一种2型糖尿病发病综合风险预测模型的构建方法和系统技术方案

本发明专利技术提供了一种2型糖尿病发病综合风险预测模型的构建方法和系统，方法包括获取2型糖尿病发病的独立风险因子，计算非遗传风险评分，从而构建2型糖尿病非遗传因素风险预测模型；对2型糖尿病进行全基因组关联分析，获取2型糖尿病关联性SNPs位点，计算遗传风险评分，从而构建2型糖尿病遗传因素风险预测模型；通过2型糖尿病非遗传因素风险预测模型以及2型糖尿病遗传因素风险预测模型的和构建2型糖尿病发病综合风险预测模型。本发明专利技术提高了2型糖尿病发病预测效率以及准确度，并且简单易测，利于模型的推广应用。利于模型的推广应用。利于模型的推广应用。

【技术实现步骤摘要】
一种2型糖尿病发病综合风险预测模型的构建方法和系统


[0001]本专利技术属于疾病的遗传风险评估
，尤其是涉及一种2型糖尿病发病综合风险预测模型的构建方法和系统。

技术介绍

[0002]2型糖尿病（Type of 2 diabetes mellitus,T2MD）是一组通过异常高的血糖水平诊断的临床和基因异质性疾病，是全球最常见和增长最快的疾病之一，预计到2045年将影响6.93亿成年人，比2017年增加50%。由于2型糖尿病的发病率以及其并发症的致残率不断攀升，全球许多国家和地区都有展开对2型糖尿病的流行病学研究，对其发病危险因素的探究和遗传易感性位点的研究逐步深入。现有技术中并没有针对某特定地区或人群展开2型糖尿病的流行病学研究，无法建立具有普遍适用性的疾病预测模型。

技术实现思路

[0003]有鉴于此，本专利技术提出了一种2型糖尿病发病综合风险预测模型的构建方法和系统，提高了2型糖尿病发病预测效率以及准确度，并且简单易测，利于模型的推广应用。
[0004]为达到上述目的，本专利技术的技术方案是这样实现的：
[0005]一种2型糖尿病发病综合风险预测模型的构建方法：包括
[0006]步骤1：获取2型糖尿病发病的独立风险因子，计算非遗传风险评分，从而构建2型糖尿病非遗传因素风险预测模型；
[0007]步骤2：对2型糖尿病进行全基因组关联分析，获取2型糖尿病关联性SNPs位点，计算遗传风险评分，从而构建2型糖尿病遗传因素风险预测模型；
[0008]步骤3：通过2型糖尿病非遗传因素风险预测模型以及2型糖尿病遗传因素风险预测模型的和构建2型糖尿病发病综合风险预测模型。
[0009]进一步的，所述步骤1包括，
[0010]基于实验室建立的慢性病队列，采用多因素Cox比例回归模型获取2型糖尿病发病的独立风险因子；
[0011]基于2型糖尿病发病的独立风险因子计算非遗传风险评分NGRS；
[0012]基于非遗传风险评分NGRS构建2型糖尿病非遗传因素风险预测模型，模型为
[0013][0014]其中，βk为第k个相应的非遗传危险因素的权重；Sk为第k个非遗传危险因素的状态，如果个体有危险因素，则值为1,如果个体无危险因素，则值为0；α是logistic回归的常量。
[0015]进一步的，所述实验室建立的慢性病队列共纳入297人进行2型糖尿病随访，年龄分布65.61
±
13.55岁，平均随访时间10.4年，共98人发生2型糖尿病。
[0016]进一步的，所述采用多因素Cox比例回归模型获取2型糖尿病发病的独立风险因子包括高密度脂蛋白HDL、尿酸UA、和稳态模型胰岛素抵抗指数HOMA
‑
IR。
[0017]进一步的，根据稳态模型胰岛素抵抗指数HOMA
‑
IR正常高值、尿酸UA正常高值和高密度脂蛋白HDL正常高值再加上血糖因素FPG>5mmol/L构建非遗传风险评分NGRS。
[0018]进一步的，所述步骤2包括
[0019]对2型糖尿病进行病例
‑
对照阈值性状的全基因组关联分析和对空腹血糖FPG、糖化血红蛋白HbA1c、空腹胰岛素Fins、稳态模型胰岛素抵抗指数HOMA
‑
IR、定量胰岛素敏感性指数QUICKI这5个数量性状的全基因组关联分析，筛选与2型糖尿病相关SNPs位点；
[0020]根据Logistic回归最优筛选最终纳入13个SNP位点构建遗传风险评分GRS；
[0021]基于遗传风险评分GRS构建2型糖尿病遗传因素风险预测模型，模型为
[0022][0023]其中，是第i个SNP位点的权重，是第i个SNP位点上等位基因的数量，赋值为0,1,2。
[0024]进一步的，所述根据Logistic回归最优筛选最终纳入13个SNP位点为：rs_1_12637399，rs76616810，rs10164462，rs_kgp9798346，rs11931598，rs62375492，rs79535454，rs80314016，rs16925187，rs1547287，rs4755984，rs1427793，rs_17_9691529。
[0025]进一步的，所述方法还包括根据2型糖尿病发病综合风险预测模型计算出每个人的风险评分总分，然后将风险评分总分放入具有因变量的二元逻辑回归模型中，计算模型的ROC曲线下的面积，从而判断模型的诊断价值。
[0026]本专利技术还提供一种2型糖尿病发病综合风险预测模型的构建系统，包括
[0027]2型糖尿病非遗传因素风险预测模型构建模块，用于获取2型糖尿病发病的独立风险因子，计算非遗传风险评分，从而构建2型糖尿病非遗传因素风险预测模型；
[0028]2型糖尿病遗传因素风险预测模型构建模块，用于对2型糖尿病进行全基因组关联分析，获取2型糖尿病关联性SNPs位点，计算遗传风险评分，从而构建2型糖尿病遗传因素风险预测模型；
[0029]2型糖尿病发病综合风险预测模型构建模块，用于通过2型糖尿病非遗传因素风险预测模型以及2型糖尿病遗传因素风险预测模型的和构建2型糖尿病发病综合风险预测模型。
[0030]相对于现有技术，本专利技术所述的一种2型糖尿病发病综合风险预测模型的构建方法和系统具有以下优势：
[0031]1、本专利技术进行了前瞻性的队列研究，对疾病结局的获取是通过多年的随访获得的，与现有方法相比可以更好的控制混杂因素，结果资料更加的真实可靠；并且以往在中国汉族人群的纵向队列中发现的与疾病患病相关位点较少，本研究通过GWAS探究中国汉族人
群纵向队列中2型糖尿病发病相关的新SNP位点，从而建立风险预测模型；
[0032]2、本专利技术基于队列研究，采用Cox回归的方法，纳入遗传因素和非遗传因素，在队列人群中分别建立遗传因素、非遗传因素、综合因素作为预测因子的2型糖尿病发病综合风险预测模型；分别建立了不同模型，适合不同筛选预测，既可以精准全面的使用综合因素模型进行个体发病概率预测，又可以使用单独非遗传预测模型，节省人力、物力，适合大规模的流行病学筛查；
[0033]3、本专利技术建立的2型糖尿病发病预测模型具有更高的早期预测价值；现有技术中只显示了在预测模型中加入SNPs时AUC增长幅度较小，而本专利技术建立的模型加入疾病相关的SNPs之后AUC明显改善(0.764 至0.908)，本专利技术的模型中包含的SNPs并不是欧洲人群中常见的报道位点，而是通过我们自己建立的前瞻性队列研究的GWAS分析筛选出来的，在预测模型中加入了胰岛素抵抗表型和中国汉族人群特有的与糖尿病发病相关的SNPs；
[0034]4、本专利技术建立的模型的预测效力、敏感度、特异度同其他国内外模型相比均较高平；本专利技术纳入SNPs基因组基因评分高，纳入的非遗传因素跟疾病相关性强且简单易测，利于模型的进一步推广应用。
附图说明
[0035]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种2型糖尿病发病综合风险预测模型的构建方法，其特征在于：包括步骤1：获取2型糖尿病发病的独立风险因子，计算非遗传风险评分，从而构建2型糖尿病非遗传因素风险预测模型；步骤2：对2型糖尿病进行全基因组关联分析，获取2型糖尿病关联性SNPs位点，计算遗传风险评分，从而构建2型糖尿病遗传因素风险预测模型；步骤3：通过2型糖尿病非遗传因素风险预测模型以及2型糖尿病遗传因素风险预测模型的和构建2型糖尿病发病综合风险预测模型。2.根据权利要求1所述的一种2型糖尿病发病综合风险预测模型的构建方法，其特征在于：所述步骤1包括，基于实验室建立的慢性病队列，采用多因素Cox比例回归模型获取2型糖尿病发病的独立风险因子；基于2型糖尿病发病的独立风险因子计算非遗传风险评分NGRS；基于非遗传风险评分NGRS构建2型糖尿病非遗传因素风险预测模型，模型为其中，βk为第k个相应的非遗传危险因素的权重；Sk为第k个非遗传危险因素的状态,如果个体有危险因素，则值为1,如果个体无危险因素，则值为0；α是logistic回归的常量。3.根据权利要求2所述的一种2型糖尿病发病综合风险预测模型的构建方法，其特征在于：所述实验室建立的慢性病队列共纳入297人进行2型糖尿病随访，年龄分布65.61
±
13.55岁，平均随访时间10.4年，共98人发生2型糖尿病。4.根据权利要求2所述的一种2型糖尿病发病综合风险预测模型的构建方法，其特征在于：所述采用多因素Cox比例回归模型获取2型糖尿病发病的独立风险因子包括高密度脂蛋白HDL、尿酸UA、和稳态模型胰岛素抵抗指数HOMA
‑
IR。5.根据权利要求4所述的一种2型糖尿病发病综合风险预测模型的构建方法，其特征在于：根据稳态模型胰岛素抵抗指数HOMA
‑
IR 正常高值、尿酸UA正常高值和高密度脂蛋白HDL正常高值再加上血糖因素FPG>5mmol/L构建非遗传风险评分NGRS。6.根据权利要求1所述的一种2型糖尿病发病综合风险预测模型的构建方法，其特征在于：所述步骤2包括对2型糖...

【专利技术属性】
技术研发人员：魏凤江，叶群，李卫东，
申请(专利权)人：天津医科大学，
类型：发明
国别省市：