Cechy wieloczynnikowe, odziedziczalność i wyniki poligenowe

Streszczenie

Cecha wieloczynnikowa powstaje z łącznego działania wielu wariantów genomowych, środowiska, historii rozwoju i pomiaru. Nie ma jednego genu, który sam wyjaśnia podział na osoby „z cechą” i „bez cechy”. Poszczególne warianty często mają małe efekty, ale ich suma może przesuwać rozkład fenotypu lub podatności.

Trzy liczby odpowiadają na trzy różne pytania:

• efekt wariantu opisuje średnią różnicę związaną z allelem w badanej populacji;
• odziedziczalność opisuje część zróżnicowania fenotypu między osobami, którą w danej populacji i środowisku przypisuje się zróżnicowaniu genetycznemu;
• wynik poligenowy (PGS/PRS) sumuje ważone allele jednej osoby, aby przewidywać jej położenie względem modelu wytrenowanego w określonych danych.

Odziedziczalność 70% nie znaczy, że 70% cechy konkretnej osoby pochodzi z genów. Nie znaczy też, że cechy nie da się zmienić. PGS w 90. percentylu nie znaczy 90% ryzyka choroby. GWAS wskazuje związek statystyczny, a nie automatycznie wariant przyczynowy.

Najbezpieczniejszy przepływ pracy wygląda tak:

fenotyp i populacja → projekt badania → kontrola jakości → asocjacje GWAS → replikacja i fine-mapping → model PGS → niezależna walidacja → kalibracja ryzyka → ocena użyteczności.

Na każdym etapie może powstać wynik statystycznie poprawny, lecz nieprzenośny biologicznie albo klinicznie.

Wieloczynnikowy nie znaczy „niegenetyczny”

NHGRI opisuje chorobę złożoną jako wynik wkładu wielu wariantów i genów wraz ze znaczącym wpływem środowiska fizycznego oraz społecznego.¹ Słowo „złożony” nie jest etykietą nieznajomości. Wskazuje architekturę, w której:

• wiele loci wnosi efekty;
• allele mają różne częstości;
• część efektów zależy od środowiska;
• fenotyp może być ciągły;
• próg diagnozy jest decyzją operacyjną;
• relacje nie muszą być liniowe.

Podręczniki Lewisa, Robinson i Bala prowadzą od zmienności ilościowej i rodzinnej do genomiki populacyjnej oraz diagnostycznych ograniczeń predykcji.^10,11,12 Wspólnym wnioskiem jest konieczność rozdzielenia dziedziczenia alleli od statystycznego wyjaśniania różnic w populacji.

Monogeniczny i poligenowy tworzą kontinuum

Choroba nazywana mendlowską może mieć jeden wariant główny i liczne modyfikatory penetracji. Cecha złożona może zawierać rzadkie warianty o dużych efektach oraz tysiące częstych o małych.

Praktyczne kategorie to:

• wariant główny o wysokiej penetracji;
• wariant główny z tłem poligenowym;
• architektura oligogeniczna;
• szeroka architektura poligenowa;
• dominujący wpływ środowiska przy niewielkiej zmienności genetycznej.

Nie należy wybierać kategorii wyłącznie na podstawie tego, czy w rodzinie widać kilka przypadków.

Fenotyp ilościowy i model progu

Wzrost, stężenie metabolitu i ciśnienie są mierzone na skali ciągłej. Choroba jest często zapisana binarnie, choć leżąca pod nią podatność może być ciągła.

W modelu liability-threshold:

• każda osoba ma ukrytą podatność;
• geny i środowisko przesuwają jej wartość;
• chorobę rozpoznaje się po przekroczeniu progu;
• częstość populacyjna zależy od położenia progu względem rozkładu.

Model nie twierdzi, że istnieje jedna fizyczna cząsteczka „liability”. Jest narzędziem statystycznym pozwalającym łączyć ciągłą predyspozycję z wynikiem binarnym.

Próg zależy od diagnostyki

Zmiana kryteriów:

• zmienia liczbę przypadków;
• zmienia oszacowania efektów;
• może zmieniać odziedziczalność na skali obserwowanej;
• wpływa na kalibrację PGS.

Badania łączone w metaanalizie muszą mieć kompatybilne definicje fenotypu albo jawny model różnic.

Wariancja opisuje różnice, nie skład osoby

W uproszczeniu:

V_P = V_G + V_E + 2Cov(G,E) + V_G×E + V_błędu.

V_P jest wariancją fenotypu w populacji. Składniki opisują, jak bardzo osoby różnią się z powodu zróżnicowania genetycznego, środowiskowego, ich korelacji, interakcji i pomiaru.

To nie jest przepis mówiący, z ilu procent genów „składa się” człowiek.

Wariancja genetyczna ma składniki

Można rozróżnić:

• addytywną V_A;
• dominacyjną V_D;
• epistatyczną V_I.

Odziedziczalność szeroka:

H² = V_G / V_P

obejmuje całość uchwyconej wariancji genetycznej.

Odziedziczalność wąska:

h² = V_A / V_P

obejmuje składnik addytywny, szczególnie ważny dla podobieństwa rodzic–potomstwo i odpowiedzi na selekcję.

Addytywny nie znaczy, że biologia nie ma interakcji

Efekt addytywny jest użyteczną projekcją statystyczną. Szlaki komórkowe mogą być nieliniowe, a mimo to większość wariancji między osobami może być dobrze opisana składnikiem addytywnym.

Wartość V_A zależy od częstości alleli. Ten sam mechanizm w innej populacji może dać inną wariancję.

Odziedziczalność jest lokalną własnością populacji

Visscher, Hill i Wray podkreślają, że odziedziczalność jest bezwymiarowym parametrem populacji i może zmieniać się wraz z metodą pomiaru, środowiskiem, migracją, doborem oraz kojarzeniem.²

Pełny zapis powinien określać:

• populację;
• przedział wieku;
• czas i miejsce;
• fenotyp;
• metodę;
• model;
• zestaw wariantów;
• przedział ufności.

Wysoka odziedziczalność nie oznacza niemodyfikowalności

Jeśli środowisko jest bardzo podobne dla wszystkich, V_E może być małe, a odziedziczalność wysoka. Interwencja zmieniająca wspólne środowisko może mimo to przesunąć średni fenotyp całej populacji.

Klasyczny przykład logiczny: liczba palców może być silnie zależna od rozwoju genetycznego, ale różnice w populacji mogą pochodzić głównie z urazów. Odziedziczalność dotyczy wariancji, nie biologicznej ważności.

Niska odziedziczalność nie oznacza braku genów

Proces może wymagać setek genów, ale jeśli wszyscy mają podobne allele albo środowisko silnie różnicuje wynik, genetyczna część wariancji będzie mała.

Geny mogą być konieczne dla cechy i jednocześnie nie wyjaśniać różnic między osobami.

Odziedziczalność nie wyjaśnia różnic średnich między grupami

Dwie populacje mogą różnić się średnią przez środowisko, nawet jeśli w każdej z nich cecha ma wysoką odziedziczalność. Parametr wewnątrzgrupowy nie rozkłada różnicy między grupami.

To szczególnie ważne dla cech społecznie zależnych. Nierówności dostępu, stres strukturalny i ekspozycje mogą tworzyć różnice skorelowane z etykietami grupowymi.

Jak szacuje się odziedziczalność

Rodziny i bliźnięta

Porównuje się podobieństwo osób o znanym stopniu pokrewieństwa. Bliźnięta monozygotyczne dzielą niemal cały genom jądrowy, dizygotyczne średnio połowę segregujących alleli.

Założenia obejmują:

• sposób dzielenia środowiska;
• reprezentatywność bliźniąt;
• losowe kojarzenie;
• brak istotnych interakcji;
• prawidłowy fenotyp.

Większa zgodność bliźniąt monozygotycznych nie jest bezpośrednim pomiarem „procentu genów”.

Adopcja i rodzeństwo

Projekty rozdzielające wspólne środowisko od biologicznego pokrewieństwa są informacyjne, ale adopcja nie jest losowa, a środowiska przed- i pourodzeniowe pozostają powiązane.

Genomowe pokrewieństwo osób niespokrewnionych

Metody typu GREML szacują, czy osoby bardziej podobne w markerach są też bardziej podobne fenotypowo. Wynik dotyczy wariantów reprezentowanych przez użyte markery i ich LD.

Statystyki podsumowujące GWAS

Regresja LD score i metody pokrewne wykorzystują rozkład statystyk asocjacji. Mogą równocześnie oceniać inflację związaną z poligenowością i częścią zakłóceń.

Wyniki różnych metod nie muszą być równe, ponieważ widzą inne klasy wariantów i mają inne założenia.

„SNP heritability” nie jest całą odziedziczalnością

h²_SNP opisuje wariancję uchwyconą przez zbiór genotypowanych lub imputowanych SNP w modelu. Może pomijać:

• rzadkie warianty;
• duże warianty strukturalne;
• powtórzenia;
• źle imputowane regiony;
• mtDNA;
• efekty nieaddytywne;
• warianty słabo tagowane w danej populacji.

Porównując publikacje, trzeba sprawdzić:

• platformę i imputację;
• częstości włączonych wariantów;
• skalę obserwowaną lub liability;
• korektę o częstość choroby;
• stopień pokrewieństwa;
• populację.

GWAS wyszukuje asocjacje w skali genomu

NHGRI definiuje GWAS jako przegląd genomów wielu osób w poszukiwaniu wariantów statystycznie związanych z chorobą albo cechą.³ Metoda jest szczególnie użyteczna dla cech złożonych, ale wynik jest początkiem, nie końcem analizy.

Projekt ilościowy

Dla cechy ciągłej model może mieć postać:

Y = β0 + β1 × liczba alleli + współzmienne + błąd.

β1 jest średnią zmianą fenotypu na kopię allelu przy założeniach modelu.

Case-control

Dla choroby często stosuje się regresję logistyczną. Wynikiem jest iloraz szans. Iloraz szans:

• nie jest ryzykiem bezwzględnym;
• zależy od modelu;
• przy częstej chorobie może różnić się znacznie od ryzyka względnego;
• nie daje penetracji bez dodatkowych danych.

Wiele milionów testów

Testowanie milionów wariantów tworzy fałszywe dodatnie wyniki, jeśli użyje się progu 0,05. GWAS stosuje rygorystyczny próg genomowy i niezależną replikację.

Próg nie rozwiązuje:

• biasu fenotypu;
• struktury populacji;
• nieprawidłowej kontroli;
• nakładania prób;
• błędu genotypowania.

Kontrola jakości poprzedza wykres Manhattan

Na poziomie próbek sprawdza się:

• kompletność genotypów;
• heterozygotyczność;
• zgodność chromosomów płci z danymi;
• pokrewieństwo;
• duplikaty;
• pochodzenie genomowe;
• kontaminację.

Na poziomie wariantów:

• call rate;
• jakość klastra;
• częstość;
• Hardy’ego–Weinberga w odpowiedniej grupie;
• zgodność alleli;
• jakość imputacji.

Fenotyp wymaga równie rygorystycznej kontroli. Doskonałe genotypy nie naprawią błędnie zdefiniowanej choroby.

Struktura populacji może tworzyć fałszywe asocjacje

Jeśli częstość allelu i fenotyp różnią się między podgrupami z powodów historycznych lub środowiskowych, marker może wydawać się związany z cechą bez działania przyczynowego.

Kontrole obejmują:

• główne składowe;
• modele mieszane;
• dopasowanie przypadków i kontroli;
• analizę pokrewieństwa;
• replikację w innych zbiorach.

Korekta statystyczna nie gwarantuje usunięcia każdej różnicy społecznej i środowiskowej.

Pochodzenie genomowe nie jest rasą

Pochodzenie genetyczne jest ciągłe, wielowymiarowe i zależne od zestawu porównawczego. Rasa jest kategorią społeczną o zmiennym znaczeniu.

Etykieta grupowa może korelować z pochodzeniem, ale także z:

• nierównościami;
• geografią;
• dietą;
• opieką;
• dyskryminacją;
• ekspozycjami.

Nie należy przedstawiać skorygowanej głównej składowej jako biologicznej definicji rasy.

Wariant indeksowy może tylko tagować przyczynę

NHGRI zaznacza, że wariant związany z cechą może nie być przyczynowy, lecz pozostawać w sprzężeniu z prawdziwym wariantem.⁴

W locus GWAS wiele SNP ma podobne wartości p, bo są w LD. Potrzebne są:

• analiza warunkowa;
• fine-mapping;
• dane funkcjonalne;
• eQTL i kolokalizacja;
• chromatyna właściwej tkanki;
• perturbacja.

Najbliższy gen nie musi być genem celu

Enhancer może działać na odległy promotor, omijając sąsiedni gen. Wariant intronowy jednego genu może regulować inny.

Przypisanie locus wymaga więcej niż odległości na liniowej mapie.

Fine-mapping daje zbiór wiarygodności

Zamiast jednego „zwycięzcy” otrzymuje się zbiór wariantów zawierający przyczynowy z określonym prawdopodobieństwem przy założeniach modelu. Zbiór zależy od:

• LD;
• populacji;
• liczebności;
• liczby sygnałów;
• jakości imputacji;
• priorów funkcjonalnych.

Różnorodne populacje mogą poprawiać rozdzielczość przez inne wzory LD.

Efekt wariantu jest średnim efektem w danych

β z GWAS nie jest niezmienną mocą allelu. Może zależeć od:

• wieku;
• płci;
• środowiska;
• innych loci;
• skali;
• doboru;
• LD.

Wariant przyczynowy ma mechanizm molekularny, ale obserwowany współczynnik jest parametrem statystycznym populacji.

Winner’s curse

Warianty przechodzące próg w pierwszym badaniu mają często zawyżone efekty, bo wybrano wyniki skrajne. Niezależna replikacja zwykle zmniejsza oszacowanie.

Brak istotności nie oznacza braku efektu

Mały efekt, niski MAF lub słaby pomiar może nie osiągnąć progu. Przedział ufności pokazuje zakres zgodny z danymi.

„Brakująca odziedziczalność”

Wczesne loci GWAS wyjaśniały niewielką część odziedziczalności rodzinnej. Różnicę nazwano missing heritability.

Możliwe składniki:

• wiele efektów poniżej progu;
• rzadkie warianty;
• niedoszacowane SV i powtórzenia;
• niepełne tagowanie;
• nieaddytywność;
• błąd fenotypu;
• zawyżone oszacowania rodzinne;
• różnice między metodami.

To nie jedna brakująca substancja. Wraz ze wzrostem prób i lepszymi metodami część luki się zmniejsza, ale definicje nadal nie muszą się zrównać.

Wynik poligenowy jest ważoną sumą alleli

PGS Catalog opisuje PGS jako sumę od setek do milionów wariantów, w której dawki alleli mnoży się przez wagi z GWAS.⁵

W uproszczeniu:

PGS_i = Σ β_j × G_ij.

G_ij to liczba alleli efektowych osoby i, a β_j — waga wariantu j.

Wynik surowy nie ma intuicyjnej jednostki. Często standaryzuje się go do średniej 0 i odchylenia 1 w populacji referencyjnej.

Allel efektowy musi być jednoznaczny

Błędy wynikają z:

• zamiany allelu efektowego;
• odwrócenia nici;
• palindromicznych A/T i C/G;
• innej wersji genomu;
• różnego kodowania indeli;
• brakujących wariantów;
• złej imputacji.

Implementacja PGS jest również zadaniem bioinformatycznej kontroli jakości.

Jak powstaje PGS

Zbiór discovery

GWAS dostarcza efektów i błędów. Im większa i lepiej dopasowana próba, tym stabilniejsze wagi.

Wybór wariantów i model

Podejścia obejmują:

• warianty istotne genomowo;
• clumping i thresholding;
• modele bayesowskie wykorzystujące LD;
• shrinkage;
• wiele pochodzeń;
• dodatkowe adnotacje funkcjonalne.

Więcej wariantów nie zawsze znaczy lepszy wynik. Szum może pogorszyć predykcję.

Zbiór strojący

Wybiera parametry bez używania końcowego zbioru testowego.

Niezależna walidacja

Zbiór oceniający nie może nakładać się z discovery. Ukryte nakładanie osób zawyża wynik.

Standardy PRS-RS wymagają jawnego raportowania uczestników, rozwoju, wag, walidacji, miar wydajności i ograniczeń.⁶

Dyskryminacja i kalibracja są różne

Dyskryminacja pyta, czy model nadaje wyższy wynik osobom z późniejszym zdarzeniem. Miary:

• AUC;
• C-statistic;
• R²;
• korelacja.

Kalibracja pyta, czy przewidywane 10% odpowiada około 10% zdarzeń.

Model może dobrze porządkować ryzyko, ale systematycznie przeszacowywać wartości bezwzględne.

AUC nie mówi o użyteczności

Niewielka poprawa AUC może być wartościowa przy konkretnej decyzji albo nie mieć praktycznego znaczenia. Potrzebne są:

• czułość i swoistość przy progu;
• dodatnia wartość predykcyjna;
• liczba osób przeklasyfikowanych;
• korzyści i szkody interwencji;
• decision curve;
• koszt.

Iloraz szans na SD nie jest ryzykiem

„OR 1,6 na jedno odchylenie PGS” opisuje zmianę szans. Aby uzyskać ryzyko bezwzględne, trzeba dodać:

• częstość bazową;
• wiek;
• płeć;
• czynniki kliniczne;
• horyzont czasu;
• ryzyka konkurencyjne.

Percentyl PGS zależy od referencji

90. percentyl oznacza wynik wyższy niż u 90% osób w zbiorze odniesienia. Nie oznacza:

• 90% ryzyka;
• 90% pewności;
• 90% genetyczności;
• górnych 10% we wszystkich populacjach.

Zmiana referencji może zmienić percentyl tej samej osoby.

Z-score też zależy od rozkładu

Standaryzacja ukrywa różnicę średnich między populacjami, ale nie naprawia różnic efektów, LD i kalibracji.

Przenośność między populacjami

PGS trenowane głównie w osobach europejskiego pochodzenia często działa słabiej gdzie indziej. Przyczyny:

• inne LD;
• inne częstości;
• różnice wariantów przyczynowych;
• inna imputacja;
• środowisko;
• definicja fenotypu;
• struktura systemu opieki.

PGS Catalog standaryzuje opis pochodzenia próbek, ponieważ development i evaluation muszą być jawne.⁷

Lokalna ancestry

Osoba o mieszanym pochodzeniu ma różne fragmenty genomu pochodzące z różnych populacji przodków. Jedna globalna etykieta może być zbyt gruba. Modele lokalnego pochodzenia są obiecujące, ale wymagają referencji i walidacji.

Fairness nie jest jedną metryką

Można porównywać:

• AUC;
• kalibrację;
• czułość przy progu;
• dostęp do testu;
• skutki decyzji;
• rozkład fałszywych wyników.

Równa AUC nie gwarantuje równej szkody.

PGS nie zastępuje historii rodzinnej

Historia rodzinna niesie informację o:

• rzadkich wariantach;
• wspólnym środowisku;
• wieku początku;
• wielu niegenotypowanych czynnikach.

PGS opiera się głównie na częstych markerach i wagach populacyjnych. Obie informacje mogą być częściowo niezależne.

Wariant monogeniczny i PGS

Osoba może jednocześnie mieć:

• patogenny wariant o dużym efekcie;
• wysoki albo niski PGS;
• czynniki kliniczne.

Niski PGS nie „anuluje” wariantu głównego. Może modyfikować penetrację, ale wymaga modelu zwalidowanego specjalnie u nosicieli.

Model kliniczny powinien porównywać wartość dodaną

PGS należy porównać z modelem zawierającym już:

• wiek;
• płeć;
• rodzinę;
• biomarkery;
• styl życia;
• choroby współistniejące.

Pytanie brzmi nie „czy PGS jest skojarzony?”, lecz „czy poprawia decyzję ponad dostępne dane?”.

Reclassification wymaga ostrożności

Przeniesienie osoby do wyższej kategorii wygląda korzystnie, jeśli później zachorowała. Pełna ocena uwzględnia również osoby niepotrzebnie przesunięte, próg działania i koszty.

PGS nie jest diagnozą zarodka

W selekcji embrionów powstają szczególne ograniczenia:

• rodzeństwo ma zawężony rozkład PGS;
• liczba zarodków jest mała;
• rekombinacja losowo rozdziela haplotypy;
• model może nie być zwalidowany dla zarodków;
• środowisko przyszłego dziecka jest nieznane;
• wyniki dla wielu cech są skorelowane;
• istnieją skutki społeczne i etyczne.

Różnica PGS między dwoma zarodkami nie jest gwarantowaną różnicą fenotypu. Precyzja populacyjna nie przenosi się automatycznie do jednej rodziny.

PGS w genetyce sądowej

Wynik poligenowy nie identyfikuje osoby tak jak profil STR. Może przewidywać cechę z niepewnością populacyjną.

Przy fenotypowaniu sądowym trzeba uwzględnić:

• walidację populacyjną;
• szeroki przedział predykcji;
• środowisko;
• ryzyko stereotypizacji;
• jakość DNA;
• próg raportowania.

Predykcja „najbardziej prawdopodobna kategoria” nie jest obserwacją wyglądu.

PGS w hodowli i biologii eksperymentalnej

W hodowli roślin i zwierząt przewidywanie genomowe wykorzystuje wiele markerów do szacowania wartości hodowlanej. Odpowiedź na selekcję zależy od odziedziczalności wąskiej i wariancji dostępnej w populacji.

W eksperymencie:

• tło szczepowe modyfikuje fenotyp;
• krzyżowanie wsteczne zmienia haplotypy;
• mała liczebność daje niestabilne efekty;
• środowisko klatki lub partii może być skorelowane z genotypem.

Randomizacja i blokowanie są konieczne nawet przy znanym genomie.

Związek z klonowaniem

SCNT kopiuje diploidalny zestaw wariantów jądrowych dawcy, w tym jego PGS. Nie kopiuje:

• środowiska prenatalnego;
• mtDNA w identycznej konfiguracji;
• stanu epigenetycznego;
• historii rozwoju;
• przypadkowych zdarzeń;
• przyszłych ekspozycji.

Klon i dawca mogą mieć ten sam wynik poligenowy, ale różny fenotyp. PGS jest funkcją genotypu i modelu, nie cyfrowym opisem organizmu.

Wynik obliczony w modelu człowieka nie ma znaczenia dla innego gatunku ani nawet automatycznie dla populacji, w której nie był walidowany.

Bezpośrednie i pośrednie efekty genetyczne

Genotyp dziecka może być związany z fenotypem nie tylko przez jego własną biologię. Genotyp rodziców wpływa na:

• środowisko prenatalne;
• dostępne zasoby;
• dietę;
• zachowania;
• wybór miejsca zamieszkania;
• kontakt z opieką;
• sposób reagowania na cechy dziecka.

Jeśli allel rodzica wpływa na środowisko, a połowa alleli jest przekazywana dziecku, standardowy GWAS może częściowo uchwycić efekt pośredni.

Genetic nurture

Allele rodzicielskie nieprzekazane dziecku nie mogą działać przez jego cząsteczki, ale mogą korelować z jego środowiskiem. Asocjacja nieprzekazanych alleli z fenotypem dziecka jest dowodem pośredniej ścieżki rodzinnej.

Nie oznacza to, że „geny wychowują”. Oznacza, że genotyp rodzica może zmieniać zachowanie lub warunki, które wpływają na dziecko.

Efekt matczyny

Genotyp matki może wpływać na środowisko oocytu, łożyska i ciąży niezależnie od allelu odziedziczonego przez płód. Dla cech urodzeniowych trzeba rozdzielać:

• efekt genotypu płodu;
• efekt genotypu matki;
• wspólne środowisko;
• korelację między genotypami.

Analiza samej osoby po urodzeniu nie zawsze rozstrzyga kierunek.

Efekty społeczne

Genotypy osób z otoczenia mogą wpływać na zachowanie grupy. W kolonii zwierząt cechy współlokatorów klatki zmieniają stres i pobieranie pokarmu. W danych ludzkich podobne procesy są trudniejsze do oddzielenia od selekcji i środowiska.

Kojarzenie assortatywne zmienia podobieństwo krewnych

Losowe kojarzenie jest częstym założeniem. W rzeczywistości partnerzy mogą być podobni pod względem:

• wzrostu;
• wykształcenia;
• pochodzenia geograficznego;
• zachowań;
• chorób;
• środowiska społecznego.

Jeśli podobieństwo ma częściowo podłoże genetyczne, allele wpływające na cechę stają się skorelowane między partnerami. Może to:

• zwiększać wariancję w kolejnych pokoleniach;
• zmieniać korelacje krewnych;
• zawyżać niektóre oszacowania rodzinne;
• tworzyć korelacje między loci;
• wpływać na PGS potomstwa.

Assortative mating może działać również pośrednio: partnerzy dobierają się według cechy społecznej skorelowanej z badanym fenotypem.

Projekt rodzinny pomaga oddzielać zakłócenia

Porównanie rodzeństwa pyta, czy dziecko, które losowo odziedziczyło więcej alleli efektowych niż jego rodzeństwo, ma też inny fenotyp.

Zaletą jest wspólna kontrola:

• rodziców;
• dużej części środowiska;
• pochodzenia;
• efektów dynastii;
• części biasu populacyjnego.

Wadą:

• mniejsza efektywna liczebność;
• mniejsza wariancja PGS wewnątrz rodziny;
• możliwość różnego traktowania rodzeństwa;
• wpływ kolejności urodzenia;
• błędy fazowania.

Efekt wewnątrzrodzinny bywa mniejszy niż populacyjny. Różnica nie dowodzi oszustwa GWAS; pokazuje, że populacyjna asocjacja zawierała również ścieżki pośrednie i strukturę.

Transmisja jako naturalna randomizacja

Podczas mejozy rodzic przekazuje jeden z dwóch alleli. W obrębie rodziny ta losowość ogranicza wiele zakłóceń populacyjnych.

Nie jest jednak absolutna:

• loci są sprzężone;
• może działać selekcja gamet lub zarodków;
• błędy genotypowania tworzą niezgodności;
• rodzina nie jest losową próbką populacji.

Korelacja genetyczna między cechami

Dwie cechy mogą dzielić warianty o podobnych kierunkach efektu. Korelacja genetyczna opisuje podobieństwo ich addytywnych komponentów genetycznych.

Wysoka dodatnia wartość może wynikać z:

• plejotropii;
• jednej cechy wpływającej na drugą;
• nakładania definicji;
• wspólnego LD;
• biasu próby.

Ujemna wskazuje, że allele podnoszące jedną cechę mają średnio efekty obniżające drugą.

Korelacja nie jest wspólną odziedziczalnością

Dwie cechy mogą mieć wysoką odziedziczalność i zerową korelację genetyczną. Mogą też mieć umiarkowaną odziedziczalność i silnie skorelowane komponenty.

Potrzebne są:

• h² każdej cechy;
• kowariancja genetyczna;
• korelacja po standaryzacji.

Nakładanie próby

Jeśli te same osoby występują w dwóch GWAS, korelacja błędów może zawyżać związek. Metody na statystykach podsumowujących muszą uwzględniać overlap.

PheWAS odwraca pytanie GWAS

GWAS zaczyna od fenotypu i skanuje warianty. PheWAS zaczyna od wariantu lub PGS i skanuje wiele fenotypów.

PheWAS może ujawnić:

• plejotropię;
• skutki uboczne potencjalnego celu leku;
• błędną klasyfikację;
• zależności rozwojowe.

Problem wielokrotnego testowania jest ogromny, a fenotypy z elektronicznej dokumentacji są zależne. Kod rozpoznania może oznaczać:

• chorobę;
• podejrzenie;
• wykluczenie;
• rozliczenie;
• powikłanie leczenia.

Walidacja fenotypu pozostaje konieczna.

Mendelian randomization nie jest automatycznym dowodem przyczyny

Metoda wykorzystuje warianty związane z ekspozycją jako instrumenty. Główne założenia:

1. wariant wiąże się z ekspozycją;
2. nie jest związany z czynnikami zakłócającymi;
3. wpływa na wynik tylko przez ekspozycję.

Plejotropia pozioma narusza trzecie założenie. Struktura populacji, assortative mating i efekty rodzinne naruszają drugie.

Wynik wymaga:

• kilku instrumentów;
• analiz wrażliwości;
• kontroli kierunku;
• replikacji;
• biologicznego uzasadnienia.

Nazwa „randomization” odnosi się do segregacji alleli, ale nie usuwa wszystkich źródeł biasu.

Odziedziczalność choroby zależy od skali

W badaniu case-control odsetek przypadków jest ustalany przez projekt i zwykle różni się od częstości populacyjnej. Odziedziczalność na skali obserwowanej nie jest bezpośrednio porównywalna między próbami.

Przekształcenie na skalę liability wymaga:

• częstości choroby w populacji;
• odsetka przypadków w próbie;
• założenia rozkładu podatności;
• progu.

Błąd częstości bazowej zmienia wynik. Dla choroby zależnej od wieku jedna częstość może być niewystarczająca.

Case definition zmienia parametr

Wąska definicja daje bardziej jednorodne, cięższe przypadki, ale może reprezentować tylko podtyp. Szeroka zwiększa liczebność, lecz dodaje heterogeniczność.

Nie ma uniwersalnie najlepszego fenotypu. Musi odpowiadać pytaniu.

Odtwarzanie PGS jest procesem wersjonowanym

Do obliczenia potrzebne są:

• identyfikator modelu;
• plik wariantów i wag;
• wersja genomu;
• allele efektowe;
• reguła brakujących wariantów;
• źródło genotypów;
• imputation panel;
• wersja oprogramowania.

Ten sam „PRS choroby X” może oznaczać setki modeli. Nazwa cechy nie identyfikuje algorytmu.

Harmonizacja alleli

Dla każdego wariantu trzeba sprawdzić:

1. pozycję w tej samej referencji;
2. allel referencyjny i alternatywny;
3. allel efektowy;
4. częstotliwość;
5. orientację;
6. jakość imputacji.

Wariant palindromiczny o częstości bliskiej 0,5 może być niemożliwy do pewnego zorientowania bez dodatkowych danych.

Brakujące warianty

Opcje:

• pominąć;
• znaleźć proxy w LD;
• imputować;
• wybrać inny model.

Każda zmienia wynik. Odsetek obecnych wariantów nie wystarcza — brak wariantu o dużej wadze jest ważniejszy niż brak wielu niemal zerowych.

Kontrola rozkładu

Po obliczeniu sprawdza się:

• średnią i wariancję;
• outliers;
• różnice partii;
• różnice platform;
• rozkład według pochodzenia;
• zgodność próbek kontrolnych.

Przesunięcie całej partii może wskazywać zamianę alleli albo wersji genomu.

Model trzeba zamrozić przed ewaluacją

Jeśli po obejrzeniu wyników testowych wybiera się:

• próg p;
• warianty;
• sposób standaryzacji;
• współzmienne;
• podgrupy;

zbiór testowy staje się częścią treningu. Raportowana wydajność jest optymistyczna.

Prawidłowy podział:

• training/discovery;
• tuning/validation;
• final test.

Przy małych danych stosuje się cross-validation, ale wszystkie kroki wyboru muszą być wykonane wewnątrz foldów.

Leakage przez krewnych

Osoba w treningu i jej krewny w teście dzielą długie haplotypy i środowisko. Zwykły losowy podział może zawyżyć generalizację.

Leakage przez metaanalizę

Publiczne wagi mogą już zawierać badaną kohortę. Trzeba sprawdzić listę źródeł, nie tylko nazwę publikacji.

Jak przejść z PGS do ryzyka bezwzględnego

Załóżmy model:

logit(P) = α + β_PGS × PGS + β_wiek × wiek + ....

Intercept α kalibruje częstość bazową. Model wytrenowany w próbie z 50% przypadków nie może użyć tej częstości jako ryzyka populacyjnego.

Potrzebne są:

• zewnętrzna częstość;
• horyzont czasu;
• ryzyka konkurencyjne;
• aktualna kohorta;
• walidacja.

Przykład dwóch populacji

Ten sam PGS i ten sam względny efekt może dać:

• niewielkie ryzyko bezwzględne tam, gdzie choroba jest rzadka;
• dużo większe tam, gdzie jest częsta.

Dlatego komunikat „dwukrotnie wyższe ryzyko” powinien podawać wartości wyjściową i końcową.

Ryzyko przeżycia

Dla zdarzeń zależnych od wieku używa się modeli czasu. Wynik pięcioletni i całego życia nie są wymienne.

Próg decyzji zależy od interwencji

Model może być użyteczny, jeśli wynik zmienia postępowanie o dodatnim bilansie.

Przy tanim i bezpiecznym badaniu przesiewowym próg może być niski. Przy inwazyjnej procedurze — wyższy.

Ocena obejmuje:

• korzyść prawdziwie dodatniego wyniku;
• szkodę fałszywie dodatniego;
• koszt fałszywie ujemnego;
• obciążenie systemu;
• preferencje osoby.

PGS bez ścieżki działania jest informacją prognostyczną, nie narzędziem klinicznym.

Net benefit

Decision-curve analysis porównuje strategie:

• badaj wszystkich;
• nie badaj nikogo;
• badaj według modelu.

Model o wyższej AUC może mieć niższą korzyść przy konkretnym progu.

Jak raportować wynik osobie

Raport powinien zawierać:

• nazwę i identyfikator PGS;
• przewidywaną cechę;
• populację walidacji;
• percentyl i referencję;
• ryzyko bezwzględne z horyzontem;
• inne czynniki modelu;
• przedział niepewności;
• ograniczenia pochodzenia;
• brak lub obecność rekomendowanej interwencji;
• datę i wersję.

Nie powinien mówić:

• „ma gen choroby złożonej”;
• „jest w 90% zagrożony” na podstawie percentyla;
• „niski PGS wyklucza chorobę”;
• „wynik jest ważny na całe życie” bez aktualizacji.

Komunikacja względna i bezwzględna

Najbardziej zrozumiały format porównuje:

• średnie ryzyko osób podobnych klinicznie;
• ryzyko z PGS;
• liczbę osób na 1000;
• możliwą zmianę po interwencji.

Wizualizacja powinna pokazywać również niepewność.

Prywatność wyniku poligenowego

PGS jest pochodną genotypu. Może ujawniać:

• predyspozycję zdrowotną;
• pochodzenie;
• pokrewieństwo;
• cechy krewnych;
• informacje niewymagane dla pierwotnego celu.

Usunięcie nazwiska nie gwarantuje anonimowości genomu.

Zmiana celu

Dane zebrane do badania jednej choroby mogą być ponownie użyte do innych predykcji. Zgoda, zarządzanie i dostęp powinny określać:

• zakres;
• użytkowników;
• możliwość wycofania;
• czas przechowywania;
• zwracanie wyników;
• komercyjne wykorzystanie.

Ryzyko determinizmu

Wyniki dla edukacji, zachowania albo zdrowia psychicznego łatwo odrywają się od warunków społecznych. Predykcja populacyjna może utrwalać nierówności, jeśli staje się kryterium dostępu.

Ograniczenie nie jest tylko „kwestią etyczną” po analizie. Wpływa na dobór fenotypu, interpretację i decyzję, czy model powinien powstać.

Dokumentacja i powtarzalność

Minimalny pakiet reprodukcji PGS obejmuje:

• kod;
• wagi;
• referencję;
• parametry QC;
• opis próbek;
• pochodzenie;
• wersje bibliotek;
• seed losowy;
• metryki w każdej podgrupie.

Jeśli danych indywidualnych nie można udostępnić, dostępne powinny być:

• statystyki podsumowujące;
• słownik fenotypu;
• środowisko wykonawcze;
• syntetyczny test;
• procedura dostępu kontrolowanego.

Praktyczny przykład błędnej interpretacji

Badanie podaje:

• h²_SNP = 0,25;
• AUC PGS = 0,64;
• OR na SD = 1,5;
• osoba jest w 95. percentylu.

Nie wynika z tego, że:

• 25% jej choroby jest genetyczne;
• model wyjaśnia 64% przypadków;
• ryzyko wynosi 95%;
• zachoruje 1,5 raza.

Do interpretacji potrzeba:

• przedziału h²;
• definicji skali;
• czułości przy progu;
• częstości choroby;
• wieku;
• kalibracji;
• populacji odniesienia;
• innych czynników.

Jeśli bazowe dziesięcioletnie ryzyko wynosi 2%, względne podwojenie może oznaczać około 4%, a nie pewność. Dokładna wartość wymaga modelu, nie mnożenia na oko.

Jak czytać publikację GWAS

1. Jaki fenotyp i próg?
2. Jak dobrano próbę?
3. Jakie pochodzenie?
4. Jaka platforma i imputacja?
5. Jak kontrolowano pokrewieństwo i strukturę?
6. Czy była replikacja?
7. Jaki efekt i przedział?
8. Czy wariant jest markerem czy kandydatem przyczynowym?
9. Czy udostępniono statystyki?
10. Czy wnioski funkcjonalne mają osobny dowód?

NHGRI-EBI GWAS Catalog gromadzi kuratorowane asocjacje i statystyki podsumowujące, ale rekord katalogowy nadal nie zastępuje lektury projektu badania.⁸

Jak czytać publikację PGS

1. Czy model ma pełną listę wariantów i wag?
2. Jaka wersja genomu i allele efektowe?
3. Czy development, tuning i validation są rozłączne?
4. Jakie jest pochodzenie próbek?
5. Jak rozwiązano brakujące warianty?
6. Jakie są dyskryminacja i kalibracja?
7. Czy porównano model kliniczny bez PGS?
8. Czy podano ryzyko bezwzględne?
9. Czy oceniono podgrupy?
10. Czy decyzja przynosi korzyść?

PGS Catalog umożliwia pobranie modeli i metadanych, w tym wariantów, wag, wersji genomu i zestawów ewaluacyjnych.⁹

Najczęstsze błędy

1. „Odziedziczalność 80% znaczy, że osoba jest w 80% genetyczna.” Parametr dotyczy wariancji między osobami.
2. „Wysoka odziedziczalność znaczy, że interwencja nie działa.” Zmiana środowiska może przesunąć całą populację.
3. „Niska odziedziczalność znaczy, że geny nie są ważne.” Może brakować zmienności genetycznej.
4. „GWAS znalazł gen choroby.” Zwykle znalazł locus asocjacji.
5. „Najbliższy gen jest przyczynowy.” Regulacja może działać na odległość.
6. „Najniższe p oznacza największy efekt.” Istotność zależy też od liczebności i częstości.
7. „OR jest ryzykiem.” Iloraz szans wymaga kalibracji.
8. „90. percentyl oznacza 90% ryzyka.” To pozycja względem referencji.
9. „PGS jest uniwersalny.” Wydajność zależy od populacji i środowiska.
10. „Więcej SNP zawsze poprawia model.” Można dodać szum.
11. „PGS zastępuje wariant monogeniczny i rodzinę.” Informacje są różne.
12. „Ten sam PGS daje ten sam fenotyp.” Rozwój i środowisko pozostają.

Co warto umieć po przeczytaniu

Czytelnik powinien potrafić:

• odróżnić efekt wariantu, odziedziczalność i PGS;
• wyjaśnić H² i h²;
• wskazać populacyjny charakter odziedziczalności;
• odróżnić odziedziczalność rodzinną od h²_SNP;
• czytać podstawowy model GWAS;
• rozpoznać strukturę populacji i LD;
• odróżnić asocjację od przyczynowości;
• zapisać ważoną sumę PGS;
• rozdzielić dyskryminację od kalibracji;
• wyjaśnić problem przenośności;
• połączyć PGS z rodziną i czynnikami klinicznymi;
• nie traktować wyniku jako przepowiedni jednostki.

Literatura i źródła