由Germans Trias i Pujol研究所（IGTP）的战略项目GCAT|Genomes for Life团队开发的PolyGenie，是一种旨在促进研究界探索和重用基因组数据的新工具。通过使用标准化的汇总统计数据和公开可用的参考面板，PolyGenie使研究人员能够计算多基因风险评分（PRS），用于研究目的，而无需访问原始个体层面的数据。
背景：基因组数据共享的困境
基因组研究正在产生海量的个体基因型数据。这些数据对于理解疾病遗传基础、开发预测模型至关重要。然而，隐私保护、数据伦理和存储成本限制了原始数据的广泛共享。研究人员只能获取汇总统计数据（如等位基因频率和效应量），而无法直接处理原始基因型。这限制了对现有数据的“再利用”——例如，在新人群或新疾病背景下重新分析数据，或在外部队列中验证多基因风险评分。
PolyGenie：解决基因组数据“再利用”难题
PolyGenie的核心创新在于其提供了一个无需访问原始个体数据的计算工具，帮助研究人员利用现有基因组数据资源。
工作原理：
-
数据输入：PolyGenie接受标准化的GWAS汇总统计数据（包括SNP的效应量、等位基因频率、p值等）作为输入。
-
参考面板：它利用公开可用的参考面板来估算未在汇总数据中直接观测到的基因型信息，并校正人群分层和基因型估算误差。
-
多基因风险评分计算：PolyGenie能够整合来自多个GWAS汇总数据的信息，为给定的个体样本（来自其他研究）计算其遗传风险评分，而无需将这些个体数据与原始研究合并。
核心功能与应用场景
1. 交叉研究验证
一个研究人员在A队列中开发了一个疾病预测模型（多基因风险评分），想在B队列中进行验证，但无法获取B队列的原始基因型数据。使用PolyGenie，B队列的研究者可以将其群体的汇总统计数据提供给A队列的研究者，A队列的研究者利用PolyGenie计算B队列中个体的多基因风险评分，并在不暴露B队列个体隐私的情况下完成验证。
2. 跨疾病关联探索
研究人员想探索精神分裂症的多基因风险评分是否也与炎症性肠病风险相关。通过PolyGenie，可以在两个大型GWAS数据集之间进行跨性状分析，而无需访问任何个体数据。
3. 遗传风险评分的“个性化”
该工具允许研究人员使用一个公开可用的参考面板，为特定人群（如某一族的个体）计算更准确的多基因风险评分。
开放科学的意义
PolyGenie是开放科学运动的重大贡献。它解决了基因组数据共享中最棘手的障碍之一——隐私与科学价值之间的冲突。通过提供一种不依赖原始数据访问的协作工具，PolyGenie有望：
-
加速发现：减少重复工作，使研究人员能够更快地验证和扩展现有发现。
-
提高可重复性：使独立验证成为可能，这有助于区分真实发现与假阳性关联。
-
赋予数据“二次生命”：使已发表的基因组数据能够在新的研究问题下被重新分析，最大化其科学价值。
局限与未来方向
局限：
-
依赖汇总统计数据的质量：PolyGenie的性能取决于输入数据的质量。如果汇总统计数据存在偏差或缺失，计算出的多基因风险评分也会受到影响。
-
人群分层校正：PolyGenie依赖于参考面板来校正人群分层，如果目标群体与参考群体存在显著差异，可能会引入偏差。
未来方向：
-
扩展至多性状分析：开发PolyGenie的扩展版本，使其能够同时整合来自多个GWAS的汇总统计数据，以构建更复杂的多基因风险评分。
-
与临床决策系统整合：未来可能将PolyGenie直接整合到临床决策支持系统中，使医生能够根据患者的基因型快速计算其多基因风险评分。
结论
PolyGenie为基因组数据的共享和再利用提供了一种创新的解决方案。 通过利用汇总统计数据而非原始个体数据，它消除了数据隐私和安全性的主要障碍，使研究人员能够跨研究进行验证和二次分析，从而加速科学发现。作为一款开源工具，PolyGenie将有助于推动基因组数据共享向更开放、更高效、更安全的方向发展。