在大型生物库数据集中准确和可扩展地构建多基因评分

摘要

准确构建多基因评分（PGS）可以使疾病的早期诊断和促进个性化医疗的发展。准确的PGS构建需要既能适应不同遗传结构又能扩展到具有数百万个体和数千万遗传变异的生物库规模数据集的预测模型。在这里，我们开发了一种称为确定性贝叶斯稀疏线性混合模型（DBSLMM）的方法。DBSLMM依赖于对效应大小分布的灵活建模假设，以在一系列遗传体系结构中实现稳健而准确的预测性能。DBSLMM还依赖于一个简单的确定性搜索算法来产生一个仅使用汇总统计的近似分析估计解。确定性搜索算法与进一步的代数创新结合使用时，可节省大量计算量。通过仿真，我们证明了DBSLMM在一系列现实的遗传体系结构中实现了可扩展且准确的预测性能。然后，我们应用DBSLMM分析英国生物库中的25个特征。对于这些特性，与现有方法相比，DBSLMM在内部交叉验证中平均获得2套餐费用.03%-101.09%的准确度增益。在两个独立数据集（包括来自日本BioBank的数据集）的外部验证中，DBSLMM的准确度平均提高了14.74%-522.74%。在这些实际数据应用程序中，与其他基于多元回归的PGS方法相比，DBSLMM的速度快1.03-28.11倍，仅使用7试管婴儿保证成功几率.4%-24.8%的物理内存。总体而言，DBSLMM代表了一种在生物库规模数据集中构建PGS的准确且可扩展的方法。

关键词：英国生物库;复杂性状;确定性贝叶斯稀疏线性混合模型;多基因风险评分;多基因评分。