一张图介绍PRS的计算步骤

查看了一下博客和文献，把我的理解总结一下。

PRS是多基因风险评分，下面介绍一下它处理的步骤。

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7612115/

1. 数据

1.1 基础数据（BASE DATA）

数据包括：

• Summary statistics结果
• Betas或者ORs

这部分数据，主要是大样本得到的特定性状的GWAS结果，GWAS summary result，包括snp，染色体，物理位置，maf，effect（或者OR），P值等信息，类似：

连续性状：

或者：

二分类性状：

或者：

1.2 目标数据（TARGET DATA）

这部分数据就是我们自己搜集的数据，包括：

• 个体的基因型和表型
• 通常数据量不大，个体数据量不大，位点数据量也不大
  

2. 数据处理

这部分，包括：

• 数据的质控，包括Base data的质控和Target data的质控
• 影响PGS的因素要注意，比如样本的重复、关系、以及群体的结构
• 获得目标的SNP位点

具体而言，在进行处理数据前，需要确定性状的遗传特性h2snp 要大于0.05，文件中确定定位基因，对maf和去填充准确性得分进行质控，两个数据基因组版本一致，对于基因型不匹配的可以通过flip翻转，重复的snp删除，性染色体删除，重复样本删除，对于基础数据和目标数据中有交叉的个人删除，亲缘关系近的也删除，确保基础数据和目标数据独立，等操作。

3. PRS计算

包括根据LD去调整，比如修剪（clumping），然后计算Beta校正值，以及调整P值，计算PRS值。

具体的做法：

• 对于Beta和OR值，应该对其进行矫正，可以通过LASSO或者岭回归进行收缩（shrinkage），另外，通过P值进行筛选SNP。
• 根据LD去质控SNP，保证中选的SNP独立

4. 测试

这部分，主要是在目标数据中进行测试，查看计算的PRS和实际的表型匹配度如何，计算准确性。

5. 验证或者预测

通过测试集的验证，就可以选出PRS模型，进行大样本的预测。

6. 相关的软件

• plink
• biqsnpr，一个R包
• PRSice，应用最广泛，通过C+T的策略
• LDpred，通过贝叶斯收缩的模型
• PRS-CS
• JAMPred
• Lassosum