riskidest ja prognoosimisest tÜ eesti geenivaramu kohordi põhjal
DESCRIPTION
Riskidest ja prognoosimisest TÜ Eesti Geenivaramu kohordi põhjal. Krista Fischer , TÜ Eesti Geenivaramu Kristi Läll, TÜ Matemaatilise Statistika Instituut (magistrant). TÜ Eesti Geenivaramu geenidoonorid: suurim epidemioloogiline kohort Eestis. - PowerPoint PPT PresentationTRANSCRIPT
Riskidest ja prognoosimisest TÜ Eesti Geenivaramu kohordi põhjal
Krista Fischer, TÜ Eesti Geenivaramu
Kristi Läll, TÜ Matemaatilise Statistika Instituut (magistrant)
TÜ Eesti Geenivaramu geenidoonorid: suurim epidemioloogiline kohort Eestis
• Üle 51000 geenidoonori vanuses 18-103 liitunud aastatel 2002-2011
• Ligikaudu 5% Eesti täiskasvanud elanikkonnast!
• Põhjalik küsimustik, terviseandmed, registritest lisanduvad andmed…
• Geeniandmed umbes 14000 indiviidi kohta
Geenidoonoritelt geenivaramule
… ja teaduse, meditsiini, rahvatervise arengule
• Tänu suurele hulgale vabatahtlikele geenidoonoritele on tekkinud unikaalne andmebaas rahva tervise ja riskide uurimiseks
• Osalus suurtes rahvusvahelistes uuringurühmades, otsimaks seoseid genotüübi ja terviseriskide (vm inimese “fenotüübiandmete” vahel)
Ülegenoomsed assotsiatsiooniuuringud (GWAS)
Geenivaramult geenidoonoritele
• Tänu geenidoonorite andmete põhjal saadud uutele teadmistele on võimalik parandada haiguste diagnoosimist ja ravi tulevikus
• TÜ Eesti Geenivaramu plaanib anda geenidoonoritele personaalset tagasisidet geneetiliste riskide kohta (alates aastast 2013)
Tagasiside andmise probleem statistiku pilgu läbi …
Slaidi autor: Märt Möls
Slaidi autor: Märt Möls
Slaidi autor: Märt Möls
Slaidi autor: Märt Möls
Slaidi autor: Märt Möls
Slaidi autor: Märt Möls
Slaidi autor: Märt Möls
Slaidi autor: Märt Möls
0 2 4 6 8 10
05
1020
30
x
y
Mida talle öelda?
Kuidas ja millist tagasisidet saame anda?• Selged geneetilised riskid: harvad haigused (nn
mendeliaansed haigused) mis on põhjustatud harvaesinevate geneetiliste mutatsioonide poolt
• Geenidoonorite DNA genotüpiseerimisel kasutatakse ülegenoomseid kiipe, mille abil määratakse vaid sagedasi (enam kui 1% indiviididest esinevaid) mutatsioone: enim kasutatud kiip (Illumina OmniExpress) määrab üle 700000 markeri
• Harvade mendeliaansete haiguste kohta Geenivaramu enamasti tagasisidet anda ei saa
Tagasiside tavaliste haiguste riskide kohta?
• Enamik haiguseid (jm fenotüüpe) on kompleksse taustaga: haiguseriskiga on seotud paljud teadaolevad markerid üle genoomi, kuid enamasti on veelgi suurem mõju keskkonnateguritel
Hüpertensioon (kõrgvererõhutõbi) Geenivaramu andmebaasis
Definitsioon:• Andmebaasi sisestatud diagnoos (ICD10 diagnoosid I10-
I15)• Kõrgenenud vererõhk andmekogumise hetkel:
SBP>140mmHg või DBP>90mmHg
Kokku 37,8% (19127) geenidoonoritest vastavad kas ühele või teisele kriteeriumile
Näide:
Hüpertensiooni levimus sõltuvalt soost ja vanusest Geenivaramu andmebaasis
18-40 41-65 66+
MehedNaised
Pro
tsen
t
020
4060
80
Peamised hüpertensiooni riskitegurid
• Kehakaal, kehamassiindeks• Suitsetamine• Geneetika: tuvastatud ligi 30 sõltumatut
markerit (SNP-i)
Geneetilised riskitegurid
Geneetilised riskitegurid
Kui hästi saame prognoosida geneetilisi riske?
Kuidas mõõta prognoosi headust?Logistilises regressioonimudelis:
– Geneetilise riskiskoori (arvutatud 29 markeri põhjal) mõju hüpertensiooni olemasolule, mudelis, mis arvestab soo, vanuse ja kehamassiindeksiga: Beta=0.2 (OR=1.2), p-väärtus = 2.3*10-6 1 standardhälbe kohta
(valimi suurus selle hindamiseks: 4164)
On see hea?
20 30 40 50 60 70
020
4060
8010
0
Vanus
Levi
mus
(%)
BMI=25BMI=30BMI=40
Madal gen.riskKeskmine gen.riskKõrge gen.risk
BMI – kehamassiindeks
Geneetiline risk:Madal: riskiskoor alumise 5% seasKõrge: riskiskoor ülemise 5% seas
Riskiskoori efekt hinnatud publitseeritud andmete põhjal (1 SD-le vastav efekt on OR=1.23)
Hüpertensiooni levimus sõltuvalt riskiteguritest: naised
Hüpertensiooni levimus sõltuvalt riskiteguritest: mehed
20 30 40 50 60 70
020
4060
8010
0
Vanus
Levi
mus
(%)
BMI=25BMI=30BMI=40
Madal gen.riskKeskmine gen.riskKõrge gen.risk
Kui palju lisavad geenid prognoosile?
• ROC-kõver (must: ilma geeniandmeteta, punane: geeniandmed lisatud)
Specificity
Sen
sitiv
ity
0.0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0.0
Geeniandmed ei annagi uut infot?
… sest vanuse, soo ja kehamassiindeksi mõju on lihtsalt niivõrd tugev
Reklassifitseerimise indeksid (NRI) põhinevad sellistel tabelitel:
Genotüübiga mudel:Genotüübita mudel:
Madal risk (<25%)
Keskmine risk Kõrge risk (>75%)
Madal risk (<25%) 98 15 0
Keskmine risk (25%..75%) 5 894 66Kõrge risk (>75%) 0 56 984
Genotüübiga mudel:Genotüübita mudel:
Madal risk Keskmine risk Kõrge risk
Madal risk 940 30 0
Keskmine risk 43 827 19
Kõrge risk 0 19 168
Haiged:
Terved:
Prognoosikategooria paranes 81 haigel, 62 tervel, halvenes 61 haigel ja 49 tervel – kokku muutus korrektsemaks 20 haigel ja 13 tervel (0.79% indiviididest).
NRI= 0.016
Kas tõesti pole geenidest eriti kasu?• Vaatame indiviide vanuses 40 kuni 49• Kehamassiindeks (BMI) 25 kuni 30 (kerge ülekaal)• Hüpertensiooni levimus vastavalt geneetilise
riskiskoori kvantiilidele:
Kvantiil Hüpertensiooni levimus0..25% 20% (13/64)25%..75% 36% (34/95)>75% 56% (29/52)
Kui muud riskitegurid sarnased, on siiski geenidel oluline roll
Pigem on siiski kõige informatiivsem kujutada riske graafiliselt:
20 30 40 50 60 70
020
4060
8010
0
Vanus
Levi
mus
(%)
BMI=25BMI=30BMI=40
Madal gen.riskKeskmine gen.riskKõrge gen.risk
Nt 165 cm pikal naisterahval on BMI=25, kui ta kaalub 68 kg ja BMI=30, kui ta kaalub 82 kg
Geneetiline riskiskoor võib seega tema riski mõjutada umbes samas ulatuses kui 14-kilone kaalutõus (või – langus)
Pigem on siiski kõige informatiivsem kujutada riske graafiliselt:
20 30 40 50 60 70
020
4060
8010
0
Vanus
Levi
mus
(%)
BMI=25BMI=30BMI=40
Madal gen.riskKeskmine gen.riskKõrge gen.risk
Oled siin
Kokkuvõte: statistilised probleemid geneetilise tagasiside andmisel
• Kuidas tõlkida statistilise mudeli parameetrid reaalsete riskide keelde?
• Kuidas hinnata adekvaatselt riski hinnangute (prognooside) headust ja geneetika rolli muude riskitegurite kõrval?