Key points are not available for this paper at this time.
النموذج الحالي في التشخيصات الوراثية هو اختبار الأفراد فقط في المواقع المعروفة بتأثيرها على مخاطر الأمراض المعقدة - ومع ذلك فإن التكنولوجيا موجودة لتحديد النمط الجيني للفرد في آلاف المواقع عبر الجينوم. بحثنا فيما إذا كان يمكن استغلال المعلومات من الدراسات واسعة النطاق للرابطة الجينية لتحسين تمييز حالة الإصابة بالأمراض المعقدة. استخدمنا بيانات واسعة النطاق من مجموعة التحكم في الحالات من ويلكوم ترست لاختبار هذه الفرضية. تم تقسيم كل مجموعة مرض مع نفس مجموعة التحكم إلى عينتين - 'مجموعة تدريب'، حيث تم تحديد الآلاف من SNPs التي قد تميل إلى مخاطر المرض، و'مجموعة توقع'، حيث تم تقييم القدرة التمييزية لهذه SNPs. تم حساب درجات واسعة النطاق تتكون من، على سبيل المثال، العدد الإجمالي للأليلات المعرضة للخطر التي يحملها الفرد لكل فرد في مجموعة التوقع. تم إجراء انحدار حالة الدور على هذه الدرجة وتم تقدير المنطقة تحت منحنى التشغيل للمستقبل (AUC). في معظم الحالات، أدت الشمولية الليبرالية لـ SNPs في الدرجة واسعة النطاق إلى تحسين AUC مقارنةً باختيار صارم لأفضل SNPs، لكنها لم تؤدي كما هو الحال مع الاختيار بناءً على المتغيرات المعروفة. أدى إضافة الدرجات واسعة النطاق إلى معلومات المتغيرات المعروفة إلى زيادة محدودة فقط في الدقة التمييزية ولكنها كانت الأكثر فاعلية بالنسبة للاكتئاب ثنائي القطب، وأمراض القلب التاجية، وداء السكري من النوع الثاني. نستنتج أن هذه الزيادة الصغيرة في الدقة التمييزية من غير المرجح أن تكون ذات فائدة تشخيصية أو تنبؤية في الوقت الحالي.
بحث إيفانز وآخرون (الأربعاء) هذه المسألة.