英国のバイオバンクの樹木構造化されたルーチンヘルスケアデータを横切る遺伝関連のベイズ分析

日常的なヘルスケアデータから抽出可能な多数の表現型からの遺伝的発見は、ヒトフェノームの理解を変え、精密医療に向けた進歩を促進することができます。ただし、高次元および不均一なデータを分析する際の重要な質問は、遺伝的関連を検出するために統計的な力を保持しながら、ますます特定のサブフェノ型を尋問する最善の方法です。ここでは、診断分類の階層構造を活用して、自己報告と病院のエピソー統計に由来する英国のバイオバンク疾患の表現型に対する遺伝的変異を分析する新しいベイジアン分析フレームワークを開発および採用しています。私たちの方法では、他のアプローチよりも遺伝的効果を検出するために20％以上の力が増加し、古典的なヒト白血球抗原（HLA）対立遺伝子と一般的な免疫媒介疾患（IMD）との間の新しい関連性を特定します。アプローチを遺伝的リスクスコア（GRSS）に適用することにより、IMD間の遺伝的共有の程度を示し、潜在的な臨床的意味を伴う疾患認識または診断の違いを暴露します。

Genetic discovery from the multitude of phenotypes extractable from routine healthcare data can transform understanding of the human phenome and accelerate progress toward precision medicine. However, a critical question when analyzing high-dimensional and heterogeneous data is how best to interrogate increasingly specific subphenotypes while retaining statistical power to detect genetic associations. Here we develop and employ a new Bayesian analysis framework that exploits the hierarchical structure of diagnosis classifications to analyze genetic variants against UK Biobank disease phenotypes derived from self-reporting and hospital episode statistics. Our method displays a more than 20% increase in power to detect genetic effects over other approaches and identifies new associations between classical human leukocyte antigen (HLA) alleles and common immune-mediated diseases (IMDs). By applying the approach to genetic risk scores (GRSs), we show the extent of genetic sharing among IMDs and expose differences in disease perception or diagnosis with potential clinical implications.