使用多基因风险评分评估不同队列中自报睡眠表型的定义

Using Polygenic Risk Scores to Evaluate Definitions of Self-Reported Sleep Phenotypes Across Cohorts

作者信息Annah B Wyss, Michael Brown, Xiang Li, Brian W Spitzer, Zhijie Huang, Heming Wang, Richa Saxena, Linda Gallo, Qibin Qi, Wassim Tarraf, Robert Kaplan, Melissa Lamar, Hector M González, Charles DeCarli, Myriam Fornage, Jerome I Rotter, Stephen S Rich, Kent D Taylor, Xiuqing Guo, Alexis C Wood, Peter Y Liu, Susan R Heckbert, Chloé Sarnowski, Jan Bressler, Alanna C Morrison, Bing Yu, Pamela L Lutsey, Carmen R Isasi, Susan Redline, Tamar Sofer
PMID42479672
期刊Sleep
发布时间2026-07-21
DOI10.1093/sleep/zsag200

实验完整度

中

基于四个队列的遗传关联分析,有明确实验方法和验证结果,但未涉及功能或机制验证。

主要模型

HCHS/SOL队列(N=12 182,西班牙裔/拉丁裔) MESA队列(N=2085,多种族) ARIC队列(N=1550,欧洲血统为主) BHS队列(N=1078,白人和黑人)

重点核对

睡眠表型定义阈值:短睡眠≤5、<6、≤6、<7小时;长睡眠>8、≥9、>9、≥10小时 PRS构建方法:UKB PRS-CS、MVP PRS-CS、MVP PRS-CSx及组合PRS 协变量调整:年龄、性别、中心、祖源主成分(HCHS/SOL和MESA为5个,ARIC和BHS为10个) 荟萃分析模型:固定效应逆方差加权,异质性p<0.05时报告随机效应结果 样本量:总N=16 895,各队列样本量及病例数见表2

摘要

研究目的:由于睡眠表型的全基因组关联研究(GWAS)是在不同人群中进行的,且不同研究中睡眠表型的定义各不相同,我们研究了多个多基因风险评分(PRS)与多种族队列中潜在睡眠定义之间的关联。材料与方法:利用四个队列(HCHS/SOL、ARIC、MESA、BHS,N = 16 895)的数据,我们考虑了短睡眠和长睡眠、失眠以及日间过度嗜睡(EDS)的多种定义。多基因风险评分(PRS)基于来自英国生物银行(UKB)欧洲血统个体GWAS的汇总统计量以及来自百万退伍军人计划(MVP)多种族人群GWAS的汇总统计量开发。研究特定分析估计了睡眠PRS与相应睡眠测量指标之间的关联,以PRS每增加1个标准差为单位。模型根据年龄、性别、祖源主成分以及适当情况下的中心和种族进行了调整。结果在各研究间进行了荟萃分析。结果:基于欧洲血统UKB GWAS的PRS与相应睡眠表型的多种定义具有统计学显著关联。跨研究最一致的关联包括:短睡眠PRS与≤6小时(OR = 1.23,p = 1.80×10−7,phet = 0.97);长睡眠PRS与≥9小时(OR = 1.09,p = 6.76×10−4,phet = 0.77);失眠PRS与妇女健康倡议失眠评定量表(WHIIRS)≥10或ARIC中三个问题子集≥6(OR = 1.17,p = 5.51×10−10,phet = 0.69);以及EDS PRS与Epworth嗜睡量表(ESS)≥11(OR = 1.23,p = 1.83×10−13,phet = 0.83)。基于多种族MVP GWAS的PRS与仅基于欧洲血统的PRS相比关联较弱。结论:通过评估多种类型的睡眠PRS和睡眠表型,我们能够突出哪些睡眠PRS在不同人群中表现良好,以及哪些睡眠定义更好地捕捉了遗传基础。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
评估不同多基因风险评分(PRS)与多种睡眠表型定义之间的关联,以确定哪些睡眠PRS在不同人群中表现良好以及哪些睡眠定义更好地捕捉遗传基础。
核心机制
睡眠表型的遗传易感性可通过多基因风险评分捕捉,不同PRS构建来源和睡眠定义会影响关联的强度和一致性。
主要证据
在四个多种族队列中,UKB PRS与短睡眠≤6小时、长睡眠≥9小时、WHIIRS≥10(或3问题≥6)和ESS≥11的关联最显著且一致;MVP PRS关联较弱;UKB+MVP组合PRS关联更强但一致性稍差。
研究意义
研究结果可帮助未来遗传和非遗传研究,特别是跨研究合作,优先选择哪些睡眠PRS和睡眠定义。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

队列数据收集与睡眠表型评估

获取多队列参与者的睡眠测量和遗传数据,定义多种睡眠表型。

从HCHS/SOL、MESA、ARIC、BHS四个队列中收集睡眠问卷和遗传数据,根据睡眠时长、WHIIRS、ESS等定义短睡眠、长睡眠、失眠和日间过度嗜睡的不同阈值。

2

多基因风险评分构建

基于UKB和MVP的GWAS汇总统计量构建睡眠PRS。

使用PRS-CS和PRS-CSx方法,基于UKB(欧洲血统)和MVP(多种族)的GWAS结果构建PRS,包括单一来源和组合PRS。

3

PRS与睡眠表型关联分析

评估各PRS与相应睡眠表型定义的关联强度。

在每个队列中使用逻辑回归或线性回归,调整年龄、性别、中心、祖源主成分等,估计PRS每增加1个标准差与睡眠表型的关联,然后进行荟萃分析。

4

敏感性分析和二次分析

验证主要结果的稳健性并探索睡眠定义与认知和心血管性状的关联。

使用MESA visit 4数据、BMI调整、性别分层进行敏感性分析;分析睡眠定义与DSST和高血压的关联。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

遗传数据生成与质控
多基因风险评分构建
方差解释率分析

产品清单

实验环节名称品牌货号
Illumina HumanOmni2.5-8 BeadChipIllumina--
Affymetrix GeneChip SNP Array 6.0Affymetrix--
Illumina Human610 BeadChipIllumina--
TOPMed填充服务器----
PRS-CS----
PRS-CSx----
PLINK----
PRSice----
GWAMA v.2.2.2----
R----
r2redux R包----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
队列选择与样本量
各队列纳入分析的样本量及睡眠和遗传数据完整性:HCHS/SOL visit 1(N=12 182)、MESA visit 5(N=2085)和visit 4(N=5384)、ARIC visit 4(N=1550)、BHS Biceps visit(N=1078)
阅读提示:Methods中Cohort studies部分及Table 2
睡眠表型定义
短睡眠和长睡眠的阈值(≤5、<6、≤6、<7小时;>8、≥9、>9、≥10小时)、失眠WHIIRS阈值(≥9、≥10、3问题≥5、≥6)、EDS ESS阈值(≥10、≥11、≥12)及一般问题分类
阅读提示:Methods中Sleep phenotypes部分及Figure 1
PRS构建
UKB和MVP GWAS汇总统计量来源、PRS-CS和PRS-CSx参数设置、参考面板选择、目标数据版本
阅读提示:Methods中Sleep polygenic risk scores部分及Supplemental Table 1
统计模型与协变量
逻辑或线性回归模型、协变量(年龄、性别、中心、祖源主成分数量)、BHS种族调整、HCHS/SOL抽样权重、荟萃分析方法
阅读提示:Methods中Statistical analysis部分
敏感性分析条件
MESA visit 4敏感性分析、BMI调整分析、性别分层分析的具体设置
阅读提示:Methods中Statistical analysis及Results中相应段落