Polygenic Risk Scores in R
最朴素的理解PRS：
GWAS分析结果中，有每个SNP的beta值、se值、P值，因为GWAS分析中将SNP变为0-1-2编码，所以这些显著的SNP的beta值，就可以用于预测。
基础群体：
比如：GWAS分析中，显著的SNP效应值为：
SNP1: 0.3
SNP2: 0.2
SNP3: -0.1
目标群体：
对于target data（目标群体），检测了3个个体，3个SNP的分型分别为：
ID1 0 0 1
ID2 1 0 2
ID3 2 2 1
预测PRS得分：
那么个体1的多基因评分为：0*0.3 + 0*0.2 + 1*-0.1 = -0.1
个体2的多基因评分为：0.3 + 0 + -0.1 = 0.2
个体3的多基因评分为：0.6 + 0.4 + -0.1 = 0.9
用数学公式表示：
-
beta是效应值 -
G是0-1-2的编码 -
m是m个SNP
实际项目的PRS计算
实际中的项目，考虑的因素比较多，比如：
-
数据质控 -
群体结构 -
LD值（clumping） -
beta矫正值 -
通过P值筛选最优组合
相关软件实现PRS分析
-
plink -
biqsnpr，一个R包 -
PRSice，应用最广泛，通过C+T的策略 -
LDpred，通过贝叶斯收缩的模型 -
PRS-CS -
JAMPred -
Lassosum
之前写过PRS的操作流程，可以作为参考：
如何使用plink进行二分类性状的GWAS分析并计算PRS得分
想要迅速掌握PRS的计算，下面有实操演练：