近年來，多基因風險評分（PRSs）越來越多地被用來獲取許多人類特征和疾病所隱含的全基因組信息，希望能更好地告知某個人患特定疾病的遺傳風險。近期，多名研究人員在《Nature》雜志上發表了一篇題為“Improving reporting standards for polygenic scores in risk prediction studies”的綜述，該綜述提出一個含有22項的框架，該框架確定了科學家在其研究中應該包含的與多基因風險評分相關的最低限度信息。該框架由國家人類基因組研究所（NHGRI）的臨床基因組資源（ClinGen）復雜疾病工作組和多基因評分（PGS）目錄數據庫成員創建，將有助于提高多基因風險評分的有效性、透明度和可重復性。
多基因風險評分（PRSs）通常會匯總全基因組關聯研究的結果，可以彌補最初工作發現與臨床應用之間的差距，從而利用遺傳學估算疾病風險。然而，這些風險評分的應用和報告存在顯著的異質性，這阻礙了PRSs轉化為臨床護理。在此，通過臨床基因組資源（ClinGen）復雜疾病工作組和多基因評分（PGS）目錄之間的協作，研究人員提出了多基因風險評分報告標準（PRS-RS），并更新了遺傳風險預測研究（GRIPS）聲明，以反映該領域的現狀。
PRS-RS是一套標準項目，規定了需要描述的最低標準，以便準確解釋PRS，并在整個PRS開發過程中再現結果，圖1可簡要說明。它適用于PRS開發和驗證研究，旨在預測疾病發生和預后，以及對治療的反應。大多數PRS研究遵循PRS開發評估的原型流程（圖1），該流程可作為標準化報告和實際應用的模板。
圖1. PRSs開發和驗證過程的原型
注：圖中顯示了PRSs構建、風險模型開發和性能驗證的典型步驟，并在整個過程中以粗體文字標記PRS-RS指南的某些方面。在PRSs開發中，與興趣結果相關的變異（通常從GWAS中識別）被合并為跨變異等位基因計數的加權總和。未顯示用于優化PRSs（PRSs構造和估計）的變量選擇方法。PRSs在預測興趣結果的風險模型中進行測試，并可與其他非遺傳變量（例如年齡、性別、祖先、臨床變量）結合；這些統稱為風險模型變量。通過擬合程序選擇最佳風險模型，在獨立樣本中驗證了該模型的有效性。應描述PRSs分布，并從識別、預測能力和校準方面證明風險模型的性能。
借鑒流行病學、統計學、特定疾病的應用、實施和政策方面的專家意見，該綜合報告框架定義了解釋和評估PRSs所需的最少信息，尤其是有關下游臨床應用的信息。這些項目涵蓋了研究人群的詳細說明，開發和驗證PRSs的統計方法以及對這些評分的潛在局限性的考慮。
此外，研究人員強調數據可用性和透明性的必要性，并鼓勵研究人員通過PGS目錄存儲和共享PRSs，以促進可重復性和比較基準。通過以現有標準和本體為基礎的結構化格式提供這些標準，在發布PRSs時使用此框架將有助于轉化為臨床護理，并向著定義最佳實踐的方向發展。
參考文獻
Wand H, Lambert SA, Tamburro C, et al. Improving reporting standards for polygenic scores in risk prediction studies. Nature. 2021 Mar; 591(7849): 211-219.
關于相關內容的更多介紹，詳見：
