Schätzung von polygenen Risikoscores über Boosting und Verteilungsregression zur Identifizierung möglicher Gen-Umwelt-Interaktionen

• Antragsteller: Carlo Maj, Ph.D.; Professor Dr. Andreas Mayr
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik ; Humangenetik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 534238115

Dieses Projekt zielt darauf ab, Kandidaten für Gen-Umwelt-Interaktionen über einen neu zu entwickelnden Boosting-Ansatz zur Verteilungsregression für polygene Risikoscores zu identifizieren. Polygene Risikoscores haben sich neuerdings in der statistischen Genetik weit verbreitet, um Merkmale vorherzusagen, die sich durch eine komplexe genetische Architektur auszeichnen. Polygene Modelle konzentrieren sich hauptsächlich auf die Vorhersage des Mittelwerts des Phänotyps, ohne den Effekt auf die phänotypische Varianz explizit zu berücksichtigen. Diese spiegelt jedoch möglicherweise Gen-Umwelt-Interaktionen wider. Das Projekt wird die Flexibilität des Boosting-Algorithmus nutzen um einen Verteilungsregressions-Ansatz zu implementieren welcher spärliche polygene Modelle sowohl für den Mittelwert als auch für die Varianz des Phänotyps schätzen kann. Durch die Vorhersage sowohl des Erwartungswertes als auch der Varianz des Phänotyps ist es möglich, eine umfassendere Darstellung der genetischen Prädisposition für ein Merkmal zu erhalten. Durch die Modellierung der Varianz über polygene Modelle möchten wir Verfahren entwickeln um Individuen zu identifizieren, die besonders von Veränderungen, z.B. des Lebensstils, profitieren könnten. Die Analysen basieren auf der UK Biobank-Kohorte, einem großen bevölkerungsbasierten Datensatz mit umfassenden phänotypischen Daten, einschließlich regelmäßiger longitudineller Aktualisierungen. Durch die Analyse multipler Phänotypen werden wir Korrelationen innerhalb und zwischen Merkmalen untersuchen, gemeinsam genutzte Varianten erkennen und genbasierte Kollokalisierungseffekte analysieren. Die longitudinale Untersuchung von Phänotypen ermöglicht ein umfassendes Verständnis genetischer Einflüsse und Reaktionen auf Umweltveränderungen. Unser Verteilungsregressions-Ansatz wird die Unsicherheit für Vorhersagen abschätzen können und somit die Bewertung der Genauigkeit individueller Risikoprofile verbessern. Wir werden den Algorithmus und die polygenen Risikoscore-Modelle öffentlich zugänglich machen und ein spezielles Web-Portal zur Abfrage und Visualisierung Phänotyp-weiter Ergebnisse entwickeln um Kooperationen und die Weiternutzung der Projektergebnisse zu fördern.

• DFG-Verfahren: Sachbeihilfen