基于易感基因的麻風風險預測模型的構建及效能研究

王真真劉 紅，2張福仁，2

·論著·

基于易感基因的麻風風險預測模型的構建及效能研究

王真真1劉 紅1，2張福仁1，2

目的： 基于麻風全基因組關聯研究（GWAS）發現的18個易感位點，聯合流行區域及家族史信息，建立中國人群麻風風險預測模型。方法： 通過SNP位點等權重風險評分（GRS）和加權遺傳風險評分（wGRS）法對5792例麻風患者和8097名正常對照計算易感位點的聯合效應。以不同的方式聯合遺傳風險評分、地域及家族史信息，構建麻風風險預測模型，并繪制受試者工作曲線來評價模型。結果： wGRS聯合地域及家族史信息建立的風險預測模型最佳，其曲線下面積（AUC）為0.758（95%CI: 0.750～0.766）。結論： 麻風易感位點間存在顯著的聯合作用，wGRS聯合地域及家族史信息建立的風險預測模型，能更好地預測麻風發病風險。

麻風； 風險預測模型； 全基因組關聯分析

有效的麻風風險預測模型是用于高危個體篩查、實現“精準”化學預防的前提，課題組既往的研究［1-5］使風險預測模型的建立成為可能。本研究旨在利用GWAS發現的中國人群麻風易感位點，聯合地域及家族史信息建立麻風風險預測模型，為麻風高危個體的篩查提供依據。

1　對象和方法

1.1研究對象 共納入13 889人，其中麻風患者5792例，正常對照8097名。病例和對照選取自實驗室既往GWAS研究發現及驗證階段的樣本［1-5］。實驗室共有基因分型樣本19 968例，其中麻風患者8313例，正常對照11 655名。為使模型更加準確，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患者5792例，正常對照8097名。

1.2麻風易感基因位點的選擇 本研究共選擇既往報道的18個獨立的麻風易感位點［1-5］納入風險模型。其中OR采用已報道的meta之后最終值（表1）。

1.3SNP位點風險評分（genetic risk score，GRS） 采用兩種不同的方法計算SNP位點風險評分。等權重法（count risk alleles，cGRS）:在對風險等位基因進行合并時，不考慮SNP位點本身對疾病的單獨效應，直接按0，l，2（某個體攜帶某一SNP風險等位基因的個數）賦值后求和。加權法（weight method，wGRS）:在對風險等位基因進行合并時，考慮每個SNP本身對疾病發生的單獨效應，假設每個位點對麻風易感性的影響不同，但與其OR值有關，此時wGRS為每個SNPβ值ln（OR）加權后的平均風險等位基因個數［8］。

1.4風險預測模型的構建 本研究利用18個麻風風險位點、樣本地域信息和家族史信息分別構建了4種風險模型。模型1 GRS聯合地域信息；模型2 GRS聯合地域信息及麻風家族史信息；模型3 wGRS聯合地域信息；模型4 wGRS聯合地域信息及麻風家族史信息。采用Hosmer-Lemeshow擬合優度檢驗作為評價以上模型擬合優良性的指標。利用受試者特征（ROC）曲線及計算曲線下面積（AUC）評價模型的預測效果。

1.5統計學方法 風險模型的構建、Hosmer-Lemeshow擬合優度檢驗、ROC曲線以及AUC的計算均采用SPSS 19.0軟件完成。

2　結果

2.1麻風風險位點的聯合作用 既往報道的18個獨立的麻風易感位點［1-5］納入風險模型。其中OR采用報道的meta之后最終值（表1）。為進一步分析顯著位點的聯合作用，本研究計算了每個樣本18個易感位點的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　麻風病例和正常對照攜帶風險位點的個數分布圖

2.2麻風風險預測模型的構建及模型間的比較 四種風險模型的Hosmer-Lemeshow擬合優度檢驗均P＞0.05，說明四種風險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聯合地域及家族史信息的風險模型（模型4）最優。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聯合地域及家族史信息（模型4）的AUC進一步提升至0.758（95%CI:0.750～0.766）（表2）。綜合以上結果，wGRS聯合地域及家族史的風險模型具有最好的預測結果，因此應以此方法建立麻風的風險預測模型。

表1　18個麻風易感位點以及OR值、β值

圖2　四種風險模型的ROC曲線圖

表2　四種風險模型的AUC值，P值以及95%的置信區間

3　討論

遺傳流行病學、雙生子研究及家族聚集性分析已經證實麻風具有較強的遺傳易感性，其遺傳度達57%［6，7］。麻風的全基因組關聯研究（GWAS），先后定位了18個中國人群的易感基因位點。本文利用這18個易感基因位點計算個體的GRS和wGRS，并聯合樣本的地域及家族史信息，以4種不同方式建立了麻風風險預測模型。結果表明，基于易感基因計算出的GRS和wGRS與麻風易感性顯著相關。聯合家族史的風險模型優于不聯合家族史的風險模型，利用加權法（wGRS）的風險模型優于等權重法（GRS）的風險模型。利用wGRS聯合地域及家族史的風險模型最優。

基于GWAS定位的易感基因位點，以其作為風險因素，建立風險預測模型進行臨床風險預測，成為降低復雜疾病發生率、實現其一級預防的新方向。國際上對乳腺癌、II型糖尿病和冠心病等復雜疾病，已成功利用其易感基因及相關SNPs為參數構建了疾病風險預測模型，在臨床應用中初見成效［8-10］。本研究基于GWAS的研究結果首次構建了中國人群麻風的風險預測模型，最優模型的AUC為0.758。麻風作為一種復雜性疾病，受遺傳因素和環境因素的雙重影響。目前已知的GWAS發現的易感位點均為常見變異，對疾病易感性的效應較低（OR均＜2.0）僅能解釋一小部分的遺傳易感性，這可能是預測能力不夠高的一個原因。隨著中國人群麻風易感基因的進一步發現，模型的預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，論證能力不及隊列研究強，而且由于實驗設計的不同易導致結果出現偏差而影響信息的準確性。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。影響麻風的環境因素多種多樣，而本研究只探討了地域的影響。因此，更多麻風相關遺傳位點的發現和更大樣本的中國人群前瞻性隊列研究，將進一步改善本研究的結果，從而更好地實現在中國人群中進行麻風高危人群的篩查。

［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，Fu 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

山東省自然科學基金青年基金（編號:ZR2015PH027）

山東省科技發展計劃（編號:2014GSF118001）

山東省自然科學基金三院聯合基金重點項目（編號: ZR2014YL044）

1山東省皮膚病性病防治研究所，山東省醫學科學院，濟南，250022 2山東省皮膚病醫院，山東大學，濟南，250000

張福仁，E-mail:zhangfuren@hotmail.com