Untitled
Apixmed Prism – инновационная платформа генетической аналитики нового поколения
Главная keyboard_arrow_right Блог keyboard_arrow_right
Точность генетического теста: считывание ДНК и оценка риска
Технология
Дата публикации:
7 минут чтения

Точность генетического теста: считывание ДНК и оценка риска

Концептуальная шкала-измеритель со светящейся стрелкой на светло-голубом фоне — главное изображение о точности тестирования.

Генетический тест на основе метода генотипирования надёжно определяет распространённые варианты ДНК: по сравнению с прямым прочтением последовательности ДНК (как при полногеномном секвенировании) согласованность результатов составляет около 99%. Предсказать, разовьётся ли определённое клиническое состояние, на основе информации об этих распространённых вариантах — другая задача, со своими, более узкими границами.

Точность считывания и точность прогноза не совпадают из-за устройства полигенных признаков: совокупная предрасположенность складывается из множества небольших вкладов, поэтому прогноз для отдельного человека зависит от признака, модели и группы сравнения.

Что же стоит за уровнем точности генетического теста и на что смотреть в конкретном отчёте?

Две составляющие точности генетического теста

Чтобы получить оценку по показателю, выполняют два разных действия: определяют варианты ДНК конкретного человека, а затем по этим вариантам рассчитывают относительную предрасположенность человека к тому или иному состоянию. Каждое действие имеет собственный тип ошибки, и мера для каждого своя: аналитическая валидность для определения вариантов, клиническая — для расчёта предрасположенности.

Аналитическая валидность описывает качество лабораторного определения вариантов: совпадают ли генотипы в отчёте с исходным геномом образца. Её проверяют путём сопоставления результатов генотипирования с секвенированием тех же образцов — методом, который читает последовательность ДНК напрямую, а не в заранее заданных позициях ДНК.

Клиническая валидность показывает, насколько оценка предрасположенности согласуется с тем, что действительно наблюдают у людей: чаще ли возникает состояние у тех, у кого оценки выше, и совпадает ли ожидаемая частота с фактической. Пригодность оценки для конкретного медицинского решения лежит за пределами валидности и оценивается отдельно.

Высокая аналитическая валидность не гарантирует высокой клинической: надёжное считывание, хотя и обеспечивает точные данные, оказывает лишь косвенное влияние на точность оценки риска.

Точность считывания ДНК

В исследовании на данных UK Biobank результаты генотипирования сопоставили с экзомным секвенированием у 49 908 участников (Weedon et al., BMJ, 2021). Для распространённых вариантов с частотой в популяции более 1% генотипирование точно выявило 99,7–99,8% вариантов. Среди всех вариантов, определённых как присутствующие, секвенирование подтвердило соответствие в 98,7–99,0% (Weedon et al., BMJ, 2021).

Для редких вариантов то же исследование даёт другие цифры. Среди вариантов с частотой ниже 0,001% секвенирование подтвердило лишь 16% из 4757 результатов, в которых генотипирование показало наличие варианта. Отдельно авторы оценили редкие патогенные варианты на примере двух генов и пришли к выводу, что для очень редких патогенных вариантов такие результаты ненадёжны и не должны влиять на медицинские решения без подтверждения альтернативным клинически валидированным методом (Weedon et al., BMJ, 2021).

Важно, что часть генотипов определяют расчётным путём: по считанным позициям и референсной панели гаплотипов (наборов вариантов, наследуемых вместе на одном участке хромосомы). Так оценивают вероятный генотип там, где прямое считывание его не даёт. Такой расчёт расширяет круг вариантов, доступных для исследований, — с большими панелями до частоты около 0,01% (Taliun et al., Nature, 2021). Для отдельного человека это не означает одинаковой точности определения каждого из таких вариантов.

Подробнее о том, как данные генотипирования превращаются в показатели отчёта, — в статье От сырых данных до показателей отчёта: как данные генотипирования превращаются в генетический профиль.

Прозрачная спиралевидная структура ДНК со светящимся сегментом на фоне силуэтов референтной популяции.

Почему точное считывание не означает точной оценки риска

Многие признаки и состояния, которые оценивают в генетических отчётах, имеют полигенную архитектуру: совокупная генетическая предрасположенность формируется вкладами сотен или тысяч вариантов, каждый из которых по отдельности имеет небольшой эффект. Чтобы выразить эту оценку одним значением, рассчитывают полигенную оценку риска (polygenic risk score, PRS), по которой определяют уровень генетической предрасположенности человека относительно референсной популяции (Slunecka et al., Hum. Genom., 2021). PRS строят на результатах полногеномных исследований ассоциаций (genome-wide association study, GWAS), где частоту вариантов сопоставляют между группами с признаком и без него.

Высокое значение полигенной оценки риска (PRS) само по себе не означает высокой вероятности заболеть. Например, PRS на уровне 90-го процентиля означает, что примерно у 90% людей в референсной выборке оценка генетической предрасположенности ниже. Чтобы оценить абсолютный риск, нужно также учесть, как часто заболевание возникает в соответствующей популяции за определённый период. В зависимости от заболевания, для индивидуального прогноза могут быть важны возраст, условия жизни и клинические показатели. Насколько хорошо PRS различает людей с заболеванием и без него? Это показывает площадь под ROC-кривой (AUC). Представим 100 случайно сформированных пар людей, в каждой из которых один человек имеет заболевание, а другой нет. Если AUC равна 0,70, то примерно в 70 из 100 пар более высокую оценку генетической предрасположенности будет иметь человек с заболеванием. При AUC 0,50 результат такой же, как при случайном выборе, а при AUC 1 человек с заболеванием будет иметь более высокую оценку во всех 100 парах.

В обзоре клинической пригодности полигенных оценок (2023 г.) этот показатель обычно составлял 0,65–0,70 и существенно зависел от заболевания; для диабета 1-го типа авторы приводят около 0,90. Добавление PRS к клинической шкале повышало его умеренно. Высокое значение PRS не равнозначно высокому абсолютному риску (Koch et al., J. Community Genet., 2023).

Причина этого ограничения заключается в архитектуре самого признака. Генетическая составляющая — лишь один из факторов наряду с образом жизни, средой, возрастом и случайностью, и для разных состояний её вес неодинаков. Высокая точность определения распространённых вариантов не меняет того, что генетические данные описывают лишь часть вариации признака.

Точность оценки предрасположенности

Для одного признака или заболевания существует несколько моделей расчёта, построенных на разных выборках и разными статистическими методами, поэтому результат зависит от выбора модели. Описывают эти модели тоже по-разному, и чтобы свести описание к общим требованиям, в отрасли появился стандарт отчётности для полигенных показателей риска (polygenic risk score reporting standards, PRS-RS). Стандарт разработала рабочая группа консорциума Clinical Genome Resource (ClinGen) совместно с авторами каталога полигенных оценок PGS Catalog. Стандарт содержит 22 пункта и определяет обязательные сведения о каждой модели: состав выборки, статистические методы, результаты проверки и ограничения оценки (Wand et al., Nature, 2021). Каталог хранит сами модели со списками вариантов, аллелей и весов — числовых коэффициентов, задающих вклад каждого варианта, — чтобы модели можно было воспроизвести и сопоставить между собой (Lambert et al., Nat. Genet., 2021).

Точность зависит также от популяции. Чем больше генетическое расстояние между популяцией, на данных которой построена модель, и той, к которой её применяют, тем ниже точность прогноза. К этому добавляются различия в частотах вариантов и в том, какую долю вариации признака объясняют генетические факторы (Kachuri et al., Nat. Rev. Genet., 2024).

Apixmed Prism считывает около 700 000 генетических маркеров и рассчитывает каждый показатель по всем доступным моделям признака, сводя их результаты к общей шкале относительно референсной популяции.

Две параллельные прозрачные пластины: верхняя содержит спираль ДНК, нижняя — волнообразный ландшафт фенотипических данных.

Границы генетической оценки

Генетическая оценка охватывает относительную предрасположенность и не является клиническим диагнозом. Текущего состояния организма она не показывает: уровни веществ, воспаление и функцию органов оценивают лабораторными обследованиями. Поэтому генетический результат читают вместе с анамнезом и данными обследований пациента, а интерпретация в медицинском контексте требует специалиста с соответствующей подготовкой (ACMG, DNA-based screening and personal health, 2021).

Смешивание генетической предрасположенности с текущим состоянием — самый частый источник неверных ожиданий от теста. 

О том, как соотносятся эти два уровня информации, — в статье Что такое ДНК-тест и чем он отличается от анализа крови.

Определение вариантов и прогноз имеют разные границы: для распространённых вариантов считывание надёжно, а сила прогноза зависит от признака и модели. Обе границы оценивают по определённым критериям, поэтому о надёжности результата судят не по самому числу: нужно знать, каким методом считаны данные, по какой модели рассчитана оценка и относительно какой популяции она представлена.

Исследуйте свои генетические особенности с Apixmed Prism — более 1000 показателей в 26 направлениях генетического тестирования.

Часто задаваемые вопросы

Бывают ли ошибки в определении вариантов ДНК?

Для распространённых генетических вариантов вероятность ошибки низкая: сравнение с прямым прочтением последовательности ДНК, то есть секвенированием, даёт точность около 99%. Для очень редких вариантов надёжность падает, поэтому такие результаты подтверждают целевым лабораторным методом.

Генетический тест показал высокий уровень предрасположенности, а стандартные обследования не выявили отклонений — как это понимать?

Эти результаты описывают разное. Генетический отчёт показывает унаследованную предрасположенность, стандартные лабораторные анализы и обследования — состояние организма на момент исследования. Совпадение между ними не обязательно, а расхождение не свидетельствует об ошибке ни в одном из результатов.

Означает ли высокая генетическая предрасположенность, что состояние разовьётся?

Высокая предрасположенность не равнозначна высокому абсолютному риску. Значение PRS показывает, насколько человек отличается по генетическим факторам от большинства людей в референсной выборке. Проявится ли предрасположенность, зависит от многих других обстоятельств.

Становятся ли генетические тесты точнее со временем?

Унаследованный генотип остаётся неизменным, а модели расчёта пересматривают по мере накопления исследований, поэтому повторная интерпретация тех же данных может дать уточнённую оценку. Подробнее — в статье Реанализ отчёта: что меняется, когда обновляется научная база.

 

Результаты генетического теста — это не диагноз и не замена консультации врача. Отчёт Apixmed Prism даёт генетический контекст, который дополняет результаты обследований и помогает принимать решения вместе с врачом.

 

Источники

  1. American College of Medical Genetics and Genomics. (2021). DNA-based screening and personal health: a points to consider statement for individuals and health-care providers. Genetics in Medicine, 23(6), 979–988. https://doi.org/10.1038/s41436-020-01083-9

  2. Kachuri, L., Chatterjee, N., Hirbo, J. и др. (2024). Principles and methods for transferring polygenic risk scores across global populations. Nature Reviews Genetics, 25(1), 8–25. https://doi.org/10.1038/s41576-023-00637-2

  3. Koch, S., Schmidtke, J., Krawczak, M., Caliebe, A. (2023). Clinical utility of polygenic risk scores: a critical 2023 appraisal. Journal of Community Genetics, 14(5), 471–487. https://doi.org/10.1007/s12687-023-00645-z

  4. Lambert, S. A., Gil, L., Jupp, S. и др. (2021). The Polygenic Score Catalog as an open database for reproducibility and systematic evaluation. Nature Genetics, 53(4), 420–425. https://doi.org/10.1038/s41588-021-00783-5

  5. Slunecka, J. L., van der Zee, M. D., Beck, J. J. и др. (2021). Implementation and implications for polygenic risk scores in healthcare. Human Genomics, 15(1), 46. https://doi.org/10.1186/s40246-021-00339-y

  6. Taliun, D., Harris, D. N., Kessler, M. D. и др. (2021). Sequencing of 53,831 diverse genomes from the NHLBI TOPMed Program. Nature, 590(7845), 290–299. https://doi.org/10.1038/s41586-021-03205-y

  7. Wand, H., Lambert, S. A., Tamburro, C. и др. (2021). Improving reporting standards for polygenic scores in risk prediction studies. Nature, 591(7849), 211–219. https://doi.org/10.1038/s41586-021-03243-6

  8. Weedon, M. N., Jackson, L., Harrison, J. W. и др. (2021). Use of SNP chips to detect rare pathogenic variants: retrospective, population based diagnostic evaluation. BMJ, 372, n214. https://doi.org/10.1136/bmj.n214

Читайте следующие статьи

Остались вопросы?

Оставьте свои контактные данные — наши специалисты свяжутся с вами в ближайшее время. Мы поможем разобраться в предложениях, подобрать тест в соответствии с вашим запросом и ответим на любые вопросы о продукте и процессе.