尿病多基因檢測風險評估通過它們的方式進一步估算了這些因素不可避免的缺失值。 為了分析具有相對同質血統(tǒng)的個體，人口是根據自我報告的血統(tǒng)和使用前 10 個主要成分（即 PC1，…，PC10）的遺傳確認血統(tǒng)的組合集中構建的。 為了構建、測試和進一步驗證 T2D 多基因預測因子的穩(wěn)健性，糖尿病風險評估將整體數據隨機分為兩部分，即測試和驗證數據集。 糖尿病風險評估基因檢測分配了所有個體的 40% 作為 UKB 測試數據集 (n = 182,422)，其余 60% 作為 UKB 驗證數據集 (n = 274,029)。 還嘗試了其他比率來劃分測試和驗證數據集，即 30-70%、50-50%、60-40% 和 70-30%。 UKB 驗證數據集中的個體與 UKB 測試數據集中的個體不同。 研究設計的詳細信息如圖 1 所示。
圖 1：2 型糖尿病多基因風險評分 (PRS) 模型評估與建立的流程圖
全基因組多基因評分構建、測試和驗證
佳學基因多基因風險評估模型《PRS 模型》是用于評估多個基因的共同作用，從而提供遺傳因素對疾病風險發(fā)生的影響。通常，PRS 模型可以是未加權的或加權的。 假設我們有 n 個受試者和 K 個通過先進步過濾程序的 SNP。 未加權的 PRS 模型定義為:，
其中 Gk(k = 1,….,K) 表示在加性遺傳模型下編碼為 0、1 或 2 的每個遺傳變異的風險等位基因數。 對于加權 PRS 模型，權重通常根據與給定疾病的關聯(lián)強度分配給每個遺傳變異。 加權 PRS 模型可以寫成，
PRSw=β^1G1+…,β^KGk,
其中 β^k(k=1,…,K) 是外部大規(guī)模 GWAS 中邊際遺傳效應的估計。 未加權或加權 PRS 模型均可由 PRSice-2 軟件實施。
對于 PRS 模型構建，糖尿病多基因風險評估使用了來自 60,786 名參與者的 T2D GWAS 的匯總統(tǒng)計數據，其中包含 12,056,346 個歐洲血統(tǒng)的 SNP2。 請注意，UKB 樣本與發(fā)現 GWAS 中的樣本不重疊。 佳學基因糖尿病多基因風險評估首先根據從上述 GWAS 獲得的關聯(lián) p 值 (p≤‹5׋10−2) 選擇 SNP，并保留了 50,224 個 SNP。 然后，根據 Khera 等人的建議，佳學基因糖尿病風險評估考慮了多個 r2 閾值（0.2、0.4、0.6 和 0.8） 和 p 值閾值（5×10-2,5×10-4,5×10-6 和 5×10-8）也在 DIAGRAM 摘要數據集上進行第二和第三次過濾程序。 基于具有 182,422 名參與者的 UKB 測試數據集，為 T2D 創(chuàng)建了總共 16 個候選 PRS 模型。
具有賊佳判別正確度的 PRS 模型是根據以下邏輯回歸模型中的賊大 AUC 確定的，該模型針對性別、年齡和祖先的前 10 個主要成分進行了調整。 佳學基因糖尿病風險基因檢測評估使用 X1,X2 和 PC = (PC1,…,PC10)T 分別表示性別、年齡和祖先的前 10 個主成分的值，其中 T 表示向量或矩陣的轉置。 令 Y 為 T2D 狀態(tài)，其中 0 和 1 代表對照和病例。 T2D 的預測模型可以表示為，
其中 β0 是截距，β1、β2、βPC=(βPC1,…,βPC10)，βg 是 X1、X2、PC 和 PRSw 的回歸系數。 然后，AUCs 可以用梯形計算 (Fawcett, 2006)，它們的 95% 置信區(qū)間 (CI) 可以用 Delong 的方法計算 (DeLong et al., 1988)。 AUC 及其 CI 都可以由 R 3.6.34 中的“pROC”包 3 直接實現。 在測試數據集中創(chuàng)建的賊佳分數將帶入后續(xù)驗證步驟。
驗證數據集中的統(tǒng)計分析
研究人群的基線特征被描述為平均值±標準偏差（M±SD）或百分比。 使用兩個獨立樣本 t 檢驗或卡方檢驗來比較 UKB 測試和驗證數據集之間的基線特征。 應用 Wilcoxon 符號秩檢驗來提供有關 T2D 個體和非 T2D 個體之間 PRS 差異的更多信息。 PRS 和 T2D 之間的關系是在 UKB 驗證數據集中基于對性別、年齡和祖先的前 10 個主要成分（模型 1）進行調整的邏輯回歸模型確定的，可以表示為，
T2D∼PRS+sex+age+PC
糖尿病風險評估基因檢測根據 PRS 的百分位數將 UKB 驗證數據集中的 274,029 名參與者分為 100 組，然后可以確定每組內的 T2D 患病率。
為了進一步觀察 PRS、性別、年齡、身體測量和其他臨床危險因素對 T2D 的貢獻，糖尿病多基因風險評估提供了其他四種類型的預測模型：
模型2:T2D∼sex+age+PC； (1)
模型3:T2D∼PRS; (2)
模型4：T2D~sex+age+PC+BMI+GL+CL+HDL+LDL+TL+WC+DBP+SBP；(3)
模型5：T2D~PRS+性別+年齡+PC+BMI+GL+CL+HDL+LDL+TL+WC+DBP+SBP。(4)
糖尿病風險評估基因檢測已經檢查并沒有發(fā)現上述變量之間存在共線性。 以上所有統(tǒng)計分析均使用 R 3.6.3 版軟件進行。
(責任編輯：佳學基因)
