一級(jí)標(biāo)題個(gè)體多基因風(fēng)險(xiǎn)評(píng)分評(píng)估存在較大的不確定性，影響了基于PRS的風(fēng)險(xiǎn)分層
二級(jí)標(biāo)題
五級(jí)標(biāo)題
- 列表第一項(xiàng)
- 列表第二項(xiàng)
- 有序列表第一項(xiàng)
- 有序列表第二項(xiàng)
標(biāo)題
[圖片上傳失敗...(image-e2f728-1646232750719)]
斜體
粗體
引用段落
代碼塊
Large uncertainty in individual polygenic risk score estimation impacts PRS-based risk stratification
因?qū)儆谒惴愇恼拢皇呛芨信d趣笔链，所以筆記不多。（太菜了腮猖，看不大懂鉴扫，屬于是）
結(jié)果：
1、提供了個(gè)體PRS方差的期望析估計(jì)量方法澈缺，來評(píng)估SNP遺傳力坪创、因果SNP數(shù)目和樣本量炕婶。
2、顯示了將個(gè)人PRS估計(jì)中的不確定性納入后續(xù)分析的重要性莱预。
做了什么：
1柠掂、首先，我們將LDpred2(參考24)的貝葉斯框架擴(kuò)展到從個(gè)體的GV (GVi)的后驗(yàn)分布中取樣依沮，以估計(jì)(1)后驗(yàn)s.d.(?PRSi)和(2)不同ρ值的遺傳值的ρ-level可信區(qū)間(ρGVi- ci)涯贞。
2、其次危喉，我們引入了一種分析形式肩狂，將s.d.個(gè)體期望(?PRSi)作為遺傳力、因果變量數(shù)量和訓(xùn)練數(shù)據(jù)樣本大小的函數(shù)姥饰，并表明該分析形式在模擬和真實(shí)數(shù)據(jù)中是準(zhǔn)確的傻谁。
3、第三列粪，仿真結(jié)果表明审磁，當(dāng)目標(biāo)樣本與訓(xùn)練數(shù)據(jù)匹配時(shí)，ρGVi-CI得到了很好的校正岂座，并且s.d.(?PRSi)隨著多基因性(因果變量的數(shù)量)的增加态蒂、遺傳度的增加和GW as樣本容量的減少而增加。
4费什、通過分析英國生物庫中的13個(gè)真實(shí)特征钾恢，我們發(fā)現(xiàn)個(gè)人PRS估計(jì)中存在很大的不確定性，這極大地影響了基于PRS的個(gè)人排名的可解釋性鸳址。
5瘩蚪、最后，我們探索了一種將 PRS 不確定性納入基于 PRS 的分層的概率方法稿黍，并展示了這種方法如何在不同的成本情景下實(shí)現(xiàn)有原則的風(fēng)險(xiǎn)分層疹瘦。
圖1：我們模擬GWAS N個(gè)人跨3個(gè)snp LD結(jié)構(gòu)R (SNP2和SNP3 LD 0.9而SNP1與其他不相關(guān)的SNPs), SNP1和SNP2因果效應(yīng)大小相同的βc =(0.016, 0.016, 0)的方差解釋為該地區(qū)是var (xTβc) = 0.5/1000,對(duì)應(yīng)于總遺傳力為0.5的性狀均勻分布于1000個(gè)因果區(qū)域巡球。言沐。GWAS的邊際效果觀察,?β,有期望的R c和variance-covarianceβ(σ2 e / N) R,從而展示統(tǒng)計(jì)噪聲引入了有限樣本大小的GWAS (N)。例如,邊際GWAS的概率效應(yīng)在標(biāo)簽SNP3超過真正的因果SNP2的邊際效應(yīng),盡管它隨著N的增加而減少酣栈，但對(duì)于現(xiàn)實(shí)樣本和效應(yīng)量來說险胰，它仍然相當(dāng)高(對(duì)于在1000個(gè)因果區(qū)域中分裂為h2g = 0.5的性狀，在N = 100,000時(shí)矿筝，它占12%;我們考慮在GWAS中觀察到的效應(yīng):?βGWAS =(0.016, 0.016, 0.016)起便。根據(jù)這樣的觀察，除了真正的因果效應(yīng)(βc)，其他的因果配置是可能的:β1 =(0.016, 0, 0.016)或β2 =(0.016, 0.008, 0.008)缨睡∧胥玻基因型xi =(0,1,0)?的個(gè)體在這些不同的因果配置下會(huì)獲得不同的PRS估計(jì)。最重要的是奖年，在缺乏其他先驗(yàn)信息的情況下细诸，β1和βc在該數(shù)據(jù)下是等可能的，從而導(dǎo)致對(duì)個(gè)體xi =(0,1,0)的不同PRS估計(jì)陋守。
a震贵，從LDpred2求不確定度的過程。LDpred2使用MCMC對(duì)給定GWAS邊際效應(yīng)水评、LD和先驗(yàn)因果效應(yīng)的后驗(yàn)因果效應(yīng)分布進(jìn)行采樣猩系。它輸出用于估計(jì)后驗(yàn)均值遺傳值的因果效應(yīng)的后驗(yàn)均值(PRS點(diǎn)估計(jì))。我們的框架樣本來自后驗(yàn)的因果效應(yīng)中燥，以近似后驗(yàn)分布的遺傳值寇甸。密度圖表示個(gè)體GV的后驗(yàn)分布。陰影區(qū)域表示ρ級(jí)CI疗涉。圓點(diǎn)代表后驗(yàn)平均值拿霉。b，基于概率prs的分層框架咱扣。給定一個(gè)閾值t绽淘，基于概率prs的分層方法不是二分法將個(gè)體分為閾上(?PRSi >t)和閾下(?PRSi≤t)兩組(左)，而是給每個(gè)個(gè)體分配一個(gè)閾上Pr(GVi > t)的概率(右)闹伪。
