Genetic risk prediction has several

Genetic risk prediction has several potential applications in medical research and clinical practice and could be used, for example, to stratify a heterogeneous population of patients by their predicted genetic risk. However, for polygenic traits, such as psychiatric disorders, the accuracy of risk prediction is low. Here we use a multivariate linear mixed model and apply multi-trait genomic best linear unbiased prediction for genetic risk prediction. This method exploits correlations between disorders and simultaneously evaluates individual risk for each disorder. We show that the multivariate approach significantly increases the prediction accuracy for schizophrenia, bipolar disorder, and major depressive disorder in the discovery as well as in independent validation datasets. By grouping SNPs based on genome annotation and fitting multiple random effects, we show that the prediction accuracy could be further improved. The gain in prediction accuracy of the multivariate approach is equivalent to an increase in sample size of 34% for schizophrenia, 68% for bipolar disorder, and 76% for major depressive disorders using single trait models. Because our approach can be readily applied to any number of GWAS datasets of correlated traits, it is a flexible and powerful tool to maximize prediction accuracy. With current sample size, risk predictors are not useful in a clinical setting but already are a valuable research tool, for example in experimental designs comparing cases with high and low polygenic risk.

ผลลัพธ์ (ไทย) 1:

ทำนายความเสี่ยงทางพันธุกรรมได้หลายการใช้งานในวิจัยทางการแพทย์และคลินิก และสามารถ ใช้ เช่น เพื่อสร้างประชากรแตกต่างกันของผู้ป่วยตามความเสี่ยงทางพันธุกรรมที่คาดการณ์ อย่างไรก็ตาม ลักษณะ polygenic เช่นความผิดปกติทางจิตเวช ความถูกต้องของการคาดการณ์ความเสี่ยงได้ต่ำ ที่นี่เราใช้แบบหลายตัวแปรเชิงเส้นผสมรุ่น และใช้หลายลักษณะออกดีที่สุดเชิงเส้นเป็นการคาดเดาสำหรับทำนายความเสี่ยงทางพันธุกรรม วิธีนี้หาประโยชน์ความสัมพันธ์ระหว่างโรค และประเมินความเสี่ยงแต่ละรายการสำหรับแต่ละโรคพร้อมกัน เราแสดงว่า ตัวแปรพหุวิธีเพิ่มความแม่นยำทำนายโรคจิตเภท โรคสองขั้ว และซึมเศร้าในการค้นพบเช่นในชุดข้อมูลตรวจสอบอิสระ โดย SNPs อิงจากคำอธิบายของกลุ่มการจัดกลุ่มและผลกระทบแบบสุ่มหลายที่เหมาะสม เราสามารถแสดงได้ว่า ความถูกต้องของการคาดเดาจะเพิ่มเติมได้ กำไรคาดเดาความถูกต้องของตัวแปรพหุวิธีคือเพิ่มขึ้นในขนาดตัวอย่างของโรคจิตเภท 34%, 68% สำหรับโรคสองขั้ว และ 76% สำหรับเศร้าใหญ่ใช้รูปแบบลักษณะเดียว เพราะเราสามารถใช้พร้อมกับหมายเลขของชุดข้อมูล GWAS ของลักษณะที่มีความสัมพันธ์ใด ๆ มันเป็นเครื่องมือที่ยืดหยุ่น และมีประสิทธิภาพเพื่อเพิ่มความแม่นยำในการทำนาย ด้วยขนาดตัวอย่างปัจจุบัน ทำนายความเสี่ยงจะไม่มีประโยชน์ในทางคลินิก แต่อยู่แล้วมีเครื่องมือวิจัยที่มีคุณค่า ตัวอย่างเช่นในการออกแบบทดลองเปรียบเทียบกรณีที่ มีความเสี่ยงสูงและต่ำ polygenic

ผลลัพธ์ (ไทย) 2:

ทำนายความเสี่ยงทางพันธุกรรมมีการใช้งานที่มีศักยภาพหลายแห่งในการวิจัยทางการแพทย์และการปฏิบัติทางคลินิกและสามารถนำมาใช้สำหรับตัวอย่างเช่นการแบ่งเป็นชั้นประชากรที่แตกต่างกันของผู้ป่วยจากความเสี่ยงทางพันธุกรรมของพวกเขาที่คาดการณ์ไว้ แต่สำหรับลักษณะ polygenic เช่นโรคทางจิตเวช, ความถูกต้องของการทำนายความเสี่ยงอยู่ในระดับต่ำ ที่นี่เราใช้หลายตัวแปรรุ่นผสมเชิงเส้นและใช้หลายลักษณะจีโนมที่ดีที่สุดที่เป็นกลางทำนายเชิงเส้นสำหรับการทำนายความเสี่ยงทางพันธุกรรม วิธีการนี​​้จะใช้ประโยชน์จากความสัมพันธ์ระหว่างความผิดปกติและพร้อมประเมินความเสี่ยงสำหรับแต่ละบุคคลความผิดปกติ เราแสดงให้เห็นว่าวิธีการหลายตัวแปรอย่างมีนัยสำคัญเพิ่มความถูกต้องทำนายสำหรับโรคจิตเภทโรคสองขั้วและโรคซึมเศร้าที่สำคัญในการค้นพบเช่นเดียวกับในชุดข้อมูลการตรวจสอบที่เป็นอิสระ โดยการจัดกลุ่ม SNPs อยู่บนพื้นฐานของคำอธิบายประกอบจีโนมและเหมาะสมผลกระทบสุ่มหลายเราแสดงให้เห็นว่าถูกต้องทำนายอาจจะดีขึ้นต่อไป กำไรในความถูกต้องทำนายของวิธีการหลายตัวแปรจะเทียบเท่ากับการเพิ่มขึ้นของขนาดของกลุ่มตัวอย่าง 34% สำหรับโรคจิตเภท 68% สำหรับโรคสองขั้วและ 76% สำหรับความผิดปกติซึมเศร้าโดยใช้แบบจำลองลักษณะเดียว เพราะวิธีการของเราสามารถนำมาใช้พร้อมกับจำนวนของชุดข้อมูล GWAS ของลักษณะความสัมพันธ์ใด ๆ ก็เป็นเครื่องมือที่มีความยืดหยุ่นและมีประสิทธิภาพในการเพิ่มความแม่นยำในการทำนาย ด้วยขนาดของกลุ่มตัวอย่างในปัจจุบันทำนายความเสี่ยงไม่ได้ประโยชน์ในการจัดตั้งคลินิก แต่แล้วเป็นเครื่องมือในการวิจัยที่มีคุณค่าเช่นในการออกแบบการทดลองเปรียบเทียบกรณีที่มีความเสี่ยง polygenic สูงและต่ำ