Simple Science

最先端の科学をわかりやすく解説

# 健康科学# 遺伝学・ゲノム医学

UPDOGで遺伝的リスク予測を改善する

UPDOGは多様な集団向けにポリジェニックスコアを強化して、より良い医療結果を目指してるよ。

― 1 分で読む


UPDOG:UPDOG:遺伝学の新しいツールする。UPDOGは多様な人々のリスク評価を改善
目次

ポリジェニックスコアは、DNAに基づいて特定の特性や病気に対する個人の遺伝的リスクを評価するためのツールだよ。これらは、多くの人の遺伝情報を調べて、特定の遺伝子が身長や病気になる可能性みたいな特定の特性にどう関連しているかを見る大規模な研究から導き出されるんだ。このデータを分析することで、研究者たちはそれらの特性や状態に対する個人の遺伝的傾向を反映したスコアを作成できるんだ。

ポリジェニックスコアの仕組み

ポリジェニックスコアを作るために、研究者たちはゲノムワイド関連解析(GWAS)からデータを集めるよ。これらの研究は、何千人から何百万の個人のゲノムを分析して、特定の特性に関連する遺伝的変異を特定するんだ。各変異には効果量があって、その変異が特性にどれくらい影響を与えるかを示しているんだ。個人が持つ複数の遺伝的変異の効果量を組み合わせることで、研究者たちはその個人のポリジェニックスコアを計算できるんだ。

人口の多様性の課題

ポリジェニックスコアの大きな課題の一つは、ほとんどのGWASが主にヨーロッパ系の個人に焦点を当ててきたことなんだ。その結果、生成されたスコアが他の系統の人々の遺伝的リスクを正確に予測できない可能性があるんだ。これって懸念すべきことで、医療の場でこれらのスコアを使うと、異なる集団間で不平等な医療結果が生じるかもしれない。遺伝的な違いが、研究される集団によってこれらのスコアの予測能力が異なることがあるってわかったんだ。

異なる系統間での予測を改善する

この問題に対処するために、研究者たちはUPDOG(Up and Downstream Genetic scoring)っていう新しいツールを開発したよ。UPDOGは、さまざまな遺伝的背景を持つ個人のためにポリジェニックスコアの精度を向上させることを目指しているんだ。

UPDOGの基本的なアイデアは、特定の遺伝的変異だけでなく、それらの変異の周辺の遺伝的構造も調べることなんだ。同じような遺伝的構造を持つ二つのグループがあれば、UPDOGは一方のグループから推定した遺伝的変異の影響を使って、もう一方のグループの特性を予測できるってわけ。

UPDOGの仕組み

UPDOGは、ゲノムを小さなセクションに分解して、これらのセクションを一致する遺伝的変異で分析するよ。重要な遺伝的変異-影響量が大きいもの-を見て、それらの周辺にある遺伝的変異の関連性を評価するんだ。そうすることで、UPDOGは上流と下流の遺伝情報に基づいてポリジェニックスコアを調整できるんだ。

この方法によって、UPDOGは異なる系統を持つ個人に対してよりパーソナライズされた遺伝的リスク評価を提供できるんだ。ヨーロッパ中心のデータだけに頼らず、個人の遺伝的背景に基づいたデータを取り入れることで、より正確な予測につながるんだ。

UPDOGの評価

UPDOGがどれくらいうまく機能するかを評価するために、研究者たちはイギリスのバイオバンクのデータを使ってテストしたよ。ここには多様なグループの個人が含まれているんだ。彼らはUPDOGの予測能力を、ポリジェニックスコアを計算するための最先端のツールと比較したんだ。この比較には、体重指数、身長、冠動脈疾患、大うつ病、関節リウマチ、2型糖尿病などの特性が含まれていたよ。

その結果、UPDOGは調べたケースの2/3以上で予測を改善したんだ。特に体重指数の予測がうまくいって、全てのテストケースで精度が向上したよ。UPDOGは予測を向上させたけど、改善は一般的にやや控えめだったんだ。

制限事項の理解

UPDOGが改善をもたらしたにもかかわらず、まだ限界があるんだ。UPDOGの性能は、評価される特性やその特性の遺伝性によって変わる可能性があるんだ。体重指数や身長のように遺伝性が高い特性は、2型糖尿病や大うつ病のような特性に比べて、より大きな改善を示す傾向があるんだ。

さらに、UPDOGは他の系統に焦点を当てた既存のデータを元に個人のスコアを予測することに限られているんだ。複数の研究からのデータを統合したり、系統特有の変動を深く掘り下げたりすることはできないんだ。この研究は、これらの予測をより良くするために、より広範な集団を含む遺伝的研究の拡大が重要であることを強調しているんだ。

医療におけるポリジェニックスコアの重要性

ポリジェニックスコアは、個人の遺伝的プロフィールに基づいて医療を調整するパーソナライズド医療を改善する可能性があるんだ。遺伝的リスクを理解することで、医療提供者は特定の条件に対してリスクが高い個人に対して予防策や生活習慣の変更、ターゲット治療を提案できるんだ。

より多様な遺伝データが利用可能になるにつれて、UPDOGのようなツールは、遺伝的違いから生じる医療格差を埋める助けになるんだ。正確な遺伝的リスク評価に基づいたパーソナライズド医療への平等なアクセスを確保することは、人口の健康結果を改善するために重要なんだ。

今後の方向性

今後、研究者たちはUPDOGのようなツールを開発・改善し続けることが重要なんだ。より広範な集団からのデータを組み込むことで、異なる系統間でのポリジェニックスコアの精度と適用性を向上させることができるんだ。この取り組みは、予測ツールの改善だけでなく、遺伝的研究のサンプルサイズを増やして、よりグローバルな人口を代表するものにすることを含むんだ。

結論として、ポリジェニックスコアは遺伝学研究における重要な進展で、さまざまな特性や病気に対する個人の遺伝的リスクに関する洞察を提供しているんだ。UPDOGのようなツールは、これらのスコアをより包括的かつ信頼できるものにするために欠かせなくて、遺伝的多様性を考慮した改善された医療戦略への道を開いているんだ。ゲノム医学を臨床実践に完全に統合する旅は続いていて、世界中で医療提供の仕方を変革する大きな可能性があるんだ。

オリジナルソース

タイトル: What's UPDOG? A novel tool for trans-ancestral polygenic score prediction

概要: Polygenic scores provide an indication of an individuals genetic propensity for a trait within a test population. These scores are calculated using results from genetic analysis conducted in discovery populations. However, when the test and discovery populations have different ancestries, predictions are less accurate. As many genetic analyses are conducted using European populations, this hinders the potential for making predictions in many of the underrepresented populations in research. To address this, UP and Downstream Genetic scoring (UPDOG) was developed to consider the genetic architecture of both the discovery and test cohorts before calculating polygenic scores. UPDOG was tested across four ancestries and six phenotypes and benchmarked against five existing tools for polygenic scoring. In approximately two-thirds of cases UPDOG improved trans-ancestral prediction, although the increases were small. Maximising the efficacy of polygenic scores and extending it to the global population is crucial for delivering personalised medicine and universal healthcare equality.

著者: David M Howard, O. M. Pain, A. C. Gillett, E. Vassos, C. M. Lewis

最終更新: 2023-05-16 00:00:00

言語: English

ソースURL: https://www.medrxiv.org/content/10.1101/2023.05.15.23289985

ソースPDF: https://www.medrxiv.org/content/10.1101/2023.05.15.23289985.full.pdf

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。

著者たちからもっと読む

類似の記事

科学コミュニケーションと教育カメルーンでAMRに立ち向かうためのバイオインフォマティクススキルを身につける

ワークショップが抗菌薬耐性に取り組むためのバイオインフォマティクスの地元の専門知識を高める。

― 1 分で読む