多基因风险评分（PRS）计算与评估
多基因风险评分（polygenic risk score，PRS，也称 PGS）是把个体在大量 SNP 上携带的风险等位基因个数，按 GWAS 估计的效应值加权求和得到的一个分数。它利用的是复杂疾病「许多微效位点共同作用」的特点，单个位点意义不大，合起来却能区分出遗传易感性较高的人群。计算 PRS 需要两份数据：提供效应值的基础 GWAS 汇总统计，以及要打分的目标样本基因型。不同方法的核心区别在于如何处理 LD 和收缩效应值。PRS 属于科研分析，用于研究遗传易感性与表型的关系，不替代临床诊断或治疗决策。
什么时候用
- 研究某疾病的遗传易感性是否与目标队列中的表型、亚型或发病年龄相关
- 在预测模型中检验 PRS 能否在传统危险因素之外提供增量信息
- 比较不同 PRS 方法或不同基础 GWAS 在本队列中的预测效果
- 用一种性状的 PRS 检验它与另一种性状的遗传关联（跨性状 PRS）
- 按 PRS 分层，比较高、低遗传风险组的环境暴露效应
不适合的情况
- 目标样本与基础 GWAS 祖源差异大，又没有跨祖源方法或本地验证
- 把 PRS 当作个体诊断依据：它反映群体层面的相对风险，个体预测能力通常有限
- 基础 GWAS 与目标样本有大量重叠却不能剔除，PRS 效果会被严重高估
需要准备的数据
- 基础 GWAS 汇总统计
- 需含 SNP、效应等位基因、BETA 或 OR、SE 或 P、样本量；样本量越大 PRS 越准，最好与目标样本不重叠
- 目标样本基因型
- PLINK 或 BGEN 格式，完成常规质控和填充；与基础数据统一基因组版本和链方向
- LD 参考面板
- PRS-CS、LDpred2 等需要与研究人群同祖源的 LD 参考；方法通常提供基于 1000 Genomes 或 UK Biobank 的预计算面板
- 表型与协变量
- 用于评估 PRS 表现，含年龄、性别和前若干个主成分；需要划分验证集（调参）和测试集（报告）
分析步骤
- 1
基础数据质控
保留填充质量高、MAF 不太低的位点，剔除重复 SNP 和回文歧义 SNP，确认效应等位基因列的含义。若汇总统计报告 OR，需先取对数得到 BETA。检查效应值分布，异常大的值通常来自罕见位点。
- 2
目标数据质控
按 GWAS 常规做样本和位点质控，计算主成分，确认目标样本的祖源构成。去除与基础 GWAS 重叠或存在亲缘关系的个体，否则评估结果偏乐观。还要确认表型定义与基础 GWAS 一致，定义不同会直接削弱 PRS 的表现。
- 3
位点匹配
取基础数据、目标数据和 LD 参考三者的交集，并对齐效应等位基因。交集位点占比明显偏低时，先检查基因组版本、rsID 版本和染色体命名是否一致，再继续。保留位点数和匹配比例应记录下来，它们影响不同方法之间的可比性。
- 4
计算后验效应
C+T 法按 LD 做 clump 并按多个 P 阈值筛选位点，保留的位点直接用原始 BETA。PRS-CS 用连续收缩先验结合 LD 参考重新估计每个 SNP 的效应，LDpred2 在不同遗传力和因果位点比例下给出效应估计，两者都会把弱信号向零收缩。
- 5
计算个体得分
用 PLINK 的 --score 按调整后的效应值对每个个体的基因型剂量求和，得到原始 PRS，缺失位点通常按人群平均剂量填补。随后在目标样本内标准化，使结果可以解释为每增加 1 个标准差的效应，便于与其他研究对比。
- 6
调参与评估
在验证集中选择最优 P 阈值或超参数，在独立测试集中报告最终表现。连续性状看增量 R²，二分类看 AUC、每 SD 的 OR 和分位组比较；所有模型都应校正主成分。
关键参数与决策
C+T 的 P 值阈值
常同时尝试 5e-8 到 1 的一系列阈值，选验证集中表现最好的。PRSice-2 会自动扫描阈值，但在同一样本中挑最优阈值并报告，会高估效果，需要独立测试集或置换检验。
PRS-CS 的 phi
phi 是控制收缩强度的全局参数。不确定时可用自动模式（phi 由数据估计），样本足够大时也可在验证集中比较 1e-6 到 1 的几个固定值。基础 GWAS 样本量通过 --n_gwas 提供，必须填写准确。
LDpred2 模式
LDpred2-grid 在遗传力和因果比例网格上搜索，需要验证集；LDpred2-auto 从数据中估计这些参数，无验证集时可用。使用前需检查汇总统计与 LD 参考的一致性，不一致位点较多时结果可能发散。
效果评估指标
连续性状用加入 PRS 后相对仅协变量模型的增量 R²；二分类常报告 AUC 增量和 Nagelkerke R²，也可转换为易感性尺度 R²，后者需要人群患病率。分位组比较常见为最高 10% 或 20% 相对中间人群的 OR。
常见错误
- 基础 GWAS 与目标样本重叠：重叠个体的基因型参与了效应估计，PRS 在这些人身上表现被高估，结果无法外推。
- 在同一份数据里调参又报告：选阈值或超参数的样本与评估样本相同，R² 和 AUC 偏乐观，应拆分验证集与测试集。
- 效应等位基因方向弄反：部分位点符号反转会削弱甚至倒转得分，PRS 与表型关联弱时首先检查对齐。
- 直接把欧洲人群 GWAS 构建的 PRS 用于东亚或非洲样本：LD 和等位基因频率不同，预测能力通常明显下降，应在本人群中验证。
- 不校正主成分：PRS 本身与祖源相关，未校正时 PRS 与表型的关联可能来自群体分层而不是遗传易感性。
- 只报告 P 值很小：大样本中很弱的关联也会极显著，单看 P 值无法说明 PRS 有多少预测价值，应同时给出效应大小、增量 R² 或 AUC 增量，以及分位组之间的风险差异。
结果怎么看
PRS 分布图
按病例和对照分组画密度图或直方图。病例组整体右移说明 PRS 有区分能力；两组几乎完全重叠时，即便 P 值显著，个体层面的区分能力也很有限。分布出现多峰时检查是否混入不同祖源样本。
分位组风险图
按 PRS 分为十分位或五分位，展示各组相对参照组的 OR 或患病率。理想情况是随分位单调上升；只有最高分位明显升高，说明效应集中在尾部。各组之间没有趋势却总体显著，要回查是否存在祖源分层或异常值。
模型评估表
列出仅协变量模型和加入 PRS 后模型的 R²、AUC 及其差值，以及每 SD 的 OR 和置信区间。增量才是 PRS 的独立贡献，单独报告含协变量的总 AUC 会夸大 PRS 作用。
阈值或参数扫描图
C+T 法常画不同 P 阈值下的 R² 柱状图。最优阈值出现在 1 附近说明性状高度多基因；最优在很严格的阈值上说明少数大效应位点主导。曲线剧烈波动提示样本量不足。
和相近方法怎么选
C+T、PRS-CS 与 LDpred2
C+T（PLINK 或 PRSice-2）简单直观，参数少，但会丢弃 clump 掉的位点所携带的信息。PRS-CS 与 LDpred2 用贝叶斯收缩同时利用全部位点和 LD 结构，预测效果通常更好；PRS-CS 的自动模式不需要验证集，LDpred2 则提供网格搜索和自动两种模式。
PRS 与 GWAS
GWAS 逐个位点检验关联，结果是位点列表和汇总统计；PRS 把这些汇总统计变成每个人的一个分数，用于个体层面的分层和预测。PRS 的上限受基础 GWAS 样本量和性状遗传力限制。
PRS 与临床预测模型
PRS 只反映遗传易感性，数值在出生时就已确定；预后或诊断模型通常纳入年龄、实验室指标和影像等临床变量，反映当前状态。常见做法是把 PRS 作为一个新变量加入已有模型，看 AUC、净重分类改善等指标是否有实际提升，而不是单独使用 PRS。
常见问题
PRS-CS 怎么用？
准备三样东西：标准格式的汇总统计（SNP、A1、A2、BETA 或 OR、P 或 SE）、目标样本 bim 文件、对应祖源的 LD 参考面板。运行时指定 GWAS 样本量，按染色体输出每个 SNP 的后验效应，合并后用 PLINK --score 计算个体得分。
PRS 的 R² 很低正常吗？
很常见。许多复杂性状的 PRS 只能解释几个百分点的表型方差，取决于基础 GWAS 样本量、遗传力和人群匹配程度。判断是否合理时可以与同性状已发表 PRS 在相似人群中的表现对比，而不是追求绝对数值。
不想自己算，有现成的 PRS 吗？
可以到 PGS Catalog 查找已发表的评分文件，里面提供每个位点的效应等位基因和权重。使用前要确认基因组版本、开发人群和是否与你的样本重叠，并在本队列中重新评估表现。
二分类疾病的 PRS 结果怎么报告？
常见组合是：每增加 1 个标准差 PRS 的 OR 及置信区间、加入 PRS 前后模型的 AUC 及其差值、最高分位组相对中间分位组的 OR。同时说明校正了哪些协变量、验证集与测试集如何划分，以及目标人群与基础 GWAS 人群的匹配情况。
样本是中国人群，用什么基础 GWAS？
优先选用东亚人群的大样本 GWAS，或使用支持多祖源输入的方法（例如 PRS-CSx）联合欧洲和东亚汇总统计。只用欧洲 GWAS 时，务必在本人群独立样本中验证，并在结论中说明可迁移性的限制。
在 Codar 里怎么做
在 Codar 里提供基础 GWAS 汇总统计和目标样本基因型、表型后，会先确认方法和评估方案，然后完成多基因风险评分的计算流程：数据质控与位点匹配、结合 LD 估计位点权重、计算并标准化个体得分，在校正协变量的模型中评估 R²、AUC 和分位组风险。交付个体 PRS 表、分布图、分位组风险图、评估结果表、报告和可复现脚本。
我有 2000 人的中国人群芯片数据和冠心病表型，想用东亚人群 GWAS 汇总统计计算 PRS，看它在年龄、性别之外能提升多少 AUC