薛思瑤 李彩霞 贠克明 叢 斌 趙雯婷**

（1）山西醫(yī)科大學(xué)法醫(yī)學(xué)院，太原 030001；2）公安部物證鑒定中心，現(xiàn)場(chǎng)物證溯源技術(shù)國(guó)家工程實(shí)驗(yàn)室，法醫(yī)遺傳學(xué)公安部重點(diǎn)實(shí)驗(yàn)室，北京 100038；3）河北醫(yī)科大學(xué)法醫(yī)學(xué)院，石家莊 050017）

脫發(fā)問(wèn)題是近年來(lái)社會(huì)各界關(guān)注的熱點(diǎn)問(wèn)題，尤其在中青年人群中的發(fā)病率一直居高不下，對(duì)患者的心理、生活社交造成明顯影響。人類最常見(jiàn)的脫發(fā)形式是男性型脫發(fā)（male pattern baldness，MPB），其特點(diǎn)是頭皮上依賴雄激素的進(jìn)行性脫發(fā)表現(xiàn)。MPB 嚴(yán)重程度與年齡、脫發(fā)部位等密切相關(guān)，發(fā)病率隨年齡以平均每10 年提高10%的增速增長(zhǎng)［1］，其在歐洲男性中的患病率很高，可達(dá)到80%［2］，而一項(xiàng)針對(duì)3 519 名上海男性脫發(fā)情況的研究顯示脫發(fā)患病率在19.9%左右［3］。有多項(xiàng)研究表明，與高加索人相比，中國(guó)人、日本人和非裔美國(guó)人的患病率較低［4］。

人群遺傳學(xué)研究顯示，MPB 是一種高度遺傳的多基因疾?。?］。早期針對(duì)雙胞胎的研究表明［6］，MPB 的遺傳力約為81%；Liu 等［7］基于單核苷酸多態(tài)性（single nucleotide polymorphisms，SNPs）常見(jiàn)變異的分子遺傳學(xué)方法估計(jì)MPB 的遺傳力可達(dá)50%。近年來(lái)，隨著基因分型技術(shù)和DNA 測(cè)序技術(shù)的快速發(fā)展，尤其是全基因組關(guān)聯(lián)分析（genome-wide association study，GWAS）的應(yīng)用，MPB 的遺傳學(xué)研究取得了突破性進(jìn)展，歐洲人群GWAS 研究發(fā)現(xiàn)的MPB 顯著關(guān)聯(lián)SNP 位點(diǎn)已達(dá)1 000 個(gè)以上。比如，2017 年針對(duì)8 個(gè)獨(dú)立的歐洲血統(tǒng)人群隊(duì)列22 518 個(gè)樣本的薈萃分析［8］確定了63 個(gè)MPB 顯著關(guān)聯(lián)位點(diǎn)（6 個(gè)位于X 染色體上，57個(gè)位于常染色體上），同時(shí)揭示了脫發(fā)不是孤立的特征，而是可與許多其他人類表型具有相關(guān)性的，例如前列腺癌和神經(jīng)退行性疾病等。迄今人群規(guī)模最大的MPB 遺傳分析來(lái)自2018 年Ⅴisscher等［9］對(duì)UK Biobank 205 327 個(gè)歐洲男性的研究，通過(guò)GWAS 關(guān)聯(lián)出了624 個(gè)近獨(dú)立的位點(diǎn)（598 個(gè)位于常染色體上，26個(gè)位于X染色體上）。同年一項(xiàng)針對(duì)7 萬(wàn)歐洲人群的GWAS 研究關(guān)聯(lián)出了71 個(gè)獨(dú)立遺傳位點(diǎn)［10］，可解釋總遺傳力的38%。可見(jiàn)，MPB 雖然是多基因復(fù)雜表型，但與身高等表型相比，可以用相對(duì)較少的SNP 來(lái)解釋較大比例的遺傳力。因此，通過(guò)SNP 位點(diǎn)建立準(zhǔn)確性較高的MPB遺傳預(yù)測(cè)模型是可行的。

已有的MPB 遺傳預(yù)測(cè)模型大多采用了邏輯回歸算法。Hagenaars等［11］使用287個(gè)SNP位點(diǎn)建立多元邏輯回歸模型，重度脫發(fā)的AUC（ROC 曲線下方的面積大小，area under curve）為0.78，但輕度脫發(fā)和中度脫發(fā)的AUC僅能達(dá)到0.68 和0.61。Liu 等［7］針對(duì)2 725 個(gè)德國(guó)和荷蘭男性的研究嘗試建立了25 個(gè)SNP 的邏輯回歸模型，AUC=0.74。Marcińska等［12］使用305個(gè)50歲及以上的歐洲人群樣本構(gòu)建了20 個(gè)SNP 的模型，對(duì)脫發(fā)的遺傳解釋力為35%，AUC=0.86。

與歐洲人群MPB 的遺傳預(yù)測(cè)研究相比，針對(duì)中國(guó)人群的研究報(bào)道相對(duì)較少。在本實(shí)驗(yàn)室的前期研究中，潘思宇等［13］針對(duì)中國(guó)的歐亞混合人群建立了兩種MPB 預(yù)測(cè)模型，一種以年齡、BMⅠ和25個(gè)SNP為預(yù)測(cè)因子，AUC=0.82；另一種是以年齡、BMⅠ和68 個(gè)SNP 為預(yù)測(cè)因子，AUC=0.89。這兩種預(yù)測(cè)模型雖然展現(xiàn)出良好性能，但在僅將年齡作為預(yù)測(cè)因子的情況下AUC值就可以達(dá)到0.77?？梢?jiàn)該模型年齡依賴性過(guò)強(qiáng)，SNP的獨(dú)立預(yù)測(cè)能力有待提高。

本研究選取了近十余年發(fā)表的關(guān)于MPB 研究的16 篇文獻(xiàn)中486 個(gè)歐洲人群關(guān)聯(lián)SNP 位點(diǎn)［7-8，10-12，14-24］，在312名中國(guó)漢族人群樣本中進(jìn)行關(guān)聯(lián)驗(yàn)證分析，并基于篩選后的具有顯著關(guān)聯(lián)性的SNP位點(diǎn)建立了MPB邏輯回歸預(yù)測(cè)模型，同時(shí)對(duì)k近鄰分類器（k-nearest neighbor classifier）、隨機(jī)森林（random forest）、支持向量機(jī)（support vector machine，SⅤM）等常見(jiàn)的分類器模型［25］在MPB遺傳預(yù)測(cè)中的性能進(jìn)行了比對(duì)評(píng)估，力求找到MPB預(yù)測(cè)準(zhǔn)確性最高的建模方法。

1 材料與方法

1.1 男性型脫發(fā)表型的獲取及分類標(biāo)準(zhǔn)

Hamilton-Norwood（H-N）脫發(fā)分級(jí)標(biāo)準(zhǔn)［1］根據(jù)發(fā)際線后移程度以及頭頂部毛發(fā)稀疏程度將MPB劃分為不脫發(fā)（Ⅰ類）、6種MPB主類型（ⅠⅠ至ⅤⅠⅠ類）和5 種亞類型（ⅠⅠA 至ⅤA 以及ⅠⅠⅠvertex）。參照該標(biāo)準(zhǔn)，本研究將表型分為兩組（圖1）：a.MPB 表型組，即頭頂部可見(jiàn)明顯脫發(fā)且發(fā)際線嚴(yán)重后移（Ⅳ、Ⅳa、Ⅴ、Ⅴa、Ⅵ和Ⅶ）；b.對(duì)照表型組，即完全沒(méi)有脫發(fā)或輕微發(fā)際線后移（Ⅰ和Ⅱ）。表型讀取時(shí)，由3名評(píng)分者同時(shí)觀看照片，并獨(dú)立對(duì)每一位志愿者的MPB 等級(jí)進(jìn)行評(píng)級(jí)，排除表型判斷有困難的樣本，以3個(gè)評(píng)分者對(duì)每個(gè)志愿者分級(jí)結(jié)果的眾數(shù)作為最終的MPB等級(jí)。

1.2 樣本及DNA提取

按照1.1的表型分組標(biāo)準(zhǔn)，本研究共收集了中國(guó)不同地域的漢族男性個(gè)體312 例，除7 例樣本為南方漢族（四川6、江西1）外，其余均為北方漢族（山東4、山西296、河南5）群體，其中MPB表型組143 例，對(duì)照表型組169 例，且所有研究個(gè)體無(wú)內(nèi)分泌功能障礙類疾病、未接受過(guò)毛發(fā)相關(guān)治療?？紤]到年齡因素對(duì)MPB的影響［12］，MPB表型組年齡在28～69歲之間，平均年齡約53，而對(duì)照表型組選取了高齡不脫發(fā)的志愿者，年齡在55 歲以上，平均年齡59 歲左右。詳細(xì)組內(nèi)信息和外觀概覽見(jiàn)表1 和圖1。使用Canon EOS 5D Mark ⅠⅠ（佳能，日本）高清照相機(jī)分別采集志愿者頭部左側(cè)、正面及右側(cè)3張二維照片。本研究通過(guò)公安部物證鑒定中心倫理委員會(huì)審查，所有參與者均簽署了書(shū)面知情同意書(shū)。

1.3 基因分型及質(zhì)量控制

使用Ⅰllumina HiSeq X Ten測(cè)序平臺(tái)（Ⅰllumina，美國(guó)）對(duì)樣本進(jìn)行3X 低深度全基因組測(cè)序，每個(gè)樣本得到平均10G Raw data。對(duì)經(jīng)過(guò)變異檢測(cè)（variant calling）處理后的數(shù)據(jù)，使用本實(shí)驗(yàn)室中國(guó)人群低深度測(cè)序2 510 份樣本進(jìn)行基因填補(bǔ)。使用PLⅠNK v1.9［26］對(duì)SNP進(jìn)行質(zhì)量控制，包括分型成功率（call rate）＞0.97，哈迪溫伯格平衡（Hardy-Weinberg equilibrium，HWE）P＞0.000 1和次等位基因頻率（minor allele frequency，MAF）＞0.01。個(gè)體樣本質(zhì)量控制包括性別檢查，親緣關(guān)系檢測(cè)及雜合性判斷。以千人基因組數(shù)據(jù)第三階段（1000 Genomes Project Phase 3）數(shù)據(jù)作為參考基因組，使用ⅠMPUTE［27］對(duì)常染色體進(jìn)行基因填補(bǔ)并過(guò)濾填補(bǔ)質(zhì)量分?jǐn)?shù)小于0.6 的SNP，并再次重復(fù)上面質(zhì)量控制標(biāo)準(zhǔn)，最終共獲得20 681 872個(gè)SNP位點(diǎn)。

Table 1 Sample information

Fig.1 Diagram of MPB

1.4 統(tǒng)計(jì)分析

1.4.1 遺傳關(guān)聯(lián)分析

本研究選用基于歐洲人群關(guān)聯(lián)出的486個(gè)SNP位點(diǎn)，均通過(guò)了質(zhì)量控制，詳細(xì)位點(diǎn)信息見(jiàn)附件表S1。使用Plink v1.9 軟件（哈佛大學(xué)，波士頓，馬薩諸塞州，美國(guó)） 分別進(jìn)行了一般線性回歸（general linear model，GLM）和二元邏輯回歸分析，測(cè)試486 個(gè)SNP 與MPB 的相關(guān)性?；蛐偷馁x值為加性模型，假設(shè)個(gè)體攜帶的次等位基因的數(shù)量與表型特征有累積效應(yīng)。估計(jì)了所有SNP 的優(yōu)勢(shì)比（odds ratio，OR）、相應(yīng)的95%可信區(qū)間（confidence interval，CⅠ）和P值。將P＜0.05 認(rèn)為在關(guān)聯(lián)分析中具有統(tǒng)計(jì)學(xué)意義。同時(shí)通過(guò)將所獲得的OR與OR=1 時(shí)相比，從而估計(jì)脫發(fā)風(fēng)險(xiǎn)增加倍數(shù)。使用wANNOⅤAR［28］對(duì)與MPB 相關(guān)性最高的前20 個(gè)SNP 進(jìn)行相關(guān)基因區(qū)域識(shí)別。多重假設(shè)檢驗(yàn)校正后沒(méi)有達(dá)到顯著關(guān)聯(lián)性的位點(diǎn)，故而在本研究中沒(méi)有應(yīng)用多重假設(shè)檢驗(yàn)的校正。

1.4.2 預(yù)測(cè)建模

將在關(guān)聯(lián)分析中具有統(tǒng)計(jì)學(xué)意義的SNP 位點(diǎn)作為建立預(yù)測(cè)模型的初始位點(diǎn)集合。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，先將因變量的編碼分為“1”（MPB 表型）和“0”（對(duì)照表型），再依據(jù)次要等位基因數(shù)目對(duì)SNP基因型進(jìn)行編碼：具有2個(gè)次要等位基因編碼為“2”，只有1 個(gè)次要等位基因編碼為“1”，不含次要等位基因編碼為“0”。然后，采用兩種方法對(duì)位點(diǎn)進(jìn)行篩選，一種是基于R 軟件STEP 函數(shù)對(duì)AⅠC信息標(biāo)準(zhǔn)進(jìn)行逐步分析，另一種是通過(guò)R軟件glmnet包建立Lasso回歸模型，從而對(duì)SNP預(yù)測(cè)因子進(jìn)行最終選擇和排序。

邏輯回歸適用于二值響應(yīng)變量（即0和1），故選用二元邏輯回歸對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練。模型假設(shè)因變量服從二項(xiàng)分布，模型的擬合形式為：

由于本研究樣本量較小，采用十折交叉驗(yàn)證法來(lái)防止過(guò)度擬合。將MPB 的預(yù)測(cè)概率與觀察到的MPB狀態(tài)進(jìn)行比較，將AUC作為預(yù)測(cè)準(zhǔn)確性的總體衡量標(biāo)準(zhǔn)。AUC值的范圍從0.5 到1.0，0.5 表示隨機(jī)預(yù)測(cè)，1.0 表示完全準(zhǔn)確的預(yù)測(cè)。如果預(yù)測(cè)概率＞0.5，則定義受試者為MPB，否則為不脫發(fā)。使用混淆矩陣比較預(yù)測(cè)和觀察的脫發(fā)狀態(tài)，并得出靈敏度和特異值，兩者的范圍都在0 到1 之間。所有候選SNP 分析和預(yù)測(cè)分析都在R v4.0.2（http://www.r-project.org/）中進(jìn)行。

1.4.3 多模型對(duì)比評(píng)估

在R 軟件中分別對(duì)k 近鄰分類器、隨機(jī)森林、支持向量機(jī)3 種機(jī)器學(xué)習(xí)算法進(jìn)行建模-驗(yàn)證，獲得不同模型的預(yù)測(cè)準(zhǔn)確性從而對(duì)比模型的預(yù)測(cè)性能。建模過(guò)程中使用的R 包主要包括class 包、kknn 包、randomForest 包、e1027 包等。每種機(jī)器學(xué)習(xí)算法共運(yùn)行10 次，求其平均值。對(duì)于二分類任務(wù)，可將驗(yàn)證樣本的真實(shí)情況作為金標(biāo)準(zhǔn)，對(duì)所有驗(yàn)證樣本的模型分類結(jié)果和金標(biāo)準(zhǔn)結(jié)果分別計(jì)數(shù)，從而獲得分類器性能混淆矩陣。分別計(jì)算模型的正確率、敏感度、特異度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值以及五折交叉驗(yàn)證的預(yù)測(cè)準(zhǔn)確性。以上分類器性能衡量標(biāo)準(zhǔn)的取值范圍均為0～1，值越大，表示分類性能越高。

2 結(jié)果與分析

2.1 遺傳關(guān)聯(lián)分析結(jié)果

通過(guò)對(duì)312 個(gè)樣本的486 個(gè)SNP 進(jìn)行關(guān)聯(lián)分析，發(fā)現(xiàn)174 個(gè)SNP 與MPB 顯著相關(guān)，相關(guān)性最顯著的20 個(gè)見(jiàn)表2。在與MPB 相關(guān)的SNP 中，位于chr20 上的位點(diǎn)最多，有145 個(gè)，chr5 和chr6 上各有6個(gè)SNP，chr1上有4個(gè)SNP，chr9和chr10上各 有3 個(gè)SNP，chr2 上 有2 個(gè)SNP，chr3、chr7、chr8、chr15、chr19 上各有1 個(gè)SNP。與前20 個(gè)顯著位點(diǎn)有關(guān)的基因分別為EBF1、TFAP2C、PAX1以 及RUNX3。位 于EBF1 的rs17643057 在chr5 上的分布具有最高的統(tǒng)計(jì)學(xué)意義（邏輯回歸關(guān)聯(lián)分析OR=0.479，95%CI=0.321～0.714，P=3.42×10-4）。值得注意的是，當(dāng)應(yīng)用一般線性回歸關(guān)聯(lián)分析時(shí)，前9個(gè)SNP的顯著性更高。據(jù)估計(jì)，攜帶rs985546-C等位基因的男性患MPB 的風(fēng)險(xiǎn)是攜帶T 等位基因男性的3.4 倍。從OR來(lái)看，其余3 個(gè)與MPB 易感性 相 關(guān) 最 顯 著 的SNP 是rs17643057-G （chr5）、rs1422798-G（chr5）和rs6113382-A（Chr20），使MPB的風(fēng)險(xiǎn)分別增加2.1、2.0和1.9倍。

Table 2 Top 20 SNPs most significantly associated with MPB in Han Chinese （P＜0.05）

2.2 位點(diǎn)篩選

逐步回歸不僅可以從備選因子中篩選出最終預(yù)測(cè)變量，還可以防止模型過(guò)度擬合。本研究通過(guò)雙向逐步回歸的方法，根據(jù)提前設(shè)定的赤池信息準(zhǔn)則（Akaike information criterion，AⅠC），將直接納入模型的174 個(gè)MPB 相關(guān)SNP 精簡(jiǎn)至22 個(gè)SNP 用于下游預(yù)測(cè)模型的建立。此時(shí)的AIC達(dá)到最小值，跨度區(qū)間為322.38～305.81（圖2）。每一預(yù)測(cè)因子的方差膨脹系數(shù)（variance inflation factor，ⅤⅠF）均小于10，不存在多重共線性問(wèn)題。

Lasso 回歸基于懲罰系數(shù)λ對(duì)備選因子進(jìn)行篩選，隨著懲罰系數(shù)λ的增大，模型回歸系數(shù)β逐漸趨近于0，最終變?yōu)?（圖3a，b）。圖3a 左側(cè)虛線對(duì)應(yīng)使模型估計(jì)誤差最小的λ，右側(cè)虛線對(duì)應(yīng)使模型估計(jì)誤差在可接受范圍內(nèi)的λ，根據(jù)最高效原則確定納入模型的最優(yōu)變量組合，最終篩選出25 個(gè)SNP位點(diǎn)。

Fig.2 Characteristic variable screening based on stepwise regression

Fig.3 Characteristic variable screening based on Lasso regression

2.3 預(yù)測(cè)模型

根據(jù)上述篩選得到的兩種位點(diǎn)集合，建立了兩個(gè)預(yù)測(cè)模型。兩模型所包含位點(diǎn)信息見(jiàn)表3，詳細(xì)位點(diǎn)信息見(jiàn)附件表S2。

第一個(gè)模型包括通過(guò)逐步回歸分析篩選出的22 個(gè)SNP，該模型解釋了患MPB 總風(fēng)險(xiǎn)的48%（R2=0.48）。第二個(gè)模型包括通過(guò)Lasso回歸篩選出的25 個(gè)SNP，該模型解釋了患MPB 總風(fēng)險(xiǎn)的45%（R2=0.45）。MPB 預(yù)測(cè)模型具有總體預(yù)測(cè)精度，區(qū)分度指標(biāo)分別為AUC=0.85 和AUC=0.84，ROC 曲線見(jiàn)圖4。應(yīng)用50%的概率閾值，22-SNP 預(yù)測(cè)模型正確預(yù)測(cè)的總數(shù)為76%（236/309），有3 個(gè)不確定結(jié)果。然而，65%的概率閾值的正確預(yù)測(cè)降低到75%（234/311），有1 個(gè)不確定結(jié)果。同樣，應(yīng)用50%的概率閾值，25-SNP 預(yù)測(cè)模型正確預(yù)測(cè)的總數(shù)為74%（228/309），有3 個(gè)不確定結(jié)果。而65%的概率閾值的正確預(yù)測(cè)保持不變，仍為74%（226/307），有5個(gè)不確定結(jié)果。兩模型均通過(guò)十折交叉驗(yàn)證的方法進(jìn)行驗(yàn)證，驗(yàn)證后的AUC分別為0.81和0.77。在加入年齡作為預(yù)測(cè)因子之一后，預(yù)測(cè)準(zhǔn)確性分別提升到了80%（251/312）和81%（252/312），沒(méi)有不確定結(jié)果。相比較而言，通過(guò)Lasso回歸篩選出來(lái)的位點(diǎn)在十折交叉驗(yàn)證過(guò)程中AUC有一定程度的下滑，且有個(gè)別位點(diǎn)存在多重共線性問(wèn)題。22-SNP預(yù)測(cè)模型和25-SNP預(yù)測(cè)模型在18個(gè)SNP 上相同，僅存在4～7 個(gè)位點(diǎn)差異，但22-SNP預(yù)測(cè)模型在各項(xiàng)指標(biāo)上均優(yōu)于25-SNP 預(yù)測(cè)模型。在加入年齡作為預(yù)測(cè)因子后，兩模型的預(yù)測(cè)準(zhǔn)確率等各指標(biāo)均有提升， 整體表現(xiàn)AUC均為0.89（表4）。

Table 3 Information of 22-and 25-SNP used in predictive model building

Fig.4 Receiver operating characteristic(ROC)curves for 22-SNP(left)and 25-SNP(right)MPB prediction models The ROC curves have sensitivity as the ordinate.

Table 4 Prediction performance for MPB with different SNP-sets and factors

2.4 分類器模型性能評(píng)估

通過(guò)混淆矩陣獲得的分類器模型性能評(píng)價(jià)見(jiàn)表5。在3 種分類器模型中，最高的準(zhǔn)確率是基于22-SNP 的支持向量機(jī)分類器模型，但也僅能到達(dá)68%，其預(yù)測(cè)效能和預(yù)測(cè)準(zhǔn)確性遠(yuǎn)不如邏輯回歸模型。

Table 5 Performance comparison of k-NN,random forest and SVM for MPB prediction

3 討 論

本研究首次在中國(guó)漢族人群中進(jìn)行較為系統(tǒng)的MPB 相關(guān)位點(diǎn)驗(yàn)證分析，并初步篩選出與中國(guó)人群MPB 表型相關(guān)的SNP 位點(diǎn)，同時(shí)構(gòu)建出性能較高的非年齡依賴MPB預(yù)測(cè)模型。

從關(guān)聯(lián)分析結(jié)果來(lái)看，chr20 上的多個(gè)SNP 與MPB具有強(qiáng)關(guān)聯(lián)性，這說(shuō)明chr20不僅是歐洲人群MPB的主要危險(xiǎn)區(qū)域［29］，也是中國(guó)漢族人群MPB的主要危險(xiǎn)區(qū)域，這提示了在不同祖源人群中MPB 可能存在相似的遺傳機(jī)制。本研究中關(guān)聯(lián)性最顯著的SNP位點(diǎn)（rs17643057）所在基因區(qū)域已被歐洲研究證實(shí)與毛發(fā)生長(zhǎng)特征有關(guān)［8］，受早期B細(xì)胞因子1（early B cell factor 1，EBF1）調(diào)控。EBF1 是早期B 細(xì)胞發(fā)育和脂肪形成所必需的轉(zhuǎn)錄因子，動(dòng)物研究表明其在小鼠成熟、生長(zhǎng)的毛囊中表達(dá)。除EBF1外，在本研究前20個(gè)顯著關(guān)聯(lián)位點(diǎn)中，有75% 以上位點(diǎn)與PAX1 （paired Box 1，PAX1）這一基因區(qū)域有關(guān)。PAX1在皮膚、頭發(fā)和頭皮中表達(dá)，是典型的MPB易感位點(diǎn)［17，29］。這提示了將PAX1 作為中國(guó)漢族人群MPB 候選基因的必要性。值得一提的是，本研究關(guān)聯(lián)出的顯著位點(diǎn)（rs2180439）在另一項(xiàng)基于中國(guó)漢族人群的研究中［14］同樣被證實(shí)與脫發(fā)顯著相關(guān)，效應(yīng)方向與本研究一致，超過(guò)了統(tǒng)計(jì)意義的關(guān)聯(lián)閾值（P≤3.13×10-3）。對(duì)于那些關(guān)聯(lián)性較低的SNP，本文暫時(shí)無(wú)法驗(yàn)證SNP 是否與MPB 存在真實(shí)關(guān)聯(lián)，需要進(jìn)一步擴(kuò)大樣本量來(lái)提升結(jié)果的準(zhǔn)確性。

為了進(jìn)一步優(yōu)化MPB 相關(guān)SNP 位點(diǎn)集合以建立預(yù)測(cè)模型，本研究采用了兩種不同的位點(diǎn)篩選方法，并獲得22-SNP和25-SNP兩組位點(diǎn)集合。這樣做的目的一方面是為了比較兩種位點(diǎn)篩選辦法所獲得的SNP 對(duì)模型的預(yù)測(cè)性能所造成的差異，另一方面是為了防止模型過(guò)度擬合。若模型過(guò)度擬合，其在外部驗(yàn)證中的表現(xiàn)就會(huì)變差。在僅使用SNP作為預(yù)測(cè)因子的情況下，基于22-SNP和25-SNP脫發(fā)的二分類預(yù)測(cè)模型均表現(xiàn)出了良好的性能。在加入年齡作為預(yù)測(cè)因子后，模型的預(yù)測(cè)性雖有小幅提升，但不能排除在高齡對(duì)照樣本的影響下，年齡所產(chǎn)生的虛假相關(guān)性。在實(shí)驗(yàn)室前期研究成果中，不加入年齡作為預(yù)測(cè)因子的前提下，模型AUC低于0.7［13］。說(shuō)明本研究所采用的表型組、對(duì)照組樣本篩選方法，顯著降低了年齡對(duì)關(guān)聯(lián)結(jié)果的影響，篩選出的位點(diǎn)對(duì)表型的影響效力更強(qiáng)，所解釋的遺傳力度相較前期研究的不足30%也有顯著提升。

已有的MPB預(yù)測(cè)模型大多基于邏輯回歸算法，本研究進(jìn)一步探索了不同分類器模型對(duì)MPB 表型的預(yù)測(cè)性能。從邏輯回歸、k近鄰分類器、隨機(jī)森林、SⅤM 這4 種常用分類器模型在本研究人群的運(yùn)行結(jié)果來(lái)看，邏輯回歸模型具有明顯優(yōu)勢(shì)。

4 結(jié) 論

本研究通過(guò)將歐洲人群MPB 關(guān)聯(lián)位點(diǎn)在中國(guó)人群的驗(yàn)證分析，為了解中國(guó)漢族人群MPB 的遺傳機(jī)制奠定了基礎(chǔ)。同時(shí)，所構(gòu)建的預(yù)測(cè)模型，能夠在不依賴年齡作為預(yù)測(cè)因子的條件下，達(dá)到較為優(yōu)良的預(yù)測(cè)性能。在后續(xù)的研究工作中，通過(guò)擴(kuò)大樣本量、采用全基因組關(guān)聯(lián)分析、引入表觀遺傳分析等方法，有望得到更優(yōu)的MPB 相關(guān)遺傳位點(diǎn)集合，建立更為精準(zhǔn)的MPB 預(yù)測(cè)模型，應(yīng)用到臨床醫(yī)學(xué)診斷和法庭科學(xué)領(lǐng)域中。

附件PⅠBB_20210329_S1.pdf 見(jiàn)本文網(wǎng)絡(luò)版（http://www.pibb.ac.cn或http://www.cnki.net）。