【佳學(xué)基因檢測】科研服務(wù)GWAS基因檢測如何確定多個基因的相互作用？

通過GWAS方法研究一個特定的臨床表征時，這一有待研究的臨床表征的多效性是否與一系列其他醫(yī)學(xué)疾病和生物標(biāo)志物相關(guān)。為了回答這一問題，佳學(xué)基因會采用全表型范圍和全實驗室范圍的關(guān)聯(lián)性窮盡性分析（PheWAS，LABVAS）。這些分析采用佳學(xué)基因自身數(shù)據(jù)庫進(jìn)行。研究方案一般經(jīng)過科學(xué)及倫理審查委員會批準(zhǔn)。佳學(xué)基因建立一個集成的健康管理系統(tǒng)，擁有來自電子健康記錄（EHR）的個人級健康數(shù)據(jù)，約有320萬名患者。佳學(xué)基因數(shù)據(jù)庫包含EHR的臨床數(shù)據(jù)以及實驗室評估獲得的生物標(biāo)記物。部分患者數(shù)據(jù)還附帶有高通量基因芯片分析數(shù)據(jù)。這組患者超過66903人，這一數(shù)據(jù)集被稱為佳學(xué)基因數(shù)據(jù)集。

對于來自佳學(xué)基因數(shù)據(jù)集中人群各類相匹配每個不相關(guān)基因型個體，使用PRS-CS“自動”版本計算研究性狀的多基因風(fēng)險分?jǐn)?shù)（PRS）。該隊列的基因分型和質(zhì)量控制已被廣泛描述。

為了確定待研究臨床表征的多基因風(fēng)險因素與臨床表型之間的關(guān)聯(lián)，佳學(xué)基因會在佳學(xué)基因數(shù)據(jù)集與之內(nèi)進(jìn)行全表型相關(guān)性分析(PheWAS)。佳學(xué)基因?qū)?338個病例/對照疾病表型（“phecodes”）中的每一個進(jìn)行邏輯回歸模型擬合，以評估待研究表型中的多基因風(fēng)險因數(shù)（PRS）中每一個診斷的幾率，同時調(diào)整性別、縱向EHR的中位年齡和前十個PC。使用佳學(xué)基因表型與基因分型系統(tǒng)軟件系統(tǒng)進(jìn)行分析。在分析過程中，佳學(xué)基因?qū)ζ渲腥魏我患膊”碚?，需要有兩個國際疾病分類系統(tǒng)對其進(jìn)行分類確定，并至少包含不低于100個有表征代碼進(jìn)行標(biāo)定的案例。疾病表型包括145個循環(huán)系統(tǒng)、120個泌尿生殖系統(tǒng)、119個內(nèi)分泌/代謝系統(tǒng)、125個消化系統(tǒng)、117個腫瘤、91個肌肉骨骼系統(tǒng)、85個感覺器官、76個損傷和中毒、65個皮膚病、76個呼吸系統(tǒng)、69個神經(jīng)系統(tǒng)、64個精神障礙、42個傳染病、42個造血系統(tǒng)、34個先天性異常、37個癥狀，妊娠并發(fā)癥31例。

在分析過程中，佳學(xué)基因為確立待研究表征與多基因危險因子及生物標(biāo)記物之間的關(guān)系，還采用LABWAS分析系統(tǒng)。在這一新型分析系統(tǒng)中，佳學(xué)基因采用中位數(shù)，INT整理過的、經(jīng)過年齡調(diào)整的數(shù)值進(jìn)行線性回歸，以決定待研究性狀與多基因危險因子之間的變量。佳學(xué)基因會采用針對關(guān)聯(lián)變量采用同一下對照。