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

Stel je voor dat je probeert de toekomstige gezondheid van een persoon te voorspellen door naar hun genetische blauwdruk te kijken. Jarenlang hebben wetenschappers zich gericht op de meest voorkomende letters in die blauwdruk, de kleine variaties in het DNA die frequent voorkomen in de gehele menselijke populatie. Deze veelvoorkomende variaties werken als een zachte, wijdverspreide bries, waarbij elk een minuscuul beetje bijdraagt aan het risico van een persoon op aandoeningen zoals hartziekten of een hoog cholesterolgehalte. Door deze kleine effecten bij elkaar op te tellen, kunnen onderzoekers een "polygene risicoscore" creëren, een enkel getal dat de individuele genetische vatbaarheid schat. Echter, deze benadering heeft lang de zeldzame, krachtige windstoten genegeerd: de genetische variaties die voorkomen bij minder dan één op de honderd mensen. Deze zeldzame varianten zijn vaak veel krachtiger en in staat om significante biologische veranderingen te veroorzaken, maar omdat ze zo ongewoon zijn, waren ze moeilijk te bestuderen zonder enorme, dure databases van individuele genetische codes.

Een team van onderzoekers heeft nu een nieuwe methode ontwikkeld om deze zeldzame, krachtige genetische signalen in de voorspellingsmix te brengen zonder toegang nodig te hebben tot die enorme, private databases. Hun benadering, genaamd PRS-CARV, stelt wetenschappers in staat om de constante invloed van veelvoorkomende genetische variaties te combineren met de scherpe impact van zeldzame varianten, met gebruik van uitsluitend publiekelijk beschikbare samenvattende gegevens. Door deze methode te testen op echte gegevens van zwangere vrouwen, vonden de onderzoekers dat het toevoegen van zeldzame varianten de voorspellingskracht van cholesterolwaarden en andere vetten in het bloed aanzienlijk verbeterde. Deze doorbraak suggereert dat een completer beeld van genetisch risico mogelijk is, een beeld dat zowel de algemene achtergrondruis als de zeldzame, hoog-impact signalen die verborgen liggen in ons DNA vastlegt.

De kernuitdaging die de onderzoekers aanpakten, was een logistieke uitdaging. Om het effect van zeldzame genetische varianten nauwkeurig te meten, hadden wetenschappers traditioneel de ruwe, individuele genetische data van honderdduizenden mensen nodig. Dit is vaak onmogelijk vanwege privacywetgeving, hoge kosten en de grote moeilijkheid om dergelijke gevoelige informatie te delen. Ondertussen hebben grootschalige projecten zoals de UK Biobank al miljoenen genetische monsters geanalyseerd en de resultaten gepubliceerd als samenvattende statistieken — geaggregeerde getallen die laten zien hoe specifieke genen of varianten gekoppeld zijn aan eigenschappen, zonder de identiteit van de individuen te onthullen. De nieuwe methode, PRS-CARV, is ontworpen om deze kloof te overbruggen. Het neemt de samenvattende gegevens van deze grote publieke bronnen en combineert deze met de individuele genetische data van een specifieke groep mensen om een nauwkeurigere risicoscore op te bouwen.

De onderzoekers testten hun framework door te kijken naar lipidenkenmerken, wat maten zijn voor vetten in het bloed zoals hoogdens lipoproteïne (HDL), laagdens lipoproteïne (LDL), triglyceriden en totaal cholesterol. Ze gebruikten een dataset van bijna 3.000 zwangere vrouwen van Europese afkomst uit de nuMoM2b-Heart Health Study als hun doelgroep. Voor de basisgegevens vertrouwden ze op samenvattende statistieken van de UK Biobank, die informatie bevatten over meer dan 390.000 mensen. Het proces bestond uit twee hoofdfasen. Eerst berekenden ze een risicoscore gebaseerd op de veelvoorkomende genetische varianten, een standaardpraktijk in het vakgebied. Ten tweede berekenden ze een aparte score voor de zeldzame varianten. Hiervoor groepeerden ze zeldzame genetische veranderingen binnen specifieke genen op basis van hun functie, zoals of ze waarschijnlijk een eiwit beschadigen of het slechts licht veranderen. Vervolgens telden ze de effecten van deze zeldzame groepen op met de gewichten die door de grote publieke database werden verstrekt. Ten slotte combineerden ze deze twee scores tot één enkel, verenigd voorspellingsmodel.

De resultaten toonden een duidelijk voordeel bij het opnemen van de zeldzame varianten. Wanneer de onderzoekers keken naar hoe goed de scores de werkelijke cholesterolwaarden bij de vrouwen voorspelden, presteerde het model dat zowel de veelvoorkomende als de zeldzame varianten bevatte beter dan het model dat alleen de veelvoorkomende varianten gebruikte. De verbetering was niet uniform over alle kenmerken; deze varieerde van een toename van 0,02 in AUC voor HDL-cholesterol tot een toename van 0,11 voor LDL-cholesterol. In elk geval voegden de zeldzame varianten een laag informatie toe die de veelvoorkomende varianten misten. De onderzoekers observeerden ook dat de genen die bijdroegen aan de zeldzame variantenscore grotendeels verschilden van de genen in de veelvoorkomende variantenscore. Terwijl de veelvoorkomende varianten wezen naar een breed netwerk van genen met kleine effecten, legden de zeldzame varianten de nadruk op specifieke genen waar de genetische veranderingen waarschijnlijker de eiwitfunctie verstoren, zoals die betrokken bij de afbraak van vetten.

Om de robuustheid van hun bevindingen te waarborgen, voerden de onderzoekers ook computersimulaties uit waarbij ze nep-genetische data met bekende eigenschappen creëerden. In deze simulaties wisten ze precies welke genetische varianten de kenmerken veroorzaakten en hoe sterk hun effecten waren. De simulaties bevestigden dat hoewel zeldzame varianten alleen niet sterk genoeg waren om de kenmerken goed te voorspellen, ze een aanzienlijke impuls gaven wanneer ze werden toegevoegd aan de veelvoorkomende varianten. Dit bleef van kracht, zelfs toen de onderzoekers het aantal genetische oorzaken in de simulatie veranderden. De consistentie tussen de simulatie en de echte wereldgegevens gaf het team het vertrouwen dat hun methode naar behoren werkte.

Het onderzoek onthulde echter ook belangrijke grenzen aan de toepasbaarheid van deze methode. Wanneer de onderzoekers dezelfde benadering toepasten op binaire uitkomsten — condities die wel of niet aanwezig zijn, zoals zwangerschapsdiabetes of een hoge bloeddruk tijdens de zwangerschap — leidde de toevoeging van zeldzame varianten niet tot een verbetering van de voorspelling. Het model presteerde niet beter met zeldzame varianten dan zonder hen. De auteurs suggereren dat dit waarschijnlijk komt doordat de grote publieke database die zij gebruikten, niet voldoende gevallen van deze specifieke zwangerschapsgerelateerde aandoeningen bevatte om zeldzame genetische effecten met statistische zekerheid te detecteren. Daarnaast worden deze zwangerschapscondities beïnvloed door vele complexe factoren buiten de genetica om, zoals hormonen en de omgeving, wat het signaal van zeldzame varianten kan verwateren.

De studie concludeert dat PRS-CARV een praktische manier biedt om genetische risicovoorspelling uitgebreider te maken. Door gebruik te maken van publiekelijk beschikbare samenvattende statistieken, stelt de methode onderzoekers in staat om de krachtige informatie die in zeldzame genetische varianten besloten ligt te integreren zonder toegang nodig te hebben tot private, individuele gegevens. Dit is een belangrijke stap richting precisiegeneeskunde, waarbij het begrijpen van iemands volledige genetische risicoprofiel, inclusief zowel de gemeenschappelijke als de zeldzame elementen, kan leiden tot betere preventie- en zorgstrategieën. De onderzoekers merken op dat terwijl hun huidige werk zich richtte op de Europese afstamming en de eiwitcoderende regio's van het genoom, toekomstige toepassingen kunnen worden uitgebreid naar diverse populaties en niet-coderende genetische regio's naarmate er meer gegevens beschikbaar komen. Voor nu is de methode een bewezen instrument om de genetische architectuur van complexe kenmerken zoals cholesterolwaarden te verfijnen.