PRS-CARV: A summary statistics framework for integrating annotation-informed rare variants to improve polygenic risk prediction

تخيل أنك تحاول التنبؤ بصحة شخص ما في المستقبل من خلال النظر إلى مخطط جيناته. لسنوات، ركز العلماء على الحروف الأكثر شيوعاً في ذلك المخطط، وهي الاختلافات الطفيفة في الحمض النووي التي تظهر بشكل متكرر عبر البشرية جمعاء. تعمل هذه الاختلافات الشائعة مثل نسيم خفيف ومنتشر، يساهم كل منها بقدر ضئيل في خطر إصابة الشخص بحالات مثل أمراض القلب أو ارتفاع الكوليسترول. ومن خلال جمع هذه التأثيرات الصغيرة، يمكن للباحثين إنشاء "درجة المخاطر متعددة الجينات"، وهي رقم واحد يقدر الاستعداد الوراثي للفرد. ومع ذلك، فقد تجاهل هذا النهج لفترة طويلة هبات الرياح النادرة والقوية: وهي الاختلافات الجينية التي تحدث في أقل من حالة واحدة لكل مئة شخص. غالباً ما تكون هذه المتغيرات النادرة أكثر قوة، وقادرة على إحداث تغييرات بيولوجية كبيرة، ولكن نظراً لندرتها، كان من الصعب دراستها دون قواعد بيانات ضخمة ومكلفة للأكواد الجينية الفردية.

لقد طور فريق من الباحثين الآن طريقة جديدة لإدخال هذه الإشارات الجينية النادرة والقوية في عملية التنبؤ دون الحاجة إلى الوصول إلى تلك القواعد البيانات الضخمة والخاصة. يسمح نهجهم، المسمى PRS-CARV، للعلماء بالجمع بين التأثير المستمر للاختلافات الجينية الشائعة والتأثير الحاد للاختلافات النادرة، باستخدام البيانات الملخصة المتاحة علناً فقط. ومن خلال اختبار هذه الطريقة على بيانات واقعية من النساء الحوامل، وجد الفريق أن إضافة المتغيرات النادرة حسّنت بشكل كبير القدرة على التنبؤ بمستويات الكوليسترول ودهون أخرى في الدم. يشير هذا الاختراق إلى أن الحصول على صورة أكثر اكتمالاً للمخاطر الجينية هو أمر ممكن، صورة تلتقط كلاً من الضجيج الخلفي الشائع والإشارات النادرة عالية التأثير المختبئة في حمضنا النووي.

كان التحدي الأساسي الذي واجهه الباحثون لوجستياً. فلقياس تأثير المتغيرات الجينية النادرة بدقة، كان على العلماء تقليدياً جمع البيانات الجينية الخام للأفراد من مئات الآلاف من الأشخاص. وغالباً ما يكون هذا مستحيلاً بسبب قوانين الخصوصية، والتكاليف المرتفعة، والصعوبة الشديدة لمشاركة مثل هذه المعلومات الحساسة. وفي الوقت نفسه، قامت مشاريع واسعة النطاق مثل "UK Biobank" بالفعل بتحليل ملايين العينات الجينية ونشرت النتائج في شكل إحصاءات ملخصة — وهي أرقام مجمعة توضح كيف ترتبط جينات أو متغيرات معينة بسمات معينة، دون الكشف عن هوية الأفراد. تم تصميم طريقة PRS-CARV الجديدة لسد هذه الفجوة؛ فهي تأخذ البيانات الملخصة من هذه الموارد العامة الكبيرة وتجمعها مع البيانات الجينية الفردية لمجموعة محددة من الناس لبناء درجة مخاطر أكثر دقة.

اختبر الباحثون إطار عملهم من خلال النظر في سمات الدهون، وهي مقاياس للدهون في الدم مثل الكوليسترول مرتفع الكثافة (HDL)، والكوليسترول منخفض الكثافة (LDL)، والدهون الثلاثية، والكوليسترول الكلي. وقد استخدموا مجموعة بيانات تضم ما يقرب من 3000 امرأة حامل من أصول أوروبية من دراسة "nuMoM2b-Heart Health Study" كمجموعة مستهدفة. وبالنسبة للبيانات الأساسية، اعتمدوا على الإحصاءات الملخصة من "UK Biobank"، والتي تضمنت معلومات عن أكثر من 390,000 شخص. تضمنت العملية خطوتين رئيسيتين: أولاً، قاموا بحساب درجة المخاطر بناءً على المتغيرات الجينية الشائعة، وهو إجراء قياسي في هذا المجال. ثانياً، قاموا بحساب درجة منفصلة للمتغيرات النادرة. وللقيام بذلك، قاموا بتجميع التغييرات الجينية النادرة ضمن جينات محددة بناءً على وظيفتها، مثل ما إذا كانت من المرجح أن تعطل بروتيناً أو تغيره قليلاً فقط. ثم قاموا بجمع تأثيرات هذه المجموعات النادرة باستخدام الأوزان المقدمة من قاعدة البيانات العامة الكبيرة. وأخيراً، دمجوا هاتين الدرجتين في نموذج تنبؤ موحد واحد.

أظهرت النت النتائج تفوقاً واضحاً لإدراج المتغيرات النادرة. فعندما نظر الباحثون في مدى جودة تنبؤ الدرجات بمستويات الكوليسترول الفعلية لدى النساء، كان النموذج الذي يتضمن المتغيرات الشائعة والنادرة معاً يؤدي بشكل أفضل من النموذج الذي يستخدم المتغيرات الشائعة وحدها. لم يكن التحسن موحداً عبر جميع السمات؛ حيث تراوح من زيادة قدرها 0.02 في المساحة تحت المنحنى (AUC) للكوليسترول مرتفع الكثافة إلى زيادة قدرها 0.11 للكوليسترول منخفض الكثافة. وفي كل حالة، أضافت المتغيرات النادرة طبقة من المعلومات فاتتها المتغيرات الشائعة. كما لاحظ الباحثون أن الجينات التي ساهمت في درجة المتغيرات النادرة كانت مختلفة إلى حد كبير عن تلك الموجودة في درجة المتغيرات الشائعة. فبينما أشارت المتغيرات الشائعة إلى شبكة واسعة من الجينات ذات التأثيرات الصغيرة، سلطت المتغيرات النادرة الضوء على جينات محددة حيث كانت التغييرات الجينية أكثر عرضة لتعطيل وظيفة البروتين، مثل تلك المشاركة في تكسير الدهون.

ولضمان قوة نتائجهم، أجرى الفريق أيضاً محاكاة حاسوبية حيث أنشأوا بيانات جينية وهمية ذات خصائص معروفة. في هذه المحاكاة، كانوا يعرفون بالضبط أي المتغيرات الجينية سببت السمات ومدى قوة تأثيراتها. أكدت عمليات المحاكاة أنه بينما لم تكن المتغيرات النادرة وحدها قوية بما يكفي للتنبؤ بالسمات جيداً، إلا أنها وفرت دفعة كبيرة عند إضافتها إلى المتغيرات الشائعة. وقد ظل هذا صحيحاً حتى عندما غير الباحثون عدد الأسباب الجينية في المحاكاة. إن الاتساق بين المحاكاة والبيانات الواقعية منح الفريق الثقة في أن طريقتهم تعمل كما هو مخطط لها.

ومع ذلك، كشفت الدراسة أيضاً عن حدود عمل هذه الطريقة. فعندما طبق الباحثون نفس النهج على النتائج الثنائية — وهي الحالات التي تكون إما موجودة أو غائبة، مثل السكري الحملي أو ارتفاع ضغط الدم أثناء الحمل — لم تؤدِ إضافة المتغيرات النادرة إلى تحسين التنبؤ. لم يكن النموذج أفضل مع المتغيرات النادرة مقارنة بدونهما. ويرجح المؤلفون أن هذا يعود على الأرجح إلى أن قاعدة البيانات العامة الكبيرة التي استخدموها لم تكن تحتوي على حالات كافية من هذه الحالات المرتبطة بالحمل للكشف عن التأثيرات الجينية النادرة بيقين إحصائي. بالإضافة إلى ذلك، تتأثر حالات الحمل هذه بعوامل معقدة عديدة تتجاى الجينات، مثل الهرمونات والبيئة، مما قد يضعف الإشارة الناتجة عن المتغيرات النادرة.

تخلص الدراسة إلى أن PRS-CARV يوفر طريقة عملية لجعل التنبؤ بالمخاطر الجينية أكثر شمولاً. ومن خلال الاستفادة من الإحصاءات الملخصة المتاحة علناً، يتيح هذا الأسلوب للباحثين دمج المعلومات القوية التي تحتوي عليها المتغيرات الجينية النادرة دون الحاجة إلى الوصول إلى البيانات الفردية الخاصة. ويمثل هذا خطوة مهمة نحو الطب الدقيق، حيث يمكن لفهم الملف الكامل للمخاطر الجينية للشخص، بما في ذلك العناصر الشائعة والنادرة، أن يؤدي إلى استراتيجيات أفضل للوقاية والرعاية. ويشير الباحثون إلى أن عملهم الحالي ركز على الأصول الأوروبية والمناطق المشفرة للبروتين في الجينوم، وأن التطبيقات المستقبلية يمكن أن تشمل مجموعات سكانية متنوعة ومناطق جينية غير مشفرة مع توفر المزيد من البيانات. وفي الوقت الحالي، تقف هذه الطريقة كأداة مثبتة لتنقيح فهمنا للبنية الجينية للسمات المعقدة مثل مستويات الكوليسترول.