基于metaPRS与APOEε4优化轻度认知障碍遗传风险统计建模策略的应用研究

分类： 医学、药学 >> 临床医学 提交时间： 2022-10-31 合作期刊: 《中国全科医学》

李梓盟, 王荣, 陈帅, 赵彩丽, 王晓聪, 温雅璐, 刘龙

摘要： 背景　轻度认知功能障碍（Mild cognitive impairment，MCI）是干预和延缓痴呆进展的重要阶段，既往研究发现MCI与遗传因素存在紧密关联，且载脂蛋白E（Apolipoprotein E，APOE）4是医学界公认的MCI重要风险等位基因。由于缺少MCI的全基因组关联研究（Genome-wide association study，GWAS）汇总数据，当前普遍以阿尔茨海默症（Alzheimers disease，AD）的GWAS汇总数据作为Base数据集来计算MCI的多基因风险评分（Polygenic risk score，PRS），致使MCI的PRS遗传风险预测效果并不理想。目的　本研究以多基因遗传风险综合评分（Meta-polygenic risk score，metaPRS）与APOE4作为重要预测因子，从广义线性模型与机器学习角度，探索并优化MCI的遗传风险统计建模策略。方法　计算MCI的12个亚表型PRS，并利用弹性网状Logistic回归模型将其整合为MCI的metaPRS。利用年龄矫正的APOE4效应量计算APOE4加权总和（SCOREAPOE）。以metaPRS、SCOREAPOE及基本人口学信息（年龄、性别、受教育程度）构建不同的预测因子纳入策略，以XGBoost，GBM，Logistic回归及Lasso回归作为统计建模方法，采用AUC及F-measure评价MCI遗传风险统计建模的预测效果。结果　metaPRS与SCOREAPOE对于MCI的遗传风险有较高的预测价值，纳入metaPRS、SCOREAPOE及基本人口学信息（年龄，性别，受教育程度）后，各个统计建模方法的预测效果为：XGBoost（AUC=0.69，F-measure=0.88），GBM（AUC=0.76，F-measure=0.87），Logistic回归（AUC=0.77，F-measure=0.89），Lasso回归（AUC=0.76，F

 点击量 662  下载量 193  评论