实时动态多基因预测在流式数据中的应用

本研究提出了一种实时更新的多基因风险评分方法rtPRS-CS，能够动态优化和标准化PRS，适应不断生成的遗传数据与健康结果。通过模拟和实际应用，验证了该方法在不同遗传结构和样本量下的有效性，并展示了其在预测多种遗传背景下的精神分裂症风险方面的临床价值。

摘要

多基因风险评分（PRSs）是推动精准医学发展的有力工具。然而，现有的PRS构建方法依赖于来自全基因组关联研究的静态汇总统计数据，而这些数据通常更新间隔较长。随着遗传数据和健康结果的持续产生，当前的PRS训练和部署模式在最大化医疗环境中新患者的预测准确性方面并不理想。我们提出了实时PRS-CS（rtPRS-CS）技术，该技术能够在每个新样本被收集时对PRS进行在线动态优化和标准化。我们通过大量模拟评估了rtPRS-CS在各种遗传结构和训练样本量下的性能。利用两个大规模生物库中的定量特征数据，我们证明了rtPRS-CS能够整合大量流式数据，从而提升PRS的预测能力。进一步将rtPRS-CS应用于七个亚洲地区的22个精神分裂症队列，展示了其在动态捕捉健康状况变化和预测不同遗传背景下的疾病风险方面的临床实用性。