📄 genetic and genomic medicine

Additive Multilocus Burden and Epistatic Interactions Improves Genetic Risk Predictions for Complex Diseases

本研究引入了一种扩展的多基因风险评分（ePRS）框架，该框架结合了非加性多位点相互作用和基因-环境效应，通过捕捉传统加性模型所遗漏的高风险个体，显著提高了对 2 型糖尿病和乳糜泻等复杂疾病的遗传风险预测能力。

原作者： Multerer, K., Atkinson, P., Woods, L., Tanigawa, Y., Kellis, M., Munkacsi, A.

发布于 2026-08-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Multerer, K., Atkinson, P., Woods, L., Tanigawa, Y., Kellis, M., Munkacsi, A.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，你的 DNA 就像一本用四字母代码编写的宏大而古老的说明书。几十年来，科学家们一直试图通过逐行阅读这本说明书来预测谁可能会生病，他们假设每一个字母都会增加微小的、独立的风险。这就像是通过单独品尝每一种食材来猜测汤的味道，然后将这些味道相加。这种方法效果尚可，但它忽略了食材混合时产生的奇妙变化。在现实世界中，食材是会相互作用的：大蒜会改变洋葱的味道，盐也会改变番茄的表现。在遗传学中，这些相互作用被称为“上位效应”（epistasis，即基因之间的对话）以及“基因-环境相互作用”（即你的基因如何对饮食或压力等因素做出反应）。科学家们一直在问的一个大问题是：如果我们只逐一观察这些食材，我们会错过多少关于疾病的“风味”？

这篇题为《加性多位点负荷与上位性相互作用提升复杂疾病的遗传风险预测》的论文，深入探讨了这种缺失的“风味”。研究人员构建了一种新型遗传风险计算器，它不仅是简单地叠加食材，还会观察它们如何碰撞，以及它们如何对“厨房环境”（如血糖或体重）做出反应。他们在两种截然不同的疾病上测试了这种方法：2 型糖尿病，它像是一道由数百种相互作用的食材组成的复杂炖菜；以及乳糜泻，它更像是一道由一两个非常响亮的香料主导的菜肴。

由 Keri Multerer 和 Andrew B. Munkacsi 领导的团队利用来自英国生物样本库（UK Biobank）的 23.5 万人的数据，构建了五种不同版本的这种新型计算器。他们发现，旧的方法——即单纯叠加风险的“加性”方法——就像是在听一个所有人都在唱同一个音符的合唱团。而他们的新方法则是在倾听其中的和谐与不和谐。他们发现，不同版本的计算器捕捉到了不同的高风险人群。事实上，对于 2 型糖尿病，被新模型捕捉到的高风险个体中，有一半以上被旧方法完全漏掉了。这就像是旧的计算器只在寻找戴红帽子的人，而新的计算器不仅在找红帽子，还在寻找戴蓝色围巾、穿绿色鞋子和戴黄色手套的人——从而找到了许多被第一个计算器忽略的人。

当他们把所有这些不同的“耳朵”组合成一个超级计算器时，他们能够识别出更多的风险个体，其中包括那些在 BMI 或血糖水平等标准医学检查中看起来完全健康的人。然而，论文也指出，这种新方法最适用于具有复杂、混合遗传特征的疾病。对于乳糜泻，由于它主要由几个非常强烈的遗传信号（就像一种压倒性的单一香料）驱动，新方法并没有增加太多额外价值。研究人员认为，虽然这种方法目前还不是万能灵药，但它开启了一扇门，让我们得以理解那些长期以来被忽视的、隐藏的、具有交互性的遗传风险。他们强调，在医生能够使用这些方法之前，还需要在更多样化的群体和真实的临床环境中进行测试，但研究结果表明，观察基因如何相互作用以及如何与我们的环境相互作用，是预测谁可能生病的至关重要的下一步。

技术摘要：加性多位点负荷与上位性相互作用提升复杂疾病的遗传风险预测

问题陈述
传统的多基因风险评分（PRS）通过聚合全基因组关联研究（GWAS）中的加性效应来估算遗传风险。然而，复杂疾病的风险反映了广义遗传率（ $H^2$ ），其中包括标准加性模型系统性排除的基因-基因（上位性）及基因-环境相互作用。尽管已有多种方法尝试对高阶遗传效应进行建模，但许多方法要么未能明确保留相互作用项，要么为了预测性能而牺牲了可解释性。因此，交互式特征表示在捕捉多基因风险中互补且非重叠成分方面的能力仍有待明确。

方法论
作者开发了一种可解释的机器学习框架，称为扩展 PRS（ePRS），旨在显式地纳入互补的多位点特征编码，同时保留贡献位点和环境变量。本研究利用了来自英国生物样本库（UK Biobank）的约 235,000 名无关白人英国参与者的数据，并将其分为训练集（70%）、验证集（20%）和留出集（10%）。

该框架专注于两种具有对比遗传架构的疾病：高度多基因的 2 型糖尿病（T2D）和由大型人类白细胞抗原（HLA）效应主导的乳糜泻（CD）。

核心方法包括：

特征发现：使用 PLINK 的快速上位性筛选法（ $p < 5 \times 10^{-6}$ ）识别具有统计学显著性的 SNP 对。
双重编码策略：将相同的显著 SNP 对转化为两种截然不同的特征表示：
- 多位点加性负荷 (G+G)：通过对配对位点的等位基因计数求和，以捕捉累积的等位基因负荷。
- 统计上位性 (G×G)：通过对等位基因计数进行乘积运算，以模拟偏离加性独立性的情况。
基因-环境整合：将 G+G 和 G×G 特征与 72 个心血管代谢临床变量（E）相结合，生成交互模型 G+G×E 和 G×G×E。
模型训练：基于这些特征集训练了七个 L1 惩罚（Lasso）逻辑回归模型（包括 G, G+G, G×G, G+G×E, G×G×E 以及组合变体）。
冗余过滤：应用严格的统计协议（使用 Cohen's $\kappa$ 、Jaccard 指数和 DeLong 检验）来识别并仅保留统计学上显著不同的模型，确保保留的模型捕捉的是独特的高风险群体而非冗余信号。
复合评分：通过将个体分类为在任何保留的独立模型中超过阈值的个体，构建复合评分（ePRSComp）。

关键结果

独特的高风险群体：在 T2D 中，保留了五个统计学上显著不同的 ePRS 模型。这些模型识别出的高风险个体之间几乎没有重叠。具体而言，验证集中 78% 的 T2D 病例被识别出来，其中 53% 的病例仅属于单一模型。尽管 G+G 和 G×G 模型源自相同的 SNP 对，但它们是非冗余的，这表明它们捕捉到了互补的生物学信号。
卓越的病例检测能力：将这些互补模型整合进复合评分（ePRSComp）后，其病例检测能力超越了标准加性 PRS（PRSG）和常规临床预测指标。在留出集中，ePRSComp 识别了 77% 的 T2D 病例（2,077/2,696），其中包括 1,323 例仅靠 PRSG 无法发现的额外病例。
临床相关性：复合评分成功将处于临床正常范围（如正常 BMI、血糖和 HbA1c）内的个体重新分类为高风险类别。对于血糖指标，净重新分类改善度（NRI）为正（0.08），表明 ePRSComp 捕捉到了与标准临床阈值互补的遗传风险成分。
依赖于疾病架构：交互建模的获益具有疾病特异性。在 T2D 中，交互模型捕捉到了实质性的独特风险。在 CD 中，由于其由 HLA 主导的加性架构，获益较为温和，尽管交互模型仍能识别出独特的病例，特别是那些由 HLA-环境相互作用驱动的病例。
生物学可解释性：特定模型的特征映射到了不同的生物通路及已建立的 T2D 亚型（SAID, SIDD, SIRD, MOD, MARD）。例如，G×G×E 模型富集于肝脏/脂质代谢和严重胰岛素抵抗性糖尿病（SIRD），而 G+G 模型则在 $\beta$ 细胞功能障碍和代谢通路方面表现出更广泛的代表性。

意义与主张
本文主张，互补的多位点特征表示捕捉到了传统加性 PRS 所忽略的不同组成部分的多基因风险。作者认为，当正交特征编码能够识别出不同的高风险个体时，总体的判别指标（如 AUC）可能会低估交互模型的价值。

主要贡献包括：

证明互补性：证明了加性负荷（G+G）和统计上位性（G×G）即使源自相同的底层遗传数据，也能捕捉到不同的高风险个体子集。
解决缺失遗传率问题：为非加性遗传效应和基因-环境相互作用如何为代谢性疾病（如 T2D）的广义遗传率做出贡献提供了证据。
临床实用性：展示了复合方法如何识别那些原本会被标准临床筛查漏掉的高风险个体，特别是在代谢指标正常的个体中。
可解释性：通过显式建模交互项保持了生物学可解释性，从而能够针对特定的位点对和环境背景生成可验证的假设。

作者总结道，整合多种特征编码的获益程度随遗传异质性而变化，这为提高高度多基因疾病的风险预测提供了一条路径，同时保持了生物学上的可解释性。他们指出，在临床应用前需要进行前瞻性验证。

类似论文