一種基于二代測(cè)序的冠心病遺傳風(fēng)險(xiǎn)評(píng)估方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及生物技術(shù)領(lǐng)域，具體設(shè)及分子生物學(xué)領(lǐng)域，一種基于二代測(cè)序的冠屯、 病風(fēng)險(xiǎn)評(píng)估方法。
【背景技術(shù)】
[0002] 通過(guò)基因組測(cè)序技術(shù)預(yù)測(cè)疾病風(fēng)險(xiǎn)是基因組大數(shù)據(jù)時(shí)代的重要科學(xué)研究方向之 一，也為個(gè)性化健康管理提供了一種策略。過(guò)去十年，高通量分子檢測(cè)技術(shù)，包括表達(dá)譜微 忍片和SNP分型忍片，尤其是全基因組關(guān)聯(lián)技術(shù)的發(fā)展，針對(duì)人類(lèi)常見(jiàn)的復(fù)雜疾病已經(jīng)發(fā) 現(xiàn)了很多疾病風(fēng)險(xiǎn)位點(diǎn)，運(yùn)些知識(shí)為基于個(gè)人基因組測(cè)序預(yù)測(cè)疾病風(fēng)險(xiǎn)提供了一種可能。 目前，基于二代測(cè)序進(jìn)行疾病風(fēng)險(xiǎn)預(yù)測(cè)的大致流程如下：首先針對(duì)特定疾病建立風(fēng)險(xiǎn)基因 變異和疾病風(fēng)險(xiǎn)的關(guān)系；其次針對(duì)該疾病的風(fēng)險(xiǎn)基因信息建立疾病風(fēng)險(xiǎn)評(píng)估模型；然后僅 針對(duì)風(fēng)險(xiǎn)基因進(jìn)行祀向測(cè)序，得到個(gè)體基因序列信息；最后將序列信息中的變異信息輸入 到風(fēng)險(xiǎn)評(píng)估模型中獲得疾病風(fēng)險(xiǎn)。因此，疾病風(fēng)險(xiǎn)預(yù)測(cè)中的兩個(gè)關(guān)鍵點(diǎn)是建立基因與疾病 的關(guān)系和疾病風(fēng)險(xiǎn)評(píng)估模型。
[0003] 人類(lèi)的基因組是研究的比較多的物種基因組之一，已經(jīng)發(fā)現(xiàn)了很多疾病相關(guān)基 因，常見(jiàn)的人類(lèi)疾病數(shù)據(jù)庫(kù)有0MIM、HMGD、PheGenIW及C0SSMIC等。盡管運(yùn)些數(shù)據(jù)庫(kù)收集 了大量的疾病相關(guān)基因，但是運(yùn)些信息來(lái)源多樣，包含著大量的噪音，不能直接用于疾病風(fēng) 險(xiǎn)的預(yù)測(cè)，需要進(jìn)行嚴(yán)密的過(guò)濾。常用的過(guò)濾手段如下：P值過(guò)濾、風(fēng)險(xiǎn)基因在獨(dú)立研究中 重現(xiàn)的次數(shù)、樣本量、是否有直接的實(shí)驗(yàn)證據(jù)和在基因在相互作用網(wǎng)絡(luò)中的拓?fù)鋵傩缘?。?有的運(yùn)些過(guò)濾手段，保證了風(fēng)險(xiǎn)基因指示疾病風(fēng)險(xiǎn)的能力。
[0004] 確定了疾病風(fēng)險(xiǎn)基因之后，需要建立疾病風(fēng)險(xiǎn)預(yù)測(cè)模型。總體來(lái)說(shuō)，風(fēng)險(xiǎn)預(yù)測(cè)模型 是在已經(jīng)選定的風(fēng)險(xiǎn)基因和疾病的狀態(tài)之間建立某種函數(shù)關(guān)系。疾病的狀態(tài)通常分為疾病 和正常兩種狀態(tài)，分別對(duì)應(yīng)1和0,是風(fēng)險(xiǎn)評(píng)價(jià)模型的因變量，而風(fēng)險(xiǎn)基因則作為該模型的 自變量。函數(shù)方程的建立需要大量的訓(xùn)練樣本基因組信息作為支撐。常見(jiàn)的函數(shù)模型有兩 種，分別是邏輯回歸(XogisticRegression)和支持向量機(jī)（Suppo;rtVectorMachine)。盡 管兩者廣泛應(yīng)用在疾病風(fēng)險(xiǎn)預(yù)測(cè)中。但是，他們都存在過(guò)擬合的現(xiàn)象，也就是說(shuō)，在訓(xùn)練數(shù) 據(jù)集的交叉驗(yàn)證中往往有很好的預(yù)測(cè)能力，但是在獨(dú)立數(shù)據(jù)集中預(yù)測(cè)能力則明顯下降。其 中的原因可能來(lái)自疾病個(gè)體基因組的高異質(zhì)性和樣本的有限性。
[0005] 近年來(lái)，高通量測(cè)序技術(shù)的發(fā)展催生了基因組大數(shù)據(jù)行業(yè)。目前，人類(lèi)個(gè)體基因組 測(cè)序成本逐年下降，未來(lái)，會(huì)有針對(duì)某種疾病的大量基因組信息。美國(guó)宣布了百萬(wàn)人基因組 計(jì)劃，而英國(guó)也打算開(kāi)展十萬(wàn)人基因組計(jì)劃。基因組大數(shù)據(jù)可W更加明確基因和疾病之間 的關(guān)系，其對(duì)疾病風(fēng)險(xiǎn)預(yù)測(cè)最直接的貢獻(xiàn)是大量的樣本，可W提高疾病風(fēng)險(xiǎn)預(yù)測(cè)模型的預(yù) 測(cè)能力。
[0006] 冠屯、病是一種多基因遺傳的復(fù)雜疾病，不僅受遺傳因素影響，也與日常飲食等生 活習(xí)慣有關(guān)。盡管，通過(guò)一些臨床檢測(cè)指標(biāo)可W檢測(cè)冠屯、病的風(fēng)險(xiǎn)，如年齡、吸煙史、家族遺 傳史、血液膽固醇含量等，但是運(yùn)些指標(biāo)不能提前預(yù)測(cè)患病風(fēng)險(xiǎn)。而疾病遺傳風(fēng)險(xiǎn)預(yù)測(cè)模型 可w提供個(gè)體患病的遺傳風(fēng)險(xiǎn)，有利于早期采取干預(yù)措施。目前，還沒(méi)有很好的冠屯、病遺傳 風(fēng)險(xiǎn)評(píng)估方法，鑒于此，本發(fā)明提出了有效的冠屯、病遺傳風(fēng)險(xiǎn)評(píng)估方法。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于二代測(cè)序的冠屯、病遺傳風(fēng)險(xiǎn)評(píng)估方法。
[0008] 為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種冠屯、病遺傳風(fēng)險(xiǎn)評(píng)估方法，其包括如下 步驟：
[0009] (1)選取風(fēng)險(xiǎn)SNPs位點(diǎn)和加權(quán)重：輸入已知風(fēng)險(xiǎn)SNPs位點(diǎn)和進(jìn)行GWAS數(shù)據(jù)質(zhì)量 控制，所述的數(shù)據(jù)質(zhì)量控制步驟如下：檢查個(gè)體自報(bào)性別和預(yù)測(cè)的遺傳性別的一致性，去除 兩者之間不一致的個(gè)體；只保留位于常染色體的SNPs并且去除所有樣本中具有單一多態(tài) 性的SNPs;去除樣本間成功分型率小于0. 95的SNPs;去除SNPs間有效分型率小于0. 95的 樣本；檢查樣本間的親緣關(guān)系和種群結(jié)構(gòu)，樣本間親緣系數(shù)大于或等于0. 125則被認(rèn)為親 緣關(guān)系很近；種群結(jié)構(gòu)分析用主成分分析的方法，R包SNPRelate被用來(lái)進(jìn)行主成分分析和 親緣關(guān)系的分析，如果一個(gè)樣本與前十個(gè)主成分中的任何一個(gè)的偏離超過(guò)6個(gè)標(biāo)準(zhǔn)差，則 被認(rèn)為是異常值，將被移除；當(dāng)異常值和親緣關(guān)系近的樣本同時(shí)存在時(shí)，先移除異常值，然 后移除親緣關(guān)系近的樣本中的一個(gè)；移除哈代-溫伯格平衡P值小于0. 000001的SNPs;
[0010] 0)遺傳風(fēng)險(xiǎn)值GRS的計(jì)算：個(gè)體的遺傳風(fēng)險(xiǎn)值GRS通過(guò)公式（1)計(jì)算得到；其 中ω;為每個(gè)SNP的logodds-ratio，RAi為I?iskAllele的數(shù)目；公式（1)基于兩個(gè)基本 假設(shè)：第一，選取的SNPs不存在連鎖不平衡關(guān)系化inkageDisequilibrium)，rsq<0. 2,也 就是SNPs之間互相獨(dú)立；第二，SNPs之間主要通過(guò)線性加和作用和疾病關(guān)聯(lián)，而不是相互 作用；
[0011]
[0012] 公式（2)為風(fēng)險(xiǎn)預(yù)測(cè)模型，其中β為相關(guān)系數(shù)，而α為模型的截距；GRS需要基 于群體的GRS進(jìn)行Z-score歸一化處理。
[0013]log(P(CHD|GeneticFactors)) =α+βGRS公式（2)
[0014] 公式（2)是對(duì)數(shù)的形式，兩邊取指數(shù)后，變換為公式（3);公式（3)為最終的患病 預(yù)測(cè)模型。
[001引Ρ(CHDI Genetic化。1:0'3) = e。"GRS公式（3)
[0016] (3)模型參數(shù)估計(jì)：公式（3)的參數(shù)模型參數(shù)α和β的估計(jì)是基于全部化Gap和 WTCCC中捜集得到的病人和對(duì)照樣本；模型評(píng)價(jià)采用采用10-fold交叉驗(yàn)證，其中9/10用 作訓(xùn)練數(shù)據(jù)集，剩下1/10數(shù)據(jù)作為測(cè)試數(shù)據(jù)集，模型好壞的評(píng)價(jià)采用R0C曲線的AUC面積， 也就是C統(tǒng)計(jì)量，R0C曲線可W評(píng)估模型區(qū)分GRS的能力；
[0017] (4)個(gè)體風(fēng)險(xiǎn)評(píng)估報(bào)告：采用化xtSeqSOO測(cè)序儀，對(duì)公式做中的風(fēng)險(xiǎn)位點(diǎn)進(jìn)行 祀向測(cè)序，獲得個(gè)體風(fēng)險(xiǎn)信息，由公式（3)給出個(gè)體的冠屯、病患病風(fēng)險(xiǎn)；用個(gè)體相對(duì)與群體 的遺傳患病風(fēng)險(xiǎn)分布圖表示。
[001引所述步驟（1)中，GWAS數(shù)據(jù)采用的樣本從化Gap和WTCCC中捜集得到，包含53211 個(gè)病人樣本和100541個(gè)健康對(duì)照樣本。
[001引所述步驟（1)中，基于化SNP137將所有SNPs的基因型信息對(duì)應(yīng)到人類(lèi)基因組 化gl9)正鏈上，用SHAPEITversions和IMPUTEversion2. 3. 0 的組合去進(jìn)行g(shù)enotype imputation，
[0020] 進(jìn)一步地，每組數(shù)據(jù)樣本先用SHA陽(yáng)口得到haplotypes，然后用IMPUTE,其關(guān)鍵參 數(shù)設(shè)為'-Ne20000'，基于參照haplotypes去推測(cè)缺失的基因型，Imputation質(zhì)量指標(biāo)為 info,設(shè)定0. 3作為cutoff,過(guò)濾掉低質(zhì)量的SNPs。
[0021] 已知SNPs風(fēng)險(xiǎn)位點(diǎn)，包括rs646776,rsl7114036,rsll206510,rsl7465637， rs6725887,rs9818870,rsl7609940,rs9349379,rsl2190287,rs3798220,rsl0455872, rsll556924,rs4977574,rs9411489,rsl746048,rsl2413409,rs964184,rs2259816, rs3184504,rs4773144,rs2895811,rs3825807,rsl2936587,rs216172,rs46522, rsll22608,rs9982601〇
[0022] 所述步驟（1)中，經(jīng)過(guò)W上預(yù)處理，所有樣本共有的SNP個(gè)數(shù)為571995個(gè)，然后使 用plink軟件進(jìn)行全基因關(guān)聯(lián)分析，根據(jù)抑R值進(jìn)行排序，選擇toplOO的位點(diǎn)SNP作為冠 屯、病風(fēng)險(xiǎn)位點(diǎn)。
[002引本發(fā)明中，化Gap和WTCCC是現(xiàn)有的數(shù)據(jù)庫(kù)。
[0024]目前，還沒(méi)有很好的冠屯、病遺傳風(fēng)險(xiǎn)評(píng)估方法，本發(fā)明的疾病遺傳風(fēng)險(xiǎn)預(yù)測(cè)模型 可W提供個(gè)體患病的遺傳風(fēng)險(xiǎn)，本發(fā)明提出了有效的冠屯、病遺傳風(fēng)險(xiǎn)評(píng)估方法。依賴(lài)于此 模型，對(duì)個(gè)體基因組進(jìn)行祀向測(cè)序，最終得到個(gè)體的冠屯、病遺傳風(fēng)險(xiǎn)，有利于早期采取干預(yù) 措施。
【附圖說(shuō)明】
[00巧]圖1為R0C曲線示意圖。
[0026] 圖2為個(gè)體遺傳風(fēng)險(xiǎn)示意圖。
[0027] 圖3為本發(fā)明方法系統(tǒng)示意圖。
【具體實(shí)施方式】
[0028] W下結(jié)合具體實(shí)施例對(duì)上述方案做進(jìn)一步說(shuō)明。應(yīng)理解，運(yùn)些實(shí)施例是用于說(shuō)明 本發(fā)明而不限于限制本發(fā)明的范圍。實(shí)施例中采用的實(shí)施條件可W根據(jù)具體應(yīng)用要求的條 件做進(jìn)一步調(diào)整，未注明的實(shí)施條件通常為常規(guī)實(shí)驗(yàn)中的條件。
[0029] 本發(fā)明的一種冠屯、病風(fēng)險(xiǎn)評(píng)估方法具體方法如下：
[0030] (1)風(fēng)險(xiǎn)SNPs位點(diǎn)的選取和加權(quán)重。風(fēng)險(xiǎn)SNPs位點(diǎn)有兩個(gè)來(lái)源：第一，已知風(fēng)險(xiǎn) SNPs位點(diǎn)，包括rs646776,rsl7114036,rsll206510,rsl7465637,rs6725887,rs9818870， rsl7609940,rs9349379,rsl2190287,rs3798220,rsl0455872,rsll556924,rs4977574, rs9411489,rsl746048,rsl2413409,rs964184,rs2259816,rs3184504,rs4773144, rs2895811，rs3825807,rsl2936587,rs216172,rs46522,rsll22608,rs9982601 ;第二，GWAS 數(shù)據(jù)深度