PCAベースのGRS分析により、遺伝的相関検出の有効性が向上します

遺伝的リスクスコア（GRS、ポリジェニックリスクスコアとも呼ばれる）分析は、複雑な疾患の遺伝的構造と関係を調査するためのますます一般的な方法です。ただし、複雑な疾患は通常、複数の相関表現型によって測定されます。各疾患の表現型を個別に分析することは、複数のテスト補正により統計力を低下させる可能性があります。欠点を克服するために、主成分分析（PCA）ベースのGRS分析アプローチを提案しました。PCAベースのGRS分析と従来のGRS分析アプローチのパフォーマンスを比較するために、広範なシミュレーション研究が実施されました。シミュレーション結果は、さまざまなシナリオでの従来のGRS分析と比較して、PCAベースのGRS分析のパフォーマンスが大幅に改善されたことが観察されました。検証のために、PCAベースのGRS分析と従来のGRS分析の両方を、骨幾何学の実際の白人ゲノムワイド関連研究（GWAS）データにも適用しました。実際のデータ分析結果は、PCAベースのGRS分析のパフォーマンスの向上をさらに確認しました。過去数十年でGWAが栄えたことを考えると、私たちのアプローチは、研究者が複雑な疾患または特性の遺伝的建築と関係を探求するのに役立つかもしれません。

Genetic risk score (GRS, also known as polygenic risk score) analysis is an increasingly popular method for exploring genetic architectures and relationships of complex diseases. However, complex diseases are usually measured by multiple correlated phenotypes. Analyzing each disease phenotype individually is likely to reduce statistical power due to multiple testing correction. In order to conquer the disadvantage, we proposed a principal component analysis (PCA)-based GRS analysis approach. Extensive simulation studies were conducted to compare the performance of PCA-based GRS analysis and traditional GRS analysis approach. Simulation results observed significantly improved performance of PCA-based GRS analysis compared to traditional GRS analysis under various scenarios. For the sake of verification, we also applied both PCA-based GRS analysis and traditional GRS analysis to a real Caucasian genome-wide association study (GWAS) data of bone geometry. Real data analysis results further confirmed the improved performance of PCA-based GRS analysis. Given that GWAS have flourished in the past decades, our approach may help researchers to explore the genetic architectures and relationships of complex diseases or traits.