中国科学院北京基因组研究所（国家生物信息中心）研究员汪敏先研究组与美国博德研究所、麻省总医院博士Amit V. Khera研究组合作，开发整合了不同族裔人群背景及多个冠心病临床危险因素信息的全基因组多基因风险评分新模型——GPSmult。相关研究7月7日发表于《自然—医学》。该成果有望在冠心病高风险人群的早期识别及精确分层上发挥作用，促进冠心病精准防治。

冠心病是导致人类死亡的最主要疾病之一，受个体遗传、代谢及不良生活方式的共同影响，其中遗传因素的影响约为40%~60%。由于个体基因信息在一生中基本保持不变，并且早在婴幼儿时期即可通过血液或唾液等无创方式采集获得，GPSmult模型能够在生命最早期基于个体基因信息预测其未来发生冠心病的风险，从而为尽早预防与干预疾病争取了广阔的时间窗口。

图片来自：Pixabay

“我们的模型预测准确性超过了美国临床预防医学领域用于评估个体动脉粥样硬化性心血管疾病患病风险的‘金标准’，大幅提高了利用基因组遗传信息预测个体未来患冠心病风险的准确度，能够进一步改善约40%个体的风险预测准确性。”汪敏先对《中国科学报》说。

该模型利用来源于冠心病全基因组关联研究国际联盟的全球多个族裔人群近27万例冠心病患者和118万例健康人群的全基因组对比关联研究结果，分析了基因变异与疾病之间的相关关系，并对全基因组范围内与疾病风险相关的所有遗传变异位点进行建模整合。为提高模型预测准确性，研究者进一步整合了基因变异与十种冠心病临床危险因素及关联共病之间的关联关系，使用样本数超过了1346万例。研究者在多族裔人群背景、总计超51万人的独立验证人群中，对新模型的准确性进行了全面评估，结果发现与当前已发表的27种基于全基因组信息预测冠心病风险的模型相比，新模型的准确性均有显著提升。

冠心病患病风险与多基因风险评分分布之间的关系 作者供图

研究者还将英国生物银行中的30.8万欧洲人群依据GPSmult评分从小到大平均分为100组，统计每组内实际发生冠心病的人数比例。结果显示，GPSmult模型计算出的多基因风险评分与疾病风险之间具有显著的相关性，得分最低的组内冠心病的发生率小于0.6%，然而得分最高的组内冠心病的发生率高达16.3%，两组之间疾病的实际发生率相差近27倍，进一步证明了新模型预测的准确定。

目前的心血管病预防指南推荐对既往有过冠心病、外周动脉疾病、缺血性卒中、糖尿病或严重高胆固醇血症病史的个体使用他汀类药物治疗，以帮助降低心血管疾病再次发生的风险和死亡率。研究者回顾分析了英国生物银行中30.8万欧洲人群长达 12年的随访跟踪数据，发现位于GPSmult评分分布前3%的个体尽管没有上述既往病史，其冠心病的发生风险与已有疾病史的个体几乎相当。

“美国心脏协会/美国心脏病学会合并队列方程主要利用血脂、血压、年龄及性别等传统心血管疾病危险因素建模，预测个体未来10年的动脉粥样硬化性心血管疾病风险。而GPSmult基于个体基因信息预测先天疾病风险，将两种模型整合使用预测效果更优。”汪敏先说。研究者通过对英国生物银行中32.6万多族裔人群的数据分析显示，在传统风险模型的多个疾病风险分层中，GPSmult均能进一步增强对个体患病风险的预测，且广泛适用于不同遗传背景的个体，特别是对南亚人群或者是传统危险分层处于高风险（风险大于20%）的个体，其增强效果更加明显。

模型架构及训练与验证示意图 作者供图

相关论文信息：

https://doi.org/10.1038/s41591-023-02429-x