近年来，多基因风险评分（PRSs）越来越多地被用来获取许多人类特征和疾病所隐含的全基因组信息，希望能更好地告知某个人患特定疾病的遗传风险。近期，多名研究人员在《Nature》杂志上发表了一篇题为“Improving reporting standards for polygenic scores in risk prediction studies”的综述，该综述提出一个含有22项的框架，该框架确定了科学家在其研究中应该包含的与多基因风险评分相关的最低限度信息。该框架由国家人类基因组研究所（NHGRI）的临床基因组资源（ClinGen）复杂疾病工作组和多基因评分（PGS）目录数据库成员创建，将有助于提高多基因风险评分的有效性、透明度和可重复性。
多基因风险评分（PRSs）通常会汇总全基因组关联研究的结果，可以弥补最初工作发现与临床应用之间的差距，从而利用遗传学估算疾病风险。然而，这些风险评分的应用和报告存在显著的异质性，这阻碍了PRSs转化为临床护理。在此，通过临床基因组资源（ClinGen）复杂疾病工作组和多基因评分（PGS）目录之间的协作，研究人员提出了多基因风险评分报告标准（PRS-RS），并更新了遗传风险预测研究（GRIPS）声明，以反映该领域的现状。
PRS-RS是一套标准项目，规定了需要描述的最低标准，以便准确解释PRS，并在整个PRS开发过程中再现结果，图1可简要说明。它适用于PRS开发和验证研究，旨在预测疾病发生和预后，以及对治疗的反应。大多数PRS研究遵循PRS开发评估的原型流程（图1），该流程可作为标准化报告和实际应用的模板。
图1. PRSs开发和验证过程的原型
注：图中显示了PRSs构建、风险模型开发和性能验证的典型步骤，并在整个过程中以粗体文字标记PRS-RS指南的某些方面。在PRSs开发中，与兴趣结果相关的变异（通常从GWAS中识别）被合并为跨变异等位基因计数的加权总和。未显示用于优化PRSs（PRSs构造和估计）的变量选择方法。PRSs在预测兴趣结果的风险模型中进行测试，并可与其他非遗传变量（例如年龄、性别、祖先、临床变量）结合；这些统称为风险模型变量。通过拟合程序选择最佳风险模型，在独立样本中验证了该模型的有效性。应描述PRSs分布，并从识别、预测能力和校准方面证明风险模型的性能。
借鉴流行病学、统计学、特定疾病的应用、实施和政策方面的专家意见，该综合报告框架定义了解释和评估PRSs所需的最少信息，尤其是有关下游临床应用的信息。这些项目涵盖了研究人群的详细说明，开发和验证PRSs的统计方法以及对这些评分的潜在局限性的考虑。
此外，研究人员强调数据可用性和透明性的必要性，并鼓励研究人员通过PGS目录存储和共享PRSs，以促进可重复性和比较基准。通过以现有标准和本体为基础的结构化格式提供这些标准，在发布PRSs时使用此框架将有助于转化为临床护理，并向着定义最佳实践的方向发展。
参考文献
Wand H, Lambert SA, Tamburro C, et al. Improving reporting standards for polygenic scores in risk prediction studies. Nature. 2021 Mar; 591(7849): 211-219.
关于相关内容的更多介绍，详见：
