npj Genomic Medicine· Ashley J. Mulford·AI 评分55
整合单基因与多基因风险评估在 20477 人真实队列中对 Tier-1 疾病风险分层的影响
Impact of an integrated monogenic and polygenic risk assessment on Tier-1 conditions in a real-world cohort
AI 导读
一项基于美国社区生物样本库 Genomic Health Initiative 20477 名参与者的分析显示,整合致病变异与多基因风险评分的 GenProb 模型识别出 6563 名高风险个体,覆盖全部病例的 23.4%,而仅对有家族史者做单基因检测只找到 166 名致病变异携带者,仅覆盖 1.5% 的病例。
- 背景
- 乳腺癌、结直肠癌、前列腺癌与冠心病等 Tier-1 疾病此前主要在遗传性表型患者中被描述,但在一般人群中同样常见,其中一部分可归因于多基因贡献。如何在社区人群中识别高风险个体,是风险评估策略需要回答的问题。
- 做法
- 研究基于美国社区医疗生物样本库 Genomic Health Initiative(GHI),纳入 20,477 名参与者,评估九个 Tier-1 基因的致病性变异(PV)、外部构建的多基因风险评分(PRS),以及整合 PV 与 PRS 的模型 GenProb。通过 Cox 回归模型估计人群归因风险百分比(PAR%)、C-index 和净重分类指数(NRI)。
- 结论
- 参与者中位年龄 64 岁,65% 为女性,36% 为非欧洲血统;5381 人(26%)患有 Tier-1 疾病。各疾病中 PRS 解释的 PAR% 为 3.44–13.96%,高于 PV 的 0.17–2.65%。仅对家族史阳性者做单基因检测识别出 166 名 PV 携带者,只覆盖全部病例的 1.5%;GenProb 识别出 6563 名高风险个体,其中含 1259 例病例,占全部病例的 23.4%。
- 意义
- 在 Tier-1 疾病的风险评估上,GenProb 表现优于仅检测 PV 的策略,可能提升一般人群中高风险个体的识别比例。这一比较仅为模型层面的估计结果,能否转化为实际筛查收益仍需进一步验证。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:npj Genomic Medicine · nature.com