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

Stellen Sie sich vor, Sie versuchen, die zukünftige Gesundheit eines Menschen vorherzusagen, indem Sie dessen genetischen Bauplan betrachten. Jahrelang haben sich Wissenschaftler auf die häufigsten Buchstaben in diesem Bauplan konzentriert, die winzigen Variationen in der DNA, die in der gesamten menschlichen Population häufig vorkommen. Diese häufigen Variationen wirken wie eine sanfte, weit verbreitete Brise, von der jede einen winzigen Teil zum Risiko einer Person für Erkrankungen wie Herzkrankheiten oder hohen Cholesterinspiegel beiträgt. Durch das Aufsummieren dieser kleinen Effekte können Forscher einen „polygenen Risiko-Score“ erstellen, eine einzige Zahl, die das genetische Risiko eines Individuums schätzt. Dieses Vorgehen hat jedoch lange Zeit die seltenen, kraftvollen Windböen ignoriert: die genetischen Variationen, die bei weniger als einem von hundert Menschen auftreten. Diese seltenen Varianten sind oft viel potenter und fähig, bedeutende biologische Veränderungen zu verursachen, aber weil sie so selten sind, waren sie schwierig zu untersuchen, ohne über massive, teure Datenbanken mit den individuellen genetischen Codes zu verfügen.

Ein Forschungsteam hat nun eine neue Methode entwickelt, um diese seltenen, kraftvollen genetischen Signale in die Vorhersage einzubeziehen, ohne Zugang zu diesen massiven, privaten Datenbanken zu benötigen. Ihr Ansatz, genannt PRS-CARV, ermöglicht es Wissenschaftlern, den stetigen Einfluss der häufigen genetischen Variationen mit dem scharfen Einfluss der seltenen zu kombinieren, und zwar unter Verwendung ausschließlich öffentlich zugänglicher Zusammenfassungsdaten. Durch das Testen dieser Methode an realen Daten von schwangeren Frauen fanden die Forscher heraus, dass das Hinzufügen seltener Varianten die Fähigkeit, den Cholesterinspiegel und andere Fette im Blut vorherzusagen, signifikant verbesserte. Dieser Durchbruch deutet darauf an, dass ein vollständigeres Bild des genetischen Risikos möglich ist – eines, das sowohl das häufige Hintergrundrauschen als auch die seltenen, hochwirksamen Signale erfasst, die in unserer DNA verborgen liegen.

Die Kernherausforderung, die die Forscher bewältigten, war eine logistische. Um die Wirkung seltener genetischer Varianten genau zu messen, mussten Wissenschaftler traditionell die Rohdaten der individuellen Genetik von Hunderttausenden von Menschen sammeln. Dies ist aufgrund von Datenschutzgesetzen, hohen Kosten und der schieren Schwierigkeit, solche sensiblen Informationen zu teilen, oft unmöglich. Unterdessen haben groß angelegte Projekte wie die UK Biobank bereits Millionen von Genproben analysiert und die Ergebnisse als Zusammenfassungsstatistiken veröffentlicht – aggregierte Zahlen, die zeigen, wie bestimmte Gene oder Varianten mit Merkmalen verknüpft sind, ohne die Identität der einzelnen Personen preiszugeben. Die neue Methode, PRS-CARV, wurde entwickelt, um diese Lücke zu schließen. Sie nimmt die Zusammenfassungsdaten aus diesen großen öffentlichen Ressourcen und kombiniert sie mit den individuellen genetischen Daten einer spezifischen Gruppe von Menschen, um einen genaueren Risiko-Score aufzubauen.

Die Forscher testeten ihr Framework, indem sie sich Lipid-Merkmale ansah, welche Maße für Fette im Blut sind, wie etwa High-Density-Lipoprotein (HDL), Low-Density-Lipoprotein (LDL), Triglyceride und Gesamtcholesterin. Sie verwendeten einen Datensatz von fast 3.000 schwangeren Frauen europäischer Abstammung aus der nuMoM2b-Heart-Health-Studie als Zielgruppe. Für die Basisdaten stützten sie sich auf Zusammenfassungsstatistiken aus der UK Biobank, die Informationen über mehr als 390.000 Menschen enthielten. Der Prozess umfasste zwei Hauptschritte. Zuerst berechneten sie einen Risiko-Score basierend auf den häufigen genetischen Varianten, was eine Standardpraxis in diesem Bereich ist. Zweitens berechneten sie einen separaten Score für die seltenen Varianten. Um dies zu tun, gruppierten sie seltene genetische Veränderungen innerhalb spezifischer Gene basierend auf ihrer Funktion, wie etwa der Frage, ob sie wahrscheinlich ein Protein zerstören oder es nur leicht verändern. Dann summierten sie die Effekte dieser seltenen Gruppen unter Verwendung der Gewichtungen aus der großen öffentlichen Datenbank auf. Schließlich kombinierten sie diese beiden Scores zu einem einzigen, einheitlichen Vorhersagemodell.

Die Ergebnisse zeigten einen klaren Vorteil durch die Einbeziehung der seltenen Varianten. Als die Forscher untersuchten, wie gut die Scores die tatsächlichen Cholesterinspiegel bei den Frauen vorhersagten, schnitt das Modell, das sowohl die häufigen als auch die seltenen Varianten enthielt, besser ab als das Modell, das nur die häufigen Varianten verwendete. Die Verbesserung war nicht gleichmäßig über alle Merkmale verteilt; sie reichte von einer Steigerung des AUC um 0,02 bei HDL-Cholesterin bis hin zu einer Steigerung um 0,11 bei LDL-Cholesterin. In jedem Fall fügten die seltenen Varianten eine Informationsebene hinzu, die die häufigen Varianten nicht erfassen konnten. Die Forscher beobachteten auch, dass die Gene, die zum Score der seltenen Varianten beitrugen, sich weitgehend von denen im Score der häufigen Varianten unterschieden. Während die häufigen Varianten auf ein breites Netzwerk von Genen mit kleinen Effekten hindeuten, hoben die seltenen Varianten spezifische Gene hervor, in denen die genetischen Veränderungen wahrscheinlicher die Proteinfunktion störten, wie etwa jene, die am Abbau von Fetten beteiligt sind.

Um sicherzustellen, dass ihre Ergebnisse robust sind, führten die Forscher auch Computersimulationen durch, bei denen sie künstliche genetische Daten mit bekannten Eigenschaften erzeugten. In diesen Simulationen wussten sie genau, welche genetischen Varianten die Merkmale verursachten und wie stark deren Auswirkungen waren. Die Simulationen bestätigten, dass seltene Varianten allein nicht stark genug waren, um die Merkmale gut vorherzusagen, aber sie lieferten einen signifikanten Schub, wenn sie zu den häufigen Varianten hinzugefügt wurden. Dies galt auch dann, wenn die Forscher die Anzahl der genetischen Ursachen in der Simulation änderten. Die Konsistenz zwischen der Simulation und den realen Daten gab dem Team die Zuversicht, dass ihre Methode wie beabsichtigt funktionierte.

Die Studie zeigte jedoch auch wichtige Grenzen auf, wo diese Methode funktioniert. Als die Forscher denselben Ansatz auf binäre Ergebnisse anwandten – Bedingungen, die entweder vorhanden oder nicht vorhanden sind, wie etwa Gestationsdiabetes oder Bluthochdruck während der Schwangerschaft – verbesserte die Hinzunahme seltener Varianten die Vorhersage nicht. Das Modell schnitt mit den seltenen Varianten nicht besser ab als ohne sie. Die Autoren vermuten, dass dies wahrscheinlich daran liegt, dass die große öffentliche Datenbank, die sie verwendeten, nicht genügend Fälle dieser spezifischen schwangerschaftsbedingten Zustände enthielt, um seltene genetische Effekte mit statistischer Sicherheit zu detektieren. Zudem werden diese Schwangerschaftszustände von vielen komplexen Faktoren beeinflusst, die über die Genetik hinausgehen, wie etwa Hormone und die Umgebung, was das Signal der seltenen Varianten abschwächen kann.

Die Studie kommt zu dem Schluss, dass PRS-CARV einen praktischen Weg bietet, die Vorhersage des genetischen Risikos umfassender zu gestalten. Durch die Nutzung öffentlich zugänglicher Zusammenfassungsstatistiken ermöglicht die Methode es Forschern, die kraftvollen Informationen, die in seltenen genetischen Varianten enthalten sind, einzubeziehen, ohne Zugang zu privaten, individuellen Daten zu benötigen. Dies ist ein bedeutender Schritt in Richtung Präzisionsmedizin, bei der das Verständnis des vollständigen genetischen Risikoprofils eines Menschen – einschließlich sowohl häufiger als auch seltener Elemente – zu einer besseren Prävention und Versorgung führen kann. Die Forscher merken an, dass ihre derzeitige Arbeit auf europäischer Abstammung und proteinkodierenden Regionen des Genoms basierte, zukünftige Anwendungen jedoch auf vielfältigere Populationen und nicht-kodierende Genregionen ausgeweitet werden könnten, sobald mehr Daten verfügbar sind. Für den Moment stellt die Methode ein bewährtes Werkzeug dar, um zu verfeinern, wie wir die genetische Architektur komplexer Merkmale wie des Cholesterinspiegels verstehen.