stringtranslate.com

Полигенный балл

Два графика иллюстрируют выборочное распределение полигенных показателей и прогностическую способность стратифицированной выборки по полигенному показателю риска с увеличением возраста. + Левая панель показывает, как риск (стандартизованная PRS на оси X) может отделить «случаи» (т. е. людей с определенным заболеванием (красный)) от «контроля» (лиц без заболевания (синий). )). Ось Y (вертикальная ось) указывает, скольким участникам в каждой группе присвоен определенный балл. + На правой панели одна и та же популяция разделена на три группы в соответствии с прогнозируемым риском, т. е. присвоенным баллом: высокий (красный), средний (серый) или низкий (синий). По оси Y показаны наблюдаемые величины риска, а по оси X показаны группы, различающиеся по степени риска по мере их старения, что соответствует прогнозируемым показателям риска.

В генетике полигенный показатель ( PGS ) — это число, которое суммирует предполагаемое влияние многих генетических вариантов на фенотип человека . PGS также называют полигенным индексом ( PGI ) или полногеномным показателем ; в контексте риска заболевания это называется оценкой полигенного риска ( PRS или PR-оценка [1] ) или оценкой генетического риска . Оценка отражает предполагаемую генетическую предрасположенность человека к данному признаку и может использоваться в качестве предсказателя этого признака. [2] [3] [4] [5] [6] Он дает оценку того, насколько вероятно, что у человека будет данная черта, основанная только на генетике, без учета факторов окружающей среды; и обычно рассчитывается как взвешенная сумма аллелей, связанных с признаком . [7] [8] [9]

Недавний прогресс в генетике позволил разработать полигенные предикторы сложных характеристик человека, включая риск многих важных сложных заболеваний [10] [11] , на которые обычно влияет множество генетических вариантов, каждый из которых оказывает небольшое влияние на общий риск. [12] [13] В полигенном предикторе риска риск заболевания в течение жизни (или возрастного диапазона) представляет собой числовую функцию, отражаемую оценкой, которая зависит от состояний тысяч отдельных генетических вариантов (т. е. однонуклеотидных полиморфизмов , или SNP).

Полигенные показатели широко используются в селекции животных и растений благодаря их эффективности в улучшении племенного животноводства и растениеводства. [14] У людей полигенные оценки обычно получают на основе данных полногеномного исследования ассоциаций (GWAS). Это активная область исследований, охватывающая такие темы, как алгоритмы обучения для геномного прогнозирования; новое обучение прогнозистов; проверочное тестирование предикторов; и клиническое применение PRS. [15] [16] [17] [4] [11] В 2018 году Американская кардиологическая ассоциация назвала полигенные показатели риска одним из главных прорывов в исследованиях болезней сердца и инсульта. [18]

Фон

Ранний (2006 г.) пример оценки генетического риска применительно к диабету 2 типа у людей. [19] Авторы исследования пришли к выводу, что индивидуально аллели риска лишь умеренно указывают на повышение риска заболевания; но идентифицируемый риск «мультипликативно увеличивается», когда информация объединяется из нескольких известных полиморфизмов риска. Использование такой комбинированной информации позволяет идентифицировать подгруппы населения с вероятностью заболевания значительно выше, чем при использовании одного полиморфизма.

ДНК в живых организмах является молекулярно -генетическим кодом жизни. Хотя наибольшее внимание привлекли показатели полигенного риска, полученные в ходе исследований на людях, основная идея была впервые предложена для селекционной селекции растений и животных. [20] Подобно современным подходам к построению шкалы полигенного риска, племенная ценность человека (животного или растения) рассчитывалась как совокупный вес нескольких однонуклеотидных полиморфизмов (SNP) по их индивидуальному влиянию на признак. [21]

ДНК человека содержит около 3 миллиардов оснований. Геном человека можно в общих чертах разделить на кодирующие и некодирующие последовательности, причем кодирующий геном кодирует инструкции для генов , включая некоторые последовательности, кодирующие белки . Полногеномные исследования ассоциаций позволяют сопоставить фенотипы с вариациями нуклеотидных оснований в человеческих популяциях. Усовершенствования в методологии и исследованиях с участием больших групп людей позволили сопоставить многие признаки (некоторые из которых являются заболеваниями) с геномом человека. Изучение того, какие вариации влияют на какие конкретные признаки и насколько сильно они влияют, является ключевыми целями для построения показателей полигенности у людей.

Впервые эти методы были рассмотрены для людей после 2000 года, в частности, в 2007 году, когда было предложено использовать такие показатели в генетике человека для выявления людей с высоким риском заболеваний. [22] Эта концепция была успешно применена в 2009 году исследователями, которые организовали полногеномное исследование ассоциаций (GWAS) шизофрении с целью построения оценок склонности к риску. Это исследование было первым, в котором использовался термин « полигенный показатель» для прогнозирования, сделанного на основе линейной комбинации генотипов однонуклеотидного полиморфизма (SNP), что позволило объяснить 3% дисперсии при шизофрении. [23]

Расчет с полногеномным исследованием ассоциаций

PRS строится на основе предполагаемых размеров эффекта, полученных в результате полногеномного исследования ассоциаций (GWAS). В GWAS однонуклеотидные полиморфизмы (SNP) проверяются на наличие связи между случаями и контролем (см. верхний рисунок). Результаты GWAS оценивают силу ассоциации в каждом SNP, т. е. величину эффекта в SNP, а также значение p для статистической значимости. Затем типичный балл рассчитывается путем сложения количества аллелей, модифицирующих риск, в большом количестве SNP, где количество аллелей для каждого SNP умножается на вес SNP. [24]

В математической форме расчетный показатель полигенности получается как сумма m числа SNP с аллелями, повышающими риск, взвешенными по их весам, т.е.

Эту идею можно обобщить на изучение любого признака, и она является примером более общего математического термина « регрессионный анализ» . [ нужна цитата ]

Ключевые соображения

Методы получения полигенных показателей у людей являются активной областью исследований. [25] [8] Два ключевых фактора при разработке полигенных показателей — это то, какие SNP и количество SNP включать. Самый простой, так называемый метод «отсечения и определения порога», устанавливает веса, равные оценкам коэффициентов регрессии признака для каждого генетического варианта. Включенные SNP могут быть выбраны с использованием алгоритма, который пытается гарантировать, что каждый маркер приблизительно независимый.

Независимость каждого SNP важна для точности прогнозирования оценки. SNP, которые физически близки друг к другу, с большей вероятностью будут находиться в неравновесии по сцеплению , то есть они обычно наследуются вместе и, следовательно, не обеспечивают независимой предсказательной силы. Это то, что называется «обрезкой». «Пороговое значение» означает использование только SNP, которые соответствуют определенному пороговому значению p-значения. [26]

Наказуемая регрессия также может использоваться для построения полигенных оценок. [2] [27] На основе предварительной информации штрафная регрессия присваивает вероятности: 1) сколько генетических вариантов, как ожидается, повлияют на признак, и 2) распределение размеров их эффекта. Эти методы по сути «наказывают» большие коэффициенты в регрессионной модели и консервативно сокращают их. Одним из популярных инструментов для этого подхода является «PRS-CS». [28] Другой вариант — использовать определенные байесовские методы , впервые предложенные в 2001 году, которые напрямую включают генетические особенности данного признака, а также геномные особенности, такие как неравновесие по сцеплению. [29] (Один байесовский метод использует «предсказание неравновесия по сцеплению» или LDpred .) [6] [30]

Продолжают описываться новые подходы к разработке полигенных показателей риска. Например, путем включения размеров эффекта от популяций различного происхождения можно улучшить прогностическую способность оценок. [31] Включение знаний о функциональной роли конкретных фрагментов генома может повысить полезность оценок. [32] В исследованиях изучалась эффективность этих методов на стандартизированном наборе данных. [33]

Применение к человеку

Поскольку количество исследований полногеномных ассоциаций резко возросло, а также быстрый прогресс в методах расчета полигенных показателей, их наиболее очевидное применение находится в клинических условиях для прогнозирования заболеваний или стратификации риска. Важно не переоценивать и не недооценивать ценность полигенных показателей. Ключевое преимущество количественной оценки полигенного вклада для каждого человека заключается в том, что генетическая предрасположенность не меняется в течение жизни человека. Однако, хотя болезнь может иметь сильный генетический вклад, риск, возникающий из-за генетики, следует интерпретировать в контексте факторов окружающей среды. Например, даже если у человека высокий генетический риск алкоголизма, этот риск снижается, если этот человек никогда не подвергается воздействию алкоголя. [26]

Прогнозирующая производительность у людей

Для людей, хотя большинство полигенных показателей недостаточно прогностичны для диагностики заболеваний, их можно использовать в дополнение к другим ковариатам (таким как возраст, ИМТ, статус курения) для улучшения оценок восприимчивости к заболеваниям. [26] [8] [13] Однако даже если полигенный показатель не может дать надежных диагностических прогнозов для всей популяции, он все равно может дать очень точные прогнозы для выбросов с чрезвычайно высоким или низким риском. Таким образом, клиническая полезность может оставаться значительной, даже если средние показатели эффективности прогнозирования являются умеренными. [11]

Хотя такие проблемы, как более низкая прогностическая эффективность у лиц неевропейского происхождения, ограничивают широкое использование, [34] несколько авторов отметили, что некоторые причинные варианты для одних состояний, но не для других, являются общими для европейцев и других групп на разных континентах (например, ) ИМТ и диабет 2 типа в африканском населении [35], а также шизофрения в китайском населении. [36] Другие исследователи признают, что полигенный заниженный прогноз в неевропейском населении должен стимулировать новые GWAS, которые отдают приоритет большему генетическому разнообразию, чтобы максимизировать потенциальную пользу для здоровья, получаемую с помощью прогностических полигенных показателей. [37] С этой целью предпринимаются значительные научные усилия. [38]

Генетический скрининг эмбрионов является обычным явлением: ежегодно во всем мире биопсию и тестирование проводят миллионы людей. Были разработаны методы генотипирования, позволяющие определить генотип эмбриона с высокой точностью. [39] [40] Тестирование на анеуплоидию и моногенетические заболевания становится все более популярным на протяжении десятилетий, тогда как тесты на полигенные заболевания начали использоваться совсем недавно, впервые они были использованы при отборе эмбрионов в 2019 году. [41] Использование полигенных показателей метод отбора эмбрионов подвергся критике из-за предполагаемых проблем этики и безопасности, а также ограниченной практической полезности. [42] [43] [44] Однако были выдвинуты оценки конкретных признаков, утверждающие обратное [45] [46] , а также были приведены этические аргументы в пользу отбора эмбрионов на основе PGS. [47] [48] [49] Эта тема продолжает оставаться активной областью исследований не только в области геномики, но и в области клинических приложений и этики.

По состоянию на 2019 год на основе общегеномной статистики ассоциаций были получены показатели полигенности более чем ста фенотипов. [50] К ним относятся оценки, которые можно разделить на антропометрические, поведенческие, сердечно-сосудистые, нераковые, психиатрические/неврологические, а также реакцию на лечение/лекарства. [51]

Прогнозируемый и фактический рост с использованием шкалы полигенного риска.

Примеры эффективности прогнозирования заболеваний

При прогнозировании риска заболевания PGS дает непрерывную оценку, которая оценивает риск возникновения или заражения заболеванием в течение некоторого заранее определенного периода времени. Общим показателем для оценки таких непрерывных оценок вопросов «да/нет» (см. Бинарную классификацию ) является площадь под кривой ROC (AUC). Некоторые примеры результатов эффективности PGS, измеряемых в AUC (0 ≤ AUC ≤ 1, где большее число означает лучший прогноз), включают:

Важность размера выборки

Производительность предиктора PGS увеличивается с увеличением размера выборки набора данных, доступной для обучения. Здесь показано гипертония, гипотиреоз и диабет 2 типа. На оси X отмечено количество случаев (т. е. лиц с заболеванием), присутствующих в обучающих данных, и используется логарифмическая шкала. Весь диапазон – от 1000 случаев до более 100 000 случаев. Количество контрольных групп (т.е. лиц без заболевания) в обучающих данных было намного больше, чем количество случаев. Эти конкретные предикторы были обучены с использованием алгоритма LASSO . [17]

Производительность полигенного предиктора во многом зависит от размера набора данных, доступного для анализа и обучения машинному обучению. Недавний научный прогресс в области прогнозирования во многом зависит от создания и расширения крупных биобанков , содержащих данные как о генотипах, так и о фенотипах очень многих людей. По состоянию на 2021 год существует несколько биобанков с сотнями тысяч образцов, то есть записей данных, содержащих как генетическую, так и личностную информацию для каждого человека (см., например, неполный список биобанков ).

С помощью этих растущих биобанков данные многих тысяч людей используются для обнаружения соответствующих вариантов определенного признака. Сколько именно требуется, во многом зависит от рассматриваемой черты. Обычно повышение уровня прогнозирования наблюдается до тех пор, пока не наступит фаза плато, когда производительность выравнивается и не сильно меняется при дальнейшем увеличении размера выборки. Это предел того, насколько точным может быть полигенный предиктор, использующий только генетическую информацию, и он определяется наследственностью конкретного признака. Размер выборки, необходимый для достижения этого уровня производительности по определенному признаку, определяется сложностью базовой генетической архитектуры и распределением генетической вариативности в выборочной популяции. Эта зависимость от размера выборки проиллюстрирована на рисунке для гипотиреоза, гипертонии и диабета 2 типа.

Еще раз отметим, что современные методы построения полигенных предикторов чувствительны к предкам, присутствующим в данных. По состоянию на 2021 год большинство доступных данных относились в основном к популяциям европейского происхождения, и именно поэтому PGS обычно работает лучше в пределах этого происхождения. Создание более разнообразных биобанков с успешным набором сотрудников всех предков необходимо, чтобы исправить этот искаженный доступ к медицине на основе ПГС и к ее преимуществам. [37]

Клиническая полезность и текущее использование

Знаменательное исследование, изучающее роль полигенных показателей риска в сердечно-сосудистых заболеваниях, усилило интерес к клиническому потенциалу полигенных показателей. [4] Это исследование продемонстрировало, что человек с самым высоким показателем полигенного риска (верхний 1%) имел риск сердечно-сосудистых заболеваний в течение жизни> 10%, что было сопоставимо с лицами с редкими генетическими вариантами. Это сравнение важно, поскольку знание того, у кого из людей имеется эта редкая генетическая причина сердечно-сосудистых заболеваний, может повлиять на клиническую практику. [55] Со времени этого исследования полигенные оценки риска показали многообещающую возможность прогнозирования заболеваний по другим признакам. [8] Полигенные показатели риска тщательно изучались при ожирении, ишемической болезни сердца, диабете, раке молочной железы, раке простаты, болезни Альцгеймера и психиатрических заболеваниях. [9]

По состоянию на январь 2021 года предоставление PRS непосредственно отдельным лицам проходило исследовательские испытания в системах здравоохранения по всему миру, но еще не предлагается в качестве стандартного лечения. [56] Таким образом, большая часть использования осуществляется через потребительское генетическое тестирование , в ходе которого ряд частных компаний сообщают о PRS для ряда заболеваний и признаков. Потребители загружают данные о своем генотипе (генетическом варианте) и загружают их в онлайн-калькуляторы PRS, например, Scripps Health , Impute.me или Color Genomics . [57] Наиболее часто сообщаемой мотивацией для поиска отчетов PRS является общее любопытство (98,2%), а реакции обычно смешаны с распространенными неверными интерпретациями. [58] Предполагается, что личное использование PRS может способствовать выбору лечения, но необходимы дополнительные данные. [56] По состоянию на 2020 год более типичным использованием было то, что клиницисты встречались с людьми с коммерчески полученными PRS, специфичными для конкретного заболевания, в ожидании, что врач их интерпретирует, что может создать дополнительную нагрузку для системы клинической помощи. [56] [59]

Проблемы и риски в клиническом контексте

На фундаментальном уровне использование полигенных показателей в клиническом контексте будет иметь те же технические проблемы, что и существующие инструменты. Например, если инструмент не апробирован на разнообразной популяции, он может усугубить неравенство, приведя к неодинаковой эффективности между группами населения. Это особенно важно в генетике, где по состоянию на 2018 год большинство исследований было проведено на европейцах. [60] Другие проблемы, которые могут возникнуть, включают то, насколько точно можно рассчитать показатель полигенного риска и насколько точным он должен быть для клинической пользы. [61] Даже если полигенный показатель точно рассчитан и откалиброван для популяции, к его интерпретации следует подходить с осторожностью. Во-первых, важно понимать, что полигенные признаки отличаются от моногенных; последние происходят из меньшего числа генетических локусов и могут быть обнаружены более точно. Генетические тесты часто трудно интерпретировать и требуют генетического консультирования. В настоящее время результаты полигенных оценок передаются врачам. [62] Поскольку моногенное генетическое тестирование является гораздо более зрелым, чем полигенные оценки, мы можем попытаться оценить клиническое влияние полигенных оценок. Хотя некоторые исследования выявили негативные последствия возврата пациентам моногенных генетических результатов, [63] в большинстве исследований негативные последствия незначительны. [64]

Преимущества для человека

В отличие от многих других клинических лабораторных или визуализирующих методов, генетический риск зародышевой линии человека может быть рассчитан при рождении для различных заболеваний после однократного секвенирования его ДНК. [61] [8] Таким образом, полигенные оценки могут в конечном итоге стать экономически эффективной мерой, которая может быть информативной для клинического ведения. Более того, показатель полигенного риска может быть информативным на протяжении всей жизни человека, помогая количественно оценить генетический риск определенных заболеваний на протяжении всей жизни. Для многих заболеваний высокий генетический риск может привести к более раннему началу проявления (например, семейная гиперхолестеринемия). [65] Раннее выявление повышенного генетического бремени может позволить врачам вмешаться раньше и избежать поздней диагностики. Полигенный показатель можно комбинировать с традиционными факторами риска для повышения клинической пользы. [66] [67] [68] [69] Например, полигенные оценки риска могут помочь улучшить диагностику заболеваний. Это особенно очевидно при различении диабета 1-го типа и 2-го типа. [70] Аналогично, подход, основанный на полигенной шкале риска, может уменьшить количество инвазивных диагностических процедур, как показано при целиакии. [71] Полигенные показатели также могут дать людям возможность изменить свой образ жизни, чтобы снизить риск заболеваний. Несмотря на то, что существуют некоторые доказательства модификации поведения в результате знания своей генетической предрасположенности, [72] [73] [74] требуется дополнительная работа для оценки поведения, модифицирующего риск, при различных болезненных состояниях. [61] Еще одним вариантом использования полигенных оценок является скрининг на уровне населения. Целью скрининга на уровне населения является выявление пациентов с высоким риском заболевания, которым будет полезно существующее лечение. [75] Полигенные оценки могут выявить подгруппу населения с высоким риском, для которой может быть полезен скрининг. Проводится несколько клинических исследований рака молочной железы [76] [77] и заболеваний сердца – еще одна область, в которой может быть полезна программа скрининга на основе полигенных показателей. [61]

Непредсказывающие приложения

Существует множество приложений для полигенных оценок. У людей полигенные показатели первоначально рассчитывались с целью предсказать распространенность и этиологию сложных наследственных заболеваний, на которые обычно влияет множество генетических вариантов, которые по отдельности оказывают небольшое влияние на общий риск. Кроме того, показатель полигенности можно использовать несколькими различными способами: в качестве нижней границы для проверки того, могут ли оценки наследственности быть смещенными; как мера генетического перекрытия признаков ( генетическая корреляция ), которая может указывать, например, на общие генетические основы групп психических расстройств; как средство оценки групповых различий по такому признаку, как рост, или для изучения изменений признака с течением времени, вызванных естественным отбором , свидетельствующим о мягком избирательном охвате (например, для интеллекта, где изменения в частоте были бы слишком малы, чтобы их можно было обнаружить на каждое отдельное совпадение, но не в общем показателе полигенности); при менделевской рандомизации (при условии отсутствия плейотропии с соответствующими признаками); выявлять и контролировать наличие генетических отклонений в результатах (например, корреляцию шизофрении с бедностью); или для исследования взаимодействий и корреляций генов и окружающей среды . Полигенные оценки также обладают полезными статистическими свойствами при тестировании (геномных) ассоциаций, например, для учета фоновых эффектов, специфичных для исхода, и/или повышения статистической мощности . [78] [79] [80]

Применение у нечеловеческих видов

Преимущество полигенных оценок заключается в том, что их можно использовать для прогнозирования будущего сельскохозяйственных культур, животноводства и человека. Хотя в основе этих областей прогнозирования лежат одни и те же базовые концепции, они сталкиваются с разными проблемами, требующими разных методологий. Способность создавать очень большие семьи у нечеловеческих видов, сопровождаемая преднамеренным отбором, приводит к меньшей эффективной популяции, более высокой степени неравновесия по сцеплению между особями и более высокому среднему генетическому родству между особями внутри популяции. Например, представители пород растений и животных, которые фактически создали люди, такие как современная кукуруза или домашний скот , технически «родственны». Напротив, при прогнозировании генома человека для оценки эффектов общих SNP отбираются неродственные люди в больших популяциях. Из-за меньшей эффективной популяции домашнего скота средний коэффициент родства между любыми двумя особями, вероятно, высок, и общие SNP будут отмечать причинные варианты на большем физическом расстоянии, чем у людей; это основная причина более низких оценок наследственности на основе SNP для людей по сравнению с домашним скотом. Однако в обоих случаях размер выборки является ключевым фактором для максимизации точности геномного предсказания. [81]

В то время как современную оценку геномного прогнозирования у людей обычно называют «показатель полигенности» (PGS) или «показатель полигенного риска» (PRS), в животноводстве более распространенным термином является «оценочная геномная племенная ценность» или GEBV (аналогично более знакомый «EBV», но с генотипическими данными). Концептуально GEBV — это то же самое, что и PGS: линейная функция генетических вариантов, каждый из которых взвешен по очевидному эффекту варианта. Несмотря на это, полигенное предсказание у домашнего скота полезно по принципиально иной причине, чем у человека. У людей PRS используется для прогнозирования индивидуального фенотипа, тогда как у домашнего скота GEBV обычно используется для прогнозирования среднего значения интересующего фенотипа у потомства с точки зрения генетического материала, унаследованного от родителя. Таким образом, GEBV можно понимать как среднее значение потомства отдельного животного или пары отдельных животных. GEBV также обычно выражается в единицах интересующего признака. Например, ожидаемое увеличение молочной продуктивности потомства конкретного родителя по сравнению с потомством контрольной популяции может быть типичным способом использования GEBV в разведении и селекции молочных коров. [81]

Примечания

A. ^ В препринте указана AUC для чистого PRS, тогда как в опубликованной версии статьи указана только AUC для PGS в сочетании с информацией о возрасте, поле и массиве генотипирования.

Рекомендации

  1. ^ Грегори, Джиллиан; Дас Гупта, Кухели; Мейзер, Беттина; Барлоу-Стюарт, Кристина; Гилан-Смолл, Питер; Каур, Раджниш; Шиперс-Джойнт, Маатье; Макинерни, Симона; Тейлор, Шелби; Антилл, Иоланд; Лосось, Люсинда; Смит, Кортни; Янг, Мэри-Энн; Джеймс, Пол А; Янес, Татьяна (февраль 2022 г.). «Полигенный риск семейного рака молочной железы: изменение динамики передачи генетического риска». Журнал генетического консультирования . 31 (1): 120–129. дои : 10.1002/jgc4.1458. hdl : 1959.4/unsworks_78566 . PMID  34223688. S2CID  235732957.
  2. ^ Аб де Вламинг Р., Гроенен П.Дж. (2015). «Текущее и будущее использование ридж-регрессии для прогнозирования в количественной генетике». БиоМед Исследования Интернэшнл . 2015 : 143712. дои : 10.1155/2015/143712 . ПМК 4529984 . ПМИД  26273586. 
  3. ^ Льюис CM, Вассос Э (ноябрь 2017 г.). «Перспективы использования показателей риска в полигенной медицине». Геномная медицина . 9 (1): 96. дои : 10.1186/s13073-017-0489-y . ПМЦ 5683372 . ПМИД  29132412. 
  4. ^ abcd Кера А.В., Чаффин М., Арагам К.Г., Хаас М.Э., Розелли С., Чой Ш. и др. (сентябрь 2018 г.). «Полигенные оценки распространенных заболеваний по всему геному выявляют людей с риском, эквивалентным моногенным мутациям». Природная генетика . 50 (9): 1219–1224. дои : 10.1038/s41588-018-0183-z. ПМК 6128408 . ПМИД  30104762. 
  5. ^ Янес Т., Мейзер Б., Каур Р., Шиперс-Джойнт М., МакИнерни С., Тейлор С. и др. (март 2020 г.). «Получение информации о полигенном риске среди женщин с повышенным риском рака молочной железы». Клиническая генетика . 97 (3): 492–501. дои : 10.1111/cge.13687. hdl : 11343/286783 . PMID  31833054. S2CID  209342044.
  6. ^ аб Вильялмссон Б.Дж., Ян Дж., Финукейн Х.К., Гусев А., Линдстрем С., Рипке С. и др. (октябрь 2015 г.). «Моделирование неравновесия по сцеплению повышает точность оценок полигенного риска». Американский журнал генетики человека . 97 (4): 576–592. дои : 10.1016/j.ajhg.2015.09.001. ПМЦ 4596916 . ПМИД  26430803. 
  7. ^ Дадбридж Ф (март 2013 г.). «Сила и прогностическая точность оценок полигенного риска». ПЛОС Генетика . 9 (3): e1003348. дои : 10.1371/journal.pgen.1003348 . ПМК 3605113 . ПМИД  23555274. 
  8. ^ abcde Торкамани А., Вайнингер Н.Е., Тополь Э.Дж. (сентябрь 2018 г.). «Личная и клиническая полезность полигенных показателей риска». Обзоры природы. Генетика . 19 (9): 581–590. дои : 10.1038/s41576-018-0018-x. PMID  29789686. S2CID  46893131.
  9. ^ аб Ламберт С.А., Авраам Г., Иноуе М. (ноябрь 2019 г.). «К клинической полезности полигенных показателей риска». Молекулярная генетика человека . 28 (С2): Р133–Р142. дои : 10.1093/hmg/ddz187 . ПМИД  31363735.
  10. ^ Регаладо А (8 марта 2019 г.). «23andMe считает, что полигенные оценки риска готовы для масс, но эксперты в этом не уверены». Обзор технологий Массачусетского технологического института . Проверено 14 августа 2020 г.
  11. ^ abcde Лелло Л., Рабен Т.Г., Йонг С.Ю., Телье Л.К., Сюй С.Д. (октябрь 2019 г.). «Геномное прогнозирование 16 сложных рисков заболеваний, включая сердечный приступ, диабет, рак молочной железы и простаты». Научные отчеты . 9 (1): 15286. Бибкод : 2019NatSR...915286L. дои : 10.1038/s41598-019-51258-x . ПМЦ 6814833 . ПМИД  31653892. 
  12. ^ Вишер П.М., Рэй Н.Р., Чжан К., Склар П., Маккарти М.И., Браун М.А., Ян Дж. (июль 2017 г.). «10 лет открытия GWAS: биология, функции и трансляция». Американский журнал генетики человека . 101 (1): 5–22. дои : 10.1016/j.ajhg.2017.06.005. ПМК 5501872 . ПМИД  28686856. 
  13. ^ ab Спилиопулу А., Надь Р., Бермингем М.Л., Хаффман Дж.Э., Хейворд С., Витарт В. и др. (июль 2015 г.). «Геномное предсказание сложных черт человека: родство, архитектура признаков и прогностические метамодели». Молекулярная генетика человека . 24 (14): 4167–4182. дои : 10.1093/hmg/ddv145. ПМЦ 4476450 . ПМИД  25918167. 
  14. ^ Спиндел Дж. Э., Маккоуч С. Р. (декабрь 2016 г.). «Когда больше, тем лучше: как обмен данными ускорит геномный отбор сельскохозяйственных растений». Новый фитолог . 212 (4): 814–826. дои : 10.1111/nph.14174 . ПМИД  27716975.
  15. ^ «Современная генетика улучшит здоровье и приведет к появлению «дизайнерских» детей» . Экономист . 09.11.2019 . Проверено 12 апреля 2021 г.
  16. ^ «Тест может предсказать риск будущих сердечных заболеваний всего за 40 фунтов стерлингов» . Хранитель . 08.10.2018 . Проверено 12 апреля 2021 г.
  17. ^ Аб Рабен Т.Г., Лелло Л., Виден Э., Сюй С.Д. (14 января 2021 г.). «От генотипа к фенотипу: полигенное предсказание сложных черт человека». arXiv : 2101.05870 [q-био].
  18. ^ «Общая картина генетического подхода надежно предсказывает болезни сердца» . Наука Дейли . 11.06.2019 . Проверено 12 апреля 2021 г.
  19. ^ Уидон М.Н., Маккарти М.И., Hitman G, Уокер М., Гроувс CJ, Зеггини Э. и др. (октябрь 2006 г.). «Объединение информации об распространенных полиморфизмах риска диабета 2 типа улучшает прогнозирование заболевания». ПЛОС Медицина . 3 (10): е374. doi : 10.1371/journal.pmed.0030374 . ПМК 1584415 . ПМИД  17020404. 
  20. ^ Meuwissen TH, Hayes BJ, Goddard ME (апрель 2001 г.). «Прогнозирование общей генетической ценности с использованием плотных карт маркеров по всему геному». Генетика . 157 (4): 1819–1829. дои : 10.1093/генетика/157.4.1819. ПМЦ 1461589 . ПМИД  11290733. 
  21. ^ Крауч DJ, Бодмер В.Ф. (август 2020 г.). «Полигенное наследование, GWAS, полигенные оценки риска и поиск функциональных вариантов». Труды Национальной академии наук Соединенных Штатов Америки . 117 (32): 18924–18933. Бибкод : 2020PNAS..11718924C. дои : 10.1073/pnas.2005634117 . ПМЦ 7431089 . ПМИД  32753378. 
  22. ^ Рэй Н.Р., Годдард М.Э., Вишер П.М. (октябрь 2007 г.). «Прогнозирование индивидуального генетического риска заболеваний на основе полногеномных ассоциативных исследований». Геномные исследования . 17 (10): 1520–1528. дои : 10.1101/гр.6665407. ЧВК 1987352 . ПМИД  17785532. 
  23. ^ Перселл С.М., Рэй Н.Р., Стоун Дж.Л., Вишер П.М., О'Донован М.К., Салливан П.Ф., Склар П. (август 2009 г.). «Общая полигенная изменчивость способствует риску шизофрении и биполярного расстройства». Природа . 460 (7256): 748–752. Бибкод : 2009Natur.460..748P. дои : 10.1038/nature08185. ПМЦ 3912837 . ПМИД  19571811. 
  24. ^ Чой С.В., Мак Т.С., О'Рейли П.Ф. (сентябрь 2020 г.). «Учебное пособие: руководство по проведению анализа полигенной оценки риска». Протоколы природы . 15 (9): 2759–2772. дои : 10.1038/s41596-020-0353-1. ПМЦ 7612115 . PMID  32709988. S2CID  220732490. 
  25. ^ Ванд Х., Ламберт С.А., Тамбурро С., Якокка М.А., О'Салливан Дж.В., Силлари С. и др. (март 2021 г.). «Совершенствование стандартов отчетности по полигенным показателям в исследованиях по прогнозированию рисков». Природа . 591 (7849): 211–219. Бибкод : 2021Natur.591..211W. дои : 10.1038/s41586-021-03243-6. ПМЦ 8609771 . ПМИД  33692554. 
  26. ^ abc Льюис СМ, Вассос Э (май 2020 г.). «Полигенные оценки риска: от исследовательских инструментов к клиническим инструментам». Геномная медицина . 12 (1): 44. дои : 10.1186/s13073-020-00742-5 . ПМК 7236300 . ПМИД  32423490. 
  27. ^ Ваттикути С., Ли Джей Джей, Чанг CC, Сюй С.Д., Чоу CC (2014). «Применение сжатого зондирования для полногеномных исследований ассоциаций». ГигаСайенс . 3 (1): 10. дои : 10.1186/2047-217X-3-10 . ПМК 4078394 . ПМИД  25002967. 
  28. ↑ Ge T, Chen CY, Ni Y, Feng YA, Smoller JW (апрель 2019 г.). «Полигенное предсказание с помощью байесовской регрессии и априорных данных непрерывного сокращения». Природные коммуникации . 10 (1): 1776. Бибкод : 2019NatCo..10.1776G. дои : 10.1038/s41467-019-09718-5. ПМК 6467998 . ПМИД  30992449. 
  29. ^ Meuwissen TH, Hayes BJ, Goddard ME (апрель 2001 г.). «Прогнозирование общей генетической ценности с использованием плотных карт маркеров по всему геному». Генетика . 157 (4): 1819–1829. дои : 10.1093/генетика/157.4.1819. ПМЦ 1461589 . ПМИД  11290733. 
  30. ^ Приве Ф, Арбель Дж, Вильялмссон Б.Дж. (декабрь 2020 г.). «LDpred2: лучше, быстрее, сильнее». Биоинформатика . 36 (22–23): 5424–5431. doi : 10.1093/биоинформатика/btaa1029. ПМК 8016455 . ПМИД  33326037. 
  31. ^ Маркес-Луна С., Лох П.Р., Прайс А.Л. (декабрь 2017 г.). «Мультиэтнические полигенные оценки риска улучшают прогнозирование риска в различных группах населения». Генетическая эпидемиология . 41 (8): 811–823. дои : 10.1002/gepi.22083. ПМЦ 5726434 . ПМИД  29110330. 
  32. ^ Ху Ю, Лу Q, Паулз Р., Яо X, Ян С, Фанг Ф и др. (июнь 2017 г.). Ригуцос I (ред.). «Использование функциональных аннотаций для прогнозирования генетического риска сложных заболеваний человека». PLOS Вычислительная биология . 13 (6): e1005589. Бибкод : 2017PLSCB..13E5589H. дои : 10.1371/journal.pcbi.1005589 . ПМЦ 5481142 . ПМИД  28594818. 
  33. ^ Ni G, Zeng J, Revez JA, Wang Y, Zheng Z, Ge T и др. (ноябрь 2021 г.). «Сравнение десяти методов полигенной оценки психических расстройств, применяемых в нескольких когортах». Биологическая психиатрия . 90 (9): 611–620. doi :10.1016/j.biopsych.2021.04.018. ПМК 8500913 . ПМИД  34304866. 
  34. ^ Дункан Л., Шен Х., Гелай Б., Мейсен Дж., Ресслер К., Фельдман М. и др. (июль 2019 г.). «Анализ использования и эффективности полигенной оценки риска в различных популяциях людей». Природные коммуникации . 10 (1): 3328. Бибкод : 2019NatCo..10.3328D. дои : 10.1038/s41467-019-11112-0. ПМК 6658471 . ПМИД  31346163. 
  35. ^ Ван Ю, Го Дж, Ни Дж, Ян Дж, Вишер П.М., Йенго Л. (июль 2020 г.). «Теоретическая и эмпирическая количественная оценка точности полигенных показателей в популяциях с разным происхождением». Природные коммуникации . 11 (1): 3865. Бибкод : 2020NatCo..11.3865W. дои : 10.1038/s41467-020-17719-y. ПМЦ 7395791 . ПМИД  32737319. 
  36. ^ Ли З, Чен Дж, Ю Х, Хэ Л, Сюй Ю, Чжан Д и др. (ноябрь 2017 г.). «Общегеномный анализ ассоциаций идентифицирует 30 новых локусов предрасположенности к шизофрении» (PDF) . Природная генетика . 49 (11): 1576–1583. дои : 10.1038/ng.3973. PMID  28991256. S2CID  205355668.
  37. ^ ab Мартин А.Р., Канаи М., Каматани Ю., Окада Ю., Нил Б.М., Дейли М.Дж. (апрель 2019 г.). «Клиническое использование текущих показателей полигенного риска может усугубить неравенство в состоянии здоровья». Природная генетика . 51 (4): 584–591. дои : 10.1038/s41588-019-0379-x. ПМК 6563838 . ПМИД  30926966. 
  38. ^ «Разнообразие и инклюзивность». Исследовательская программа «Все мы» | НАЦИОНАЛЬНЫЕ ИНСТИТУТЫ ЗДРАВООХРАНЕНИЯ США . 24 июня 2020 г. Проверено 24 мая 2023 г.
  39. ^ Зееви Д.А., Бакенрот Д., Хакам-Спектор Э., Ренбаум П., Манн Т., Заде Ф. и др. (июль 2021 г.). «Расширенная клиническая проверка Haploseek для комплексного предимплантационного генетического тестирования». Генетика в медицине . 23 (7): 1334–1340. дои : 10.1038/s41436-021-01145-6 . PMID  33772222. S2CID  232377300.
  40. ^ Трефф Н.Р., Циммерман Р., Бечор Э., Сюй Дж., Рана Б., Дженсен Дж. и др. (август 2019 г.). «Валидация одновременного преимплантационного генетического тестирования полигенных и моногенных нарушений, структурных перестроек, а также анеуплоидии целых и сегментных хромосом с помощью единой универсальной платформы». Европейский журнал медицинской генетики . 62 (8): 103647. doi : 10.1016/j.ejmg.2019.04.004 . ПМИД  31026593.
  41. ^ Кэри Голдберг (17 сентября 2021 г.). «Выбор эмбрионов с лучшими шансами на здоровье вызывает новые дебаты о ДНК». Новости Блумберга . Архивировано из оригинала 17 сентября 2021 г. Ауреа, похоже, стала первым ребенком, рожденным после нового типа анализа ДНК, который дал ей «шкалу полигенного риска». ... Ее родители проходили лечение от бесплодия в 2019 году...
  42. ↑ Бирни Э (11 ноября 2019 г.). «Почему неправильно использовать оценку генетического риска для эмбрионов». ewanbirney.com . Проверено 16 декабря 2020 г.
  43. ^ Каравани Э., Зук О., Зеви Д., Барзилай Н., Стефанис Н.К., Хациманолис А. и др. (ноябрь 2019 г.). «Проверка человеческих эмбрионов на наличие полигенных признаков имеет ограниченную полезность». Клетка . 179 (6): 1424–1435.e8. doi :10.1016/j.cell.2019.10.033. ПМК 6957074 . ПМИД  31761530. 
  44. ^ Ласаро-Муньос Г., Перейра С., Карми С., Ленц Т. (март 2021 г.). «Скрининг эмбрионов на предмет полигенных состояний и признаков: этические соображения для новой технологии». Генетика в медицине . 23 (3): 432–434. дои : 10.1038/s41436-020-01019-3. ПМЦ 7936952 . ПМИД  33106616. 
  45. ^ Трефф Н.Р., Экклс Дж., Марин Д., Мессик Э., Лелло Л., Гербер Дж. и др. (июнь 2020 г.). «Преимплантационное генетическое тестирование на снижение относительного риска полигенных заболеваний: оценка показателей геномного индекса у 11 883 пар взрослых братьев и сестер». Гены . 11 (6): 648. doi : 10.3390/genes11060648 . ПМЦ 7349610 . ПМИД  32545548. 
  46. ^ Трефф Н.Р., Экклс Дж., Лелло Л., Бечор Э., Сюй Дж., Планкетт К. и др. (04.12.2019). «Полезность и первое клиническое применение скрининговых эмбрионов для снижения риска полигенных заболеваний». Границы эндокринологии . 10 (845): 845. дои : 10.3389/fendo.2019.00845 . ПМК 6915076 . ПМИД  31920964. 
  47. ^ Мандей С., Савулеску Дж. (январь 2021 г.). «Три модели регуляции полигенных показателей в воспроизводстве». Журнал медицинской этики . 47 (12): е91. doi : 10.1136/medethics-2020-106588 . ПМЦ 8639919 . ПМИД  33462079. 
  48. ^ Кемпер Дж. М., Гингелл С., Савулеску Дж. (сентябрь 2019 г.). «Субсидирование ПГД: моральное обоснование финансирования генетической селекции». Журнал биоэтических исследований . 16 (3): 405–414. дои : 10.1007/s11673-019-09932-2 . ПМК 6831526 . ПМИД  31418161. 
  49. ^ Савулеску Дж. (октябрь 2001 г.). Фрэнсис Л. (ред.). «Прокреативное благодеяние: почему мы должны отбирать лучших детей». Биоэтика . 15 (5–6): 413–426. doi : 10.1093/oxfordhb/9780199981878.013.26. ISBN 978-0-19-998187-8. ПМИД  12058767.
  50. ^ "Каталог полигенных показателей (PGS)" . Каталог полигенных показателей (PGS) . Проверено 29 апреля 2020 г. Открытая база данных полигенных показателей и соответствующих метаданных, необходимых для точного применения и оценки.
  51. ^ Ричардсон Т.Г., Харрисон С., Хемани Дж., Дэйви Смит Дж. (март 2019 г.). «Атлас ассоциаций полигенных показателей риска, призванный подчеркнуть предполагаемые причинно-следственные связи в человеческом феномене». электронная жизнь . 8 : е43657. дои : 10.7554/eLife.43657 . ПМК 6400585 . ПМИД  30835202. 
  52. ^ Кера А., Чаггин М., Арагам К.Г., Эмдин К.А., Кларин Д., Хаас М.Э., Розелли С., Натараджан П., Катиресан С. (15 ноября 2017 г.). «Полигенный показатель по всему геному для определения моногенного эквивалента риска ишемической болезни сердца». bioRxiv 10.1101/218388 . 
  53. ^ Маваддат Н., Михаилиду К., Деннис Дж., Лаш М., Фачал Л., Ли А. и др. (январь 2019 г.). «Полигенные оценки риска для прогнозирования рака молочной железы и подтипов рака молочной железы». Американский журнал генетики человека . 104 (1): 21–34. дои : 10.1016/j.ajhg.2018.11.002 . ПМК 6323553 . ПМИД  30554720. 
  54. ^ Рипке С., Уолтерс Дж.Т., О'Донован MC и др. (Рабочая группа по шизофрении Консорциума психиатрической геномики) (12 сентября 2020 г.). «Картирование геномных локусов отдает приоритет генам и предполагает участие синаптической биологии в шизофрении». medRxiv 10.1101/2020.09.12.20192922 . 
  55. ^ Рэй Н.Р., Лин Т., Остин Дж., МакГрат Дж.Дж., Хики И.Б., Мюррей Г.К., Вишер П.М. (январь 2021 г.). «От фундаментальной науки к клиническому применению показателей полигенного риска: учебник». JAMA Психиатрия . 78 (1): 101–109. doi : 10.1001/jamapsychiatry.2020.3049. ISSN  2168-622X. PMID  32997097. S2CID  222169651.
  56. ^ abc Рэй Н.Р., Лин Т., Остин Дж., МакГрат Дж.Дж., Хики И.Б., Мюррей Г.К., Вишер П.М. (январь 2021 г.). «От фундаментальной науки к клиническому применению показателей полигенного риска: учебник». JAMA Психиатрия . 78 (1): 101–109. doi :10.1001/jamapsychiatry.2020.3049. ISSN  2168-622X. PMID  32997097. S2CID  222169651.
  57. ^ Брокман Д.Г., Петронио Л., Дрон Дж.С., Квон BC, Восбург Т., Нип Л. и др. (октябрь 2021 г.). «Тестирование дизайна и пользовательского опыта отчета о полигенных оценках: качественное исследование потенциальных пользователей». BMC Медицинская Геномика . 14 (1): 238. дои : 10.1186/s12920-021-01056-0 . ПМЦ 8485114 . ПМИД  34598685. 
  58. ^ Пек Л., Борле К., Фолкерсен Л., Остин Дж. (июль 2021 г.). «Почему люди ищут полигенные оценки риска сложных расстройств и как они понимают результаты и реагируют на них?». Европейский журнал генетики человека . 30 (1): 81–87. дои : 10.1038/s41431-021-00929-3. ПМЦ 8738734 . PMID  34276054. S2CID  236090477. 
  59. ^ Миллуорд М., Тиллер Дж., Богвиц М., Кинкейд Х., Тейлор С., Тренер А.Х., Лаказ П. (сентябрь 2020 г.). «Влияние генетического тестирования непосредственно к потребителю на австралийские службы клинической генетики». Европейский журнал медицинской генетики . 63 (9): 103968. doi :10.1016/j.ejmg.2020.103968. ПМИД  32502649.
  60. ^ Сируго Г., Уильямс С.М., Тишкофф С.А. (март 2019 г.). «Недостающее разнообразие в генетических исследованиях человека». Клетка . 177 (1): 26–31. doi :10.1016/j.cell.2019.02.048. ПМК 7380073 . ПМИД  30901543. 
  61. ^ abcd Адейемо, Адебовале; Балаконис, Мэри К.; Дарнс, Дина Р.; Фатумо, Сегун; Гранадос Морено, Пальмира; Годонски, Чани Дж.; Иноуе, Майкл; Канаи, Масахиро; Като, Кадзуто; Кнопперс, Барта М.; Льюис, Анна CF; Мартин, Алисия Р.; Маккарти, Марк И.; Мейер, Мишель Н.; Окада, Юкинори; Ричардс, Дж. Брент; Рихтер, Лукас; Рипатти, Самули; Ротими, Чарльз Н.; Сандерсон, Саския К.; Штурм, Эми К.; Вердуго, Рикардо А.; Уиден, Элизабет; Уиллер, Кристен Дж.; Войчик, Женевьева Л.; Чжоу, Алисия (ноябрь 2021 г.). «Ответственное использование полигенных показателей риска в клинике: потенциальные преимущества, риски и пробелы». Природная медицина . 27 (11): 1876–1884. дои : 10.1038/s41591-021-01549-6 . PMID  34782789. S2CID  244131258.
  62. ^ Брокман Д.Г., Петронио Л., Дрон Дж.С., Квон BC, Восбург Т., Нип Л. и др. (январь 2021 г.). «Тестирование дизайна и пользовательского опыта отчета о полигенных оценках: качественное исследование потенциальных пользователей». п. 238. medRxiv 10.1101/2021.04.14.21255397 . 
  63. ^ Lineweaver TT, Bondi MW, Galasko D, Salmon DP (февраль 2014 г.). «Влияние знания генотипа APOE на субъективные и объективные характеристики памяти у здоровых пожилых людей». Американский журнал психиатрии . 171 (2): 201–208. дои : 10.1176/appi.ajp.2013.12121590. ПМК 4037144 . ПМИД  24170170. 
  64. ^ Паренс Э., Аппельбаум PS (май 2019 г.). «О том, что мы узнали и еще должны узнать о психосоциальных последствиях генетического тестирования». Отчет Гастингсского центра . 49 (Приложение 1): S2–S9. дои : 10.1002/hast.1011. ПМК 6640636 . PMID  31268574. S2CID  195786850. 
  65. ^ Варгезе MJ (май 2014 г.). «Семейная гиперхолестеринемия: обзор». Анналы детской кардиологии . 7 (2): 107–117. дои : 10.4103/0974-2069.132478 . ПМК 4070199 . ПМИД  24987256. 
  66. ^ Ганна А., Магнуссон П.К., Педерсен Н.Л., де Фэйр Ю., Рейли М., Арнлов Дж. и др. (Сентябрь 2013). «Мультилокусные генетические оценки риска для прогнозирования ишемической болезни сердца». Атеросклероз, тромбоз и сосудистая биология . 33 (9): 2267–2272. дои : 10.1161/atvbaha.113.301218 . PMID  23685553. S2CID  182105.
  67. ^ Веселый АХ (2010). Ишемическая болезнь сердца в Нидерландах: заболеваемость, этиология и прогноз риска (Диссертация). Университет Маастрихта. doi : 10.26481/dis.20101210am . ISBN 9789052789873.
  68. ^ Надир М.А., Струтерс А.Д. (апрель 2011 г.). «Семейный анамнез преждевременной ишемической болезни сердца и прогнозирование риска». Сердце . 97 (8): 684, ответ автора 684. doi :10.1136/hrt.2011.222265. PMID  21367743. S2CID  36394971.
  69. ^ Нил Б. (26 ноября 2019 г.). «Рекомендации профессорско-преподавательского состава по геномному прогнозированию риска ишемической болезни сердца у 480 000 взрослых: значение для первичной профилактики». Журнал Американского колледжа кардиологов . дои : 10.3410/f.734171897.793567857 . S2CID  212766426.
  70. ^ Орам Р.А., Патель К., Хилл А., Шилдс Б., Макдональд Т.Дж., Джонс А. и др. (март 2016 г.). «Оценка генетического риска диабета 1 типа может помочь различить диабет 1 и 2 типа у молодых людей». Уход при диабете . 39 (3): 337–344. дои : 10.2337/dc15-1111. ПМЦ 5642867 . ПМИД  26577414. 
  71. ^ Шарп С.А., Джонс С.Е., Киммитт Р.А., Уидон М.Н., Халпин А.М., Вуд А.Р. и др. (октябрь 2020 г.). «Оценка генетического риска однонуклеотидного полиморфизма для помощи в диагностике целиакии: пилотное исследование в области клинической помощи». Алиментарная фармакология и терапия . 52 (7): 1165–1173. дои : 10.1111/кв.15826 . PMID  32790217. S2CID  221127365.
  72. ^ Макбрайд СМ, Коэли Л.М., Сандерсон СК, Капингст К.А. (01 марта 2010 г.). «Поведенческая реакция на персонализированную генетическую информацию: будут ли генетические профили риска мотивировать отдельных людей и семьи выбирать более здоровый образ жизни?». Ежегодный обзор общественного здравоохранения . 31 (1): 89–103. doi : 10.1146/annurev.publhealth.012809.103532 . ПМИД  20070198.
  73. ^ Сая С., Макинтош Дж.Г., Уиншип И.М., Кленденнинг М., Милтон С., Оберой Дж. и др. (2020). «Геномный тест на риск колоректального рака: приемлемо ли это и осуществимо ли это в сфере первичной медико-санитарной помощи?». Геномика общественного здравоохранения . 23 (3–4): 110–121. дои : 10.1159/000508963. PMID  32688362. S2CID  220669421.
  74. ↑ Turnwald BP, Goyer JP, Boles DZ, Silder A, Delp SL, Crum AJ (январь 2019 г.). «Изучение генетического риска меняет физиологию независимо от фактического генетического риска». Природа человеческого поведения . 3 (1): 48–56. дои : 10.1038/s41562-018-0483-4. ПМК 6874306 . ПМИД  30932047. 
  75. ^ Сингх Ю (ноябрь 2016 г.). «Эффективность скрининговых программ для выявления основных врожденных пороков сердца». Европейский журнал педиатрии . 175 (11): 1582. doi : 10.26226/morressier.57d034ced462b80292382f40.
  76. ^ Эссерман ЖЖ (13 сентября 2017 г.). «Исследование WISDOM: выход из тупика в дебатах по скринингу рака молочной железы». НПЖ Рак молочной железы . 3 (1): 34. дои : 10.1038/s41523-017-0035-5. ПМЦ 5597574 . PMID  28944288. S2CID  3313995. 
  77. ^ Фарук V, Serruys PW (июль 2018 г.). «Стратификация риска и оценки риска». В Вайнс В. (ред.). ЭСК КардиоМед . Издательство Оксфордского университета. стр. 1371–1384. doi : 10.1093/med/9780198784906.003.0335. ISBN 978-0-19-878490-6.
  78. ^ Мбатчу, Дж; Барнард, Л; Бэкман, Дж; Маркетта, А; Космицки, Дж. А.; Зиятдинов А; Беннер, К; О'Душлейн, К; Барбер, М; Бутков Б; Хабеггер, Л; Феррейра, М; Барас, А; Рид, Дж; Абекасис, Г; Максвелл, Э; Марчини, Дж. (июль 2021 г.). «Вычислительно эффективная полногеномная регрессия для количественных и бинарных признаков». Природная генетика . 53 (7): 1097–1103. дои : 10.1038/s41588-021-00870-7 . PMID  34017140. S2CID  220044465.
  79. ^ Юргенс, SJ; Пирруччелло, JP; Чой, С.Х.; Моррилл, В.Н.; Чаффин, М; Любиц, SA; Лунетта, КЛ; Эллинор, PT (23 марта 2023 г.). «Поправка на полигенные показатели распространенных вариантов повышает результативность анализа ассоциаций редких вариантов». Природная генетика . 55 (4): 544–548. doi : 10.1038/s41588-023-01342-w. ПМК 11078202 . PMID  36959364. S2CID  239054376. 
  80. ^ Беннетт, Д; О'Ши, Д; Фергюсон, Дж; Моррис, Д; Сойге, К. (1 октября 2021 г.). «Контроль фоновых генетических эффектов с использованием полигенных показателей повышает эффективность полногеномных ассоциативных исследований». Научные отчеты . 11 (1): 19571. Бибкод : 2021NatSR..1119571B. дои : 10.1038/s41598-021-99031-3. ПМЦ 8486788 . ПМИД  34599249. 
  81. ^ ab Wray NR, Kemper KE, Hayes BJ, Goddard ME, Visscher PM (апрель 2019 г.). «Прогнозирование сложных признаков на основе данных генома: противопоставление EBV у домашнего скота и PRS у людей: геномное прогнозирование». Генетика . 211 (4): 1131–1141. doi : 10.1534/genetics.119.301859. ПМК 6456317 . ПМИД  30967442. 

дальнейшее чтение

Внешние ссылки