Les scores de risque polygénique (PRS) prédisent le risque de maladie à partir de variants génétiques, mais leur utilisation clinique est limitée car les études d'association pangénomiques (GWAS) historiques se sont concentrées sur des cohortes européennes, entraînant des baisses de précision dans les populations non européennes. Les différences dans les architectures génétiques et les fréquences alléliques contribuent à ce problème, et mener de nouvelles GWAS est coûteux. L'apprentissage par transfert à partir des GWAS existantes centrées sur l'Europe, augmenté avec des données de la population cible, offre une solution.

Cette étude a évalué la performance des PRS dans une population cible non européenne, en variant les tailles des populations cible et européenne pour huit traits cliniques. En utilisant la UK Biobank (UKB) et la Biobanque du Japon (BBJ), qui comprend près de 200 mille individus japonais, les chercheurs ont mené des expériences d'ablation de jeux de données. Les traits comprenaient l'indice de masse corporelle (IMC), la pression artérielle, les taux de cholestérol et les numérations des cellules sanguines.

Trois méthodes ont été testées : la transférabilité directe des variants utilisant la GWAS de découverte de l'UKB avec un filet élastique, la méta-analyse combinant les données japonaises lors de la découverte des variants, et PRS-CSx pour gérer la diversité du déséquilibre de liaison. Les modèles ont été évalués sur des échantillons BBJ retenus. Les résultats ont montré que plus de données n'est pas toujours mieux pour la prédiction des PRS entre populations, fournissant des directives empiriques pour optimiser la performance prédictive dans les populations cibles.

Entités clés : Entreprises : Google | Lieux : UK Biobank, Biobanque du Japon