王真真劉 紅，2張福仁，2

·論著·

基于易感基因的麻風(fēng)風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建及效能研究

王真真1劉 紅1，2張福仁1，2

目的： 基于麻風(fēng)全基因組關(guān)聯(lián)研究（GWAS）發(fā)現(xiàn)的18個(gè)易感位點(diǎn)，聯(lián)合流行區(qū)域及家族史信息，建立中國人群麻風(fēng)風(fēng)險(xiǎn)預(yù)測模型。方法： 通過SNP位點(diǎn)等權(quán)重風(fēng)險(xiǎn)評分（GRS）和加權(quán)遺傳風(fēng)險(xiǎn)評分（wGRS）法對5792例麻風(fēng)患者和8097名正常對照計(jì)算易感位點(diǎn)的聯(lián)合效應(yīng)。以不同的方式聯(lián)合遺傳風(fēng)險(xiǎn)評分、地域及家族史信息，構(gòu)建麻風(fēng)風(fēng)險(xiǎn)預(yù)測模型，并繪制受試者工作曲線來評價(jià)模型。結(jié)果： wGRS聯(lián)合地域及家族史信息建立的風(fēng)險(xiǎn)預(yù)測模型最佳，其曲線下面積（AUC）為0.758（95%CI: 0.750～0.766）。結(jié)論： 麻風(fēng)易感位點(diǎn)間存在顯著的聯(lián)合作用，wGRS聯(lián)合地域及家族史信息建立的風(fēng)險(xiǎn)預(yù)測模型，能更好地預(yù)測麻風(fēng)發(fā)病風(fēng)險(xiǎn)。

麻風(fēng)； 風(fēng)險(xiǎn)預(yù)測模型； 全基因組關(guān)聯(lián)分析

有效的麻風(fēng)風(fēng)險(xiǎn)預(yù)測模型是用于高危個(gè)體篩查、實(shí)現(xiàn)“精準(zhǔn)”化學(xué)預(yù)防的前提，課題組既往的研究［1-5］使風(fēng)險(xiǎn)預(yù)測模型的建立成為可能。本研究旨在利用GWAS發(fā)現(xiàn)的中國人群麻風(fēng)易感位點(diǎn)，聯(lián)合地域及家族史信息建立麻風(fēng)風(fēng)險(xiǎn)預(yù)測模型，為麻風(fēng)高危個(gè)體的篩查提供依據(jù)。

1　對象和方法

1.1研究對象 共納入13 889人，其中麻風(fēng)患者5792例，正常對照8097名。病例和對照選取自實(shí)驗(yàn)室既往GWAS研究發(fā)現(xiàn)及驗(yàn)證階段的樣本［1-5］。實(shí)驗(yàn)室共有基因分型樣本19 968例，其中麻風(fēng)患者8313例，正常對照11 655名。為使模型更加準(zhǔn)確，本研究剔除地域信息不明確和基因型分型有缺失的樣本6079例。最終本研究共納入麻風(fēng)患者5792例，正常對照8097名。

1.2麻風(fēng)易感基因位點(diǎn)的選擇 本研究共選擇既往報(bào)道的18個(gè)獨(dú)立的麻風(fēng)易感位點(diǎn)［1-5］納入風(fēng)險(xiǎn)模型。其中OR采用已報(bào)道的meta之后最終值（表1）。

1.3SNP位點(diǎn)風(fēng)險(xiǎn)評分（genetic risk score，GRS） 采用兩種不同的方法計(jì)算SNP位點(diǎn)風(fēng)險(xiǎn)評分。等權(quán)重法（count risk alleles，cGRS）:在對風(fēng)險(xiǎn)等位基因進(jìn)行合并時(shí)，不考慮SNP位點(diǎn)本身對疾病的單獨(dú)效應(yīng)，直接按0，l，2（某個(gè)體攜帶某一SNP風(fēng)險(xiǎn)等位基因的個(gè)數(shù)）賦值后求和。加權(quán)法（weight method，wGRS）:在對風(fēng)險(xiǎn)等位基因進(jìn)行合并時(shí)，考慮每個(gè)SNP本身對疾病發(fā)生的單獨(dú)效應(yīng)，假設(shè)每個(gè)位點(diǎn)對麻風(fēng)易感性的影響不同，但與其OR值有關(guān)，此時(shí)wGRS為每個(gè)SNPβ值ln（OR）加權(quán)后的平均風(fēng)險(xiǎn)等位基因個(gè)數(shù)［8］。

1.4風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建 本研究利用18個(gè)麻風(fēng)風(fēng)險(xiǎn)位點(diǎn)、樣本地域信息和家族史信息分別構(gòu)建了4種風(fēng)險(xiǎn)模型。模型1 GRS聯(lián)合地域信息；模型2 GRS聯(lián)合地域信息及麻風(fēng)家族史信息；模型3 wGRS聯(lián)合地域信息；模型4 wGRS聯(lián)合地域信息及麻風(fēng)家族史信息。采用Hosmer-Lemeshow擬合優(yōu)度檢驗(yàn)作為評價(jià)以上模型擬合優(yōu)良性的指標(biāo)。利用受試者特征（ROC）曲線及計(jì)算曲線下面積（AUC）評價(jià)模型的預(yù)測效果。

1.5統(tǒng)計(jì)學(xué)方法 風(fēng)險(xiǎn)模型的構(gòu)建、Hosmer-Lemeshow擬合優(yōu)度檢驗(yàn)、ROC曲線以及AUC的計(jì)算均采用SPSS 19.0軟件完成。

2　結(jié)果

2.1麻風(fēng)風(fēng)險(xiǎn)位點(diǎn)的聯(lián)合作用 既往報(bào)道的18個(gè)獨(dú)立的麻風(fēng)易感位點(diǎn)［1-5］納入風(fēng)險(xiǎn)模型。其中OR采用報(bào)道的meta之后最終值（表1）。為進(jìn)一步分析顯著位點(diǎn)的聯(lián)合作用，本研究計(jì)算了每個(gè)樣本18個(gè)易感位點(diǎn)的GRS和wGRS。GRS分布顯示病例組和對照組GRS分布有很大不同（圖1）。相比于對照組，病例組的GRS分布明顯偏右，也就是說隨著GRS的升高，病例組所占的相對比例也逐漸升高。

圖1　麻風(fēng)病例和正常對照攜帶風(fēng)險(xiǎn)位點(diǎn)的個(gè)數(shù)分布圖

2.2麻風(fēng)風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建及模型間的比較 四種風(fēng)險(xiǎn)模型的Hosmer-Lemeshow擬合優(yōu)度檢驗(yàn)均P＞0.05，說明四種風(fēng)險(xiǎn)模型都具有一定的擬合效果。四種建模ROC曲線（圖2）表示，以wGRS聯(lián)合地域及家族史信息的風(fēng)險(xiǎn)模型（模型4）最優(yōu)。如果僅用GRS和地域信息（模型1），模型的AUC為0.666（95%CI: 0.657～0.675）。加入家族史信息（模型2），模型的AUC提高了11.3%（0.666 vs.0.741）。而wGRS聯(lián)合地域及家族史信息（模型4）的AUC進(jìn)一步提升至0.758（95%CI:0.750～0.766）（表2）。綜合以上結(jié)果，wGRS聯(lián)合地域及家族史的風(fēng)險(xiǎn)模型具有最好的預(yù)測結(jié)果，因此應(yīng)以此方法建立麻風(fēng)的風(fēng)險(xiǎn)預(yù)測模型。

表1　18個(gè)麻風(fēng)易感位點(diǎn)以及OR值、β值

圖2　四種風(fēng)險(xiǎn)模型的ROC曲線圖

表2　四種風(fēng)險(xiǎn)模型的AUC值，P值以及95%的置信區(qū)間

3　討論

遺傳流行病學(xué)、雙生子研究及家族聚集性分析已經(jīng)證實(shí)麻風(fēng)具有較強(qiáng)的遺傳易感性，其遺傳度達(dá)57%［6，7］。麻風(fēng)的全基因組關(guān)聯(lián)研究（GWAS），先后定位了18個(gè)中國人群的易感基因位點(diǎn)。本文利用這18個(gè)易感基因位點(diǎn)計(jì)算個(gè)體的GRS和wGRS，并聯(lián)合樣本的地域及家族史信息，以4種不同方式建立了麻風(fēng)風(fēng)險(xiǎn)預(yù)測模型。結(jié)果表明，基于易感基因計(jì)算出的GRS和wGRS與麻風(fēng)易感性顯著相關(guān)。聯(lián)合家族史的風(fēng)險(xiǎn)模型優(yōu)于不聯(lián)合家族史的風(fēng)險(xiǎn)模型，利用加權(quán)法（wGRS）的風(fēng)險(xiǎn)模型優(yōu)于等權(quán)重法（GRS）的風(fēng)險(xiǎn)模型。利用wGRS聯(lián)合地域及家族史的風(fēng)險(xiǎn)模型最優(yōu)。

基于GWAS定位的易感基因位點(diǎn)，以其作為風(fēng)險(xiǎn)因素，建立風(fēng)險(xiǎn)預(yù)測模型進(jìn)行臨床風(fēng)險(xiǎn)預(yù)測，成為降低復(fù)雜疾病發(fā)生率、實(shí)現(xiàn)其一級預(yù)防的新方向。國際上對乳腺癌、II型糖尿病和冠心病等復(fù)雜疾病，已成功利用其易感基因及相關(guān)SNPs為參數(shù)構(gòu)建了疾病風(fēng)險(xiǎn)預(yù)測模型，在臨床應(yīng)用中初見成效［8-10］。本研究基于GWAS的研究結(jié)果首次構(gòu)建了中國人群麻風(fēng)的風(fēng)險(xiǎn)預(yù)測模型，最優(yōu)模型的AUC為0.758。麻風(fēng)作為一種復(fù)雜性疾病，受遺傳因素和環(huán)境因素的雙重影響。目前已知的GWAS發(fā)現(xiàn)的易感位點(diǎn)均為常見變異，對疾病易感性的效應(yīng)較低（OR均＜2.0）僅能解釋一小部分的遺傳易感性，這可能是預(yù)測能力不夠高的一個(gè)原因。隨著中國人群麻風(fēng)易感基因的進(jìn)一步發(fā)現(xiàn)，模型的預(yù)測能力也將隨之提高。

本研究的不足之處:本研究是病例對照研究，論證能力不及隊(duì)列研究強(qiáng)，而且由于實(shí)驗(yàn)設(shè)計(jì)的不同易導(dǎo)致結(jié)果出現(xiàn)偏差而影響信息的準(zhǔn)確性。并且由于是回顧性研究，樣本的疾病史等信息不完善，故無法納入模型。影響麻風(fēng)的環(huán)境因素多種多樣，而本研究只探討了地域的影響。因此，更多麻風(fēng)相關(guān)遺傳位點(diǎn)的發(fā)現(xiàn)和更大樣本的中國人群前瞻性隊(duì)列研究，將進(jìn)一步改善本研究的結(jié)果，從而更好地實(shí)現(xiàn)在中國人群中進(jìn)行麻風(fēng)高危人群的篩查。

［1］Zhang FR，Huang W，Chen S，et al.Genome wide association study of leprosy［J］.N Engl J Med，2009，361（27）: 2609-2618.

［2］Zhang F，Liu H，Chen S，et al.Identification of two new loci at IL23R and RAB32 that influence susceptibility to leprosy［J］.Nat Genet，2011，43（12）:1247-1251.

［3］Liu H，Irwanto A，Tian H，et al.Identification of IL18RAP/ IL18R1 and IL12B as leprosy risk genes demonstrates shared pathogenesis between inflammation and infectious diseases［J］.Am J Hum Genet，2012，91（5）:935-941.

［4］Liu H，Bao F，Irwanto A.Association study of TOLL and CARD with leprosy susceptibility in Chinese population［J］. Hum Mol Genet，2013，22（21）:4430-4437.

［5］Liu H，Irwanto A，F(xiàn)u X，et al.Discovery of six new susceptibility loci and analysis of pleiotropic effects in leprosy［J］. Nature Genet，2015，47（3）:267-271.

［6］Casanova JL，Abel L.Genetic dissection of immunity to mycobacteria:the human model［J］.Annu Rev Immunol，2002，20:581-620.

［7］Fernando SL，Britton WJ.Genetic susceptibility to mycobacterial disease in humans［J］.Immunol Cell Biol，2006，84（2）:125-137.

［8］Mealiffe ME，Stokowski RP，Rhees BK，et al.Assessment of clinical validity of a breast cancer risk model combining genetic and clinical information［J］.J Natl Cancer Inst，2010，102（21）:1618-1627.

［9］de Miguel-Yanes JM，Shrader P，Pencina MJ，et al.MAGIC Investigators；DIAGRAM+Investigators.Genetic risk reclassification for type 2 diabetes by age below or above 50 years using 40 type 2 diabetes risk single nucleotide polymorphisms［J］.Diabetes Care，2011，34（1）:121-125.

［10］Ripatti S，Tikkanen E，Orho-Melander M，et al.A multilocus genetic risk score for coronary heart disease:case-control and prospective cohort analyses［J］.Lancet，2010，376（9750）:1393-1400.

（收稿:2016-03-23 修回:2016-06-17）

Risk prediction model of leprosy based on the susceptibility genes and its power study

WANG Zhenzhen1，LIU Hong1，2，ZHANG Furen1，2.
1.Shandong Provincial Institute of Dermatology and Venereology，Academy of Medical Sciences，Jinan 250022，China；2.Shandong Provincial Dermatology Hospital，Shandong University，Jinan 250000，China
Correspondence author:ZHANG Furen，E-mail:zhangfuren@hotmail.com

Objective:To evaluate the risk of leprosy by considering information on epidemic region and family history when combined with the 18 known susceptibility loci identified by genome-wide association studies（GWASs）associated with leprosy.Methods:Genetic risk score（GRS）and weighted genetic risk score（wGRS）were calculated to evaluate the joint effects of 18 susceptibility loci.Multiple models combining genetic loci and region and family history information were established.Receiver operating characteristic curve analysis was used to compare the power of different predictive models.Results:The model incorporating wGRS and information on epidemic region and family history was the best one to predict leprosy risk in Chinese population，with all area under curve of 0.758（95%CI:0.750～0.766）.Conclusion:Eighteen known susceptibility loci identified by GWASs jointly influence the risk of leprosy.The combination of 18 known susceptibility loci and information on epidemic region and family history can improve the performance of risk predictive model for the occurrence of leprosy.

leprosy；risk prediction model；GWAS

山東省自然科學(xué)基金青年基金（編號:ZR2015PH027）

山東省科技發(fā)展計(jì)劃（編號:2014GSF118001）

山東省自然科學(xué)基金三院聯(lián)合基金重點(diǎn)項(xiàng)目（編號: ZR2014YL044）

1山東省皮膚病性病防治研究所，山東省醫(yī)學(xué)科學(xué)院，濟(jì)南，250022 2山東省皮膚病醫(yī)院，山東大學(xué)，濟(jì)南，250000

張福仁，E-mail:zhangfuren@hotmail.com