[發明專利]一種阿爾茨海默病發病風險預測模型的構建方法

有效

• 申請號: 201611190992.4
• 申請日: 2016-12-21
• 公開（公告）號: CN106636398B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 蔣慶華;劉桂友;胡楊;王亞東
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G16B20/20
• 分類號: G16B20/20;G16B30/00;G16B40/00;G16H50/30;C12Q1/6883
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 潘宏偉

本發明屬于醫療檢測領域，具體公開了一種阿爾茨海默病發病風險預測模型的構建方法，該方法基于現有的wGRS提出了改進的wGRS方法，計算wGRS時不但考慮了單個SNP的作用，同時也考慮SNP之間的相互作用。該改進的wGRS方法能夠對阿爾茨海默病發病風險預測的正確性進一步提高。因此本方法考慮到SNP之間的相互作用對阿爾茨海默病的重要影響，并將SNP之間的相互作用應用到阿爾茨海默病發病風險預測中，進一步提高了阿爾茨海默病發病風險預測的正確率。

技術領域

本發明涉及醫療檢測領域，特別涉及一種阿爾茨海默病發病風險預測模型的構建方法。

背景技術

阿爾茨海默病是一種神經系統退行性疾病，臨床上以記憶力減退、認知能力下降等癡呆表現為特征。現代科學認為阿爾茨海默病是基因和環境因素共同作用的結果，其中基因起著主要作用。

目前，阿爾茨海默病患者的比例逐年上升，嚴重影響著人們的日常生活。近年來，全基因組關聯研究和候選基因研究發現了大量阿爾茨海默病易感多態位點。因此，通過阿爾茨海默病個體和正常對照個體的基因型數據建立相應的模型，進而預測個體的阿爾茨海默病發病風險就顯的十分重要。

如果測定一個人的基因型數據，利用模型就可以計算出阿爾茨海默病發病風險的大小。若發病風險較高，則需要制定健康的生活、運動及營養平衡方案，從而降低發病風險。

遺傳風險評分(Genetic risk score，GRS)作為分析單核苷酸多態性(Singlenucleotide polymorphisms，SNP)與復雜疾病臨床表型的有效方法。單個SNP 對疾病具有微弱效應，該方法整合了若干個SNPs的微弱效應。GRS認為每個風險等位基因對疾病的作用相同，只是把風險等位基因的個數簡單相加。實際上，每個風險等位基因對疾病的作用不可能相同，于是誕生了加權的遺傳風險評分(wGRS)。

加權的GRS可以表示為：(β_i表示第i個SNP的權重，S_i表示第i個SNP的風險等位基因的個數,n為SNPs的數量)。該算法認為每個風險等位基因對疾病的影響不同，通過給每個風險等位基因賦予相應的權重來表明SNPs對疾病的影響程度，wGRS較GRS更廣泛應用在復雜疾病的預測評估中。

目前研究表明，SNP之間的相互作用對阿爾茨海默病發病有重要影響，而 wGRS進行風險預測時忽略了SNP之間的相互作用。

發明內容

本發明的目的是克服上述現有技術中存在的問題，提供一種阿爾茨海默病發病風險預測模型的構建方法，該方法基于阿爾茨海默病(Alzheimer disease， AD)疾病個體和正常個體的基因型數據，建立一個更準確的阿爾茨海默病風險預測模型，利用該模型及個體的基因型數據預測阿爾茨海默病的發病風險。

本發明的技術方案是：一種阿爾茨海默病發病風險預測模型的構建方法，包括如下步驟：

(1)獲取阿爾茨海默病疾病個體和正常對照個體的基因型數據；

對于阿爾茨海默病，首先對大量阿爾茨海默病病人和正常人的常染色體進行基因測序，得到阿爾茨海默病病人和正常人的原始SNP基因型數據；對原始的SNP基因型數據進行質量控制，剔除最小等位基因頻率MAF小于0.02、不滿足哈迪-溫伯格平衡檢驗、分型成功率小于75％、及位于連鎖不平衡區域的SNP基因型數據；樣本所對應的所有SNP的分型成功率需在75％以上，否則，再從SNP基因型數據數據中剔除不滿足樣本的基因型缺失比控制的樣本；對滿足條件的SNP基因型數據保留下來，用于進一步分析；

(2)剔除不滿足控制條件的SNP基因型數據后，對保留的SNP基因型數據進行評分；根據SNP基因型數據中含有的高風險等位基因的個數，對于SNP 基因型數據進行0，1，2評分，采用0，1，2分來表示相應的SNP基因型數據；