HeadlinesBriefing favicon HeadlinesBriefing.com

Pembelajaran transfer meningkatkan prediksi genomik

Google AI Blog •
×

Skor risiko poligenik (PRS) memprediksi risiko penyakit dari varian genetik, tetapi penggunaan klinisnya terbatas karena studi asosiasi genom-lebar (GWAS) historis berfokus pada kohort Eropa, menyebabkan penurunan akurasi pada populasi non-Eropa. Perbedaan dalam arsitektur genetik dan frekuensi alel berkontribusi pada masalah ini, dan melakukan GWAS baru mahal. Pembelajaran transfer dari GWAS yang berpusat pada Eropa yang ada, ditambah dengan data populasi target, menawarkan solusi.

Studi ini mengevaluasi kinerja PRS pada populasi target non-Eropa, dengan memvariasikan ukuran populasi target dan Eropa pada delapan sifat klinis. Menggunakan UK Biobank (UKB) dan Biobank Jepang (BBJ), yang mencakup hampir 200 ribu individu Jepang, para peneliti melakukan eksperimen ablasi dataset. Sifat-sifat tersebut termasuk indeks massa tubuh (BMI), tekanan darah, kadar kolesterol, dan jumlah sel darah.

Tiga metode diuji: transferabilitas varian langsung menggunakan GWAS penemuan UKB dengan elastic net, meta-analisis yang menggabungkan data Jepang selama penemuan varian, dan PRS-CSx untuk menangani keragaman ketidakseimbangan keterkaitan. Model dievaluasi pada sampel BBJ yang ditahan. Hasil menunjukkan bahwa lebih banyak data tidak selalu lebih baik untuk prediksi PRS lintas populasi, memberikan panduan empiris untuk mengoptimalkan kinerja prediktif pada populasi target.

Entitas kunci: Perusahaan: Google | Lokasi: UK Biobank, Biobank Jepang