复杂疾病的多基因风险评分（PRS）构建
在遗传学研究中，复杂疾病（如冠心病、2型糖尿病、精神分裂症等）的发生通常不是由单一基因突变决定的，而是由多个基因座上的微小效应叠加，并与环境因素共同作用的结果。多基因风险评分作为一种量化这种遗传易感性的工具，能够将个体在成千上万个基因座上的遗传变异信息汇总为一个单一的数值，从而直观地反映个体患某种复杂疾病的遗传风险。PRS的构建与应用，正成为连接基础遗传学发现与临床精准预防的桥梁。
PRS构建的核心原理
PRS的构建基于一个核心假设：常见遗传变异（主要是单核苷酸多态性，SNP）对疾病风险的微小效应是可以线性累加的。其基本数学表达式为：
PRS = Σ (βi × Gi)
其中，Gi代表个体在第i个SNP上的等位基因数量（通常编码为0、1或2）；βi代表该SNP对疾病的效应大小，通常来源于全基因组关联分析（GWAS）的汇总统计数据。通过将目标个体所有相关SNP的效应加权求和，即可得到该个体的多基因风险评分。评分越高，表明个体携带的疾病风险相关等位基因越多，发病的遗传易感性越强。
PRS构建的标准流程
构建一个高质量的PRS并非简单的加法运算，而是需要严谨的实验设计与数据处理流程。标准的构建流程通常包括以下几个关键步骤：
- GWAS数据准备：获取与目标疾病相关的大规模GWAS汇总统计数据，包括SNP的位点、等位基因频率、P值和效应大小（β或OR值）。
- 质量控制（QC）：对GWAS数据和目标样本的基因型数据进行严格的质量控制。剔除缺失率高、极低频（MAF < 0.01）或偏离哈迪-温伯格平衡的SNP；同时需去除连锁不平衡（LD）区域的高相关性SNP，以避免某些基因区块的过度代表。
- SNP筛选与参数优化：根据P值阈值（如 P < 0.05 或 P < 5×10⁻⁸）筛选SNP，并结合LD修剪或基于LD矩阵的算法（如clumping）确定最优的SNP子集。
- 模型训练与验证：在独立的目标数据集中计算PRS，通常使用十折交叉验证或划分训练集/测试集的方法，评估不同参数组合下PRS的预测效能。
- 效能评估：在验证集中，通过逻辑回归或Cox比例风险模型，计算PRS对疾病状态的解释方差（如Nagelkerke's R²）或受试者工作特征曲线下面积（AUC），以确定最优模型。
常用算法与工具对比
随着方法学的演进，PRS的构建算法已从早期的简单阈值法发展为更复杂的统计学模型。不同算法的核心差异在于如何处理SNP之间的连锁不平衡和效应估计的收缩。
- P值阈值与LD修剪法（PT+LD）：最经典的方法，通过设定P值范围和LD窗口内的r²阈值来筛选SNP。优点是计算速度快、易于理解；缺点是可能丢失具有微小效应的真实关联SNP，且对LD的处理较为粗糙。
- 贝叶斯方法（如LDpred2, PRS-CS）：利用贝叶斯框架对GWAS效应进行收缩，根据先验分布调整SNP的权重，并全面考虑全基因组LD结构。这类方法在预测精度上通常显著优于PT+LD法，是目前主流的推荐算法，但计算资源消耗较大。
- 机器学习方法（如lassosum, DBSLMM）：引入惩罚回归等机器学习策略进行变量选择和效应收缩，在处理高度多效性基因或异质性数据时表现出较好的鲁棒性。
应用全景与局限性
多基因风险评分在医学遗传学与公共卫生领域展现出广阔的应用前景。在疾病预防层面，PRS可以识别处于遗传风险分布极端的高危人群，实现早期筛查与生活方式干预；在临床诊疗层面，PRS可作为现有临床指标的补充，优化疾病风险分层模型；在药物研发层面，PRS有助于筛选特定遗传背景的受试者，提高临床试验的统计学效能。
然而，PRS的广泛应用仍面临重要挑战。首先是跨祖先泛化性差的问题，当前绝大多数GWAS数据源于欧洲人群，基于此构建的PRS应用于非欧人群时预测效能大幅下降，这加剧了健康不平等。其次是环境交互与绝对风险的评估，PRS提供的是相对风险，缺乏环境因素的考量使其无法直接等同于绝对发病概率。此外，多基因评分的伦理隐私问题及临床干预阈值的标准界定，仍需进一步规范。
结语
复杂疾病的多基因风险评分构建是遗传学从理论发现走向转化应用的关键技术。通过合理选择算法、严格把控数据质量以及不断优化跨人群泛化能力，PRS正逐步成为精准医学时代不可或缺的风险评估工具。未来，随着多组学数据的整合与更大规模多样化队列的建立，PRS的预测精度与临床实用性必将迈向新的台阶。