Nature Genetics
电子健康记录表型整合提升疾病风险预测
小赛推荐：
本文提出了一种新的表型整合方法，结合电子健康记录中的表型信息与基因数据，显著提升疾病风险预测与全基因组关联研究效能，适用于多种常见疾病。
文献概述
本文《Liability threshold model-based disease risk prediction based on electronic health record phenotypes》发表于《Nature Genetics》杂志，回顾并总结了利用电子健康记录（EHR）数据进行基因组关联研究的新方法——Liability Threshold Phenotypic Integration (LTPI)。该方法通过整合多种表型数据（包括二元和连续性表型）与基因相关性，构建目标疾病的连续性表型评分，从而提升疾病风险预测与GWAS分析的统计效能，尤其在缺失数据情况下仍保持稳定性能。
背景知识
传统EHR数据依赖于ICD代码进行病例对照分类，存在信息不完整、准确性差、非随机缺失等问题，限制了基因组研究的统计效力。本文基于Liability Threshold模型，提出LTPI方法，结合遗传相关性与表型数据，通过自动化特征选择（ATSA）算法筛选与目标疾病相关的非目标表型，从而生成更精确的连续性表型评分。该方法在eMERGE网络与UK Biobank数据中均表现出优于传统PheCode、LTFH（基于家族病史的模型）与SoftImpute（表型插补方法）的预测性能，尤其在疾病风险异质性与GWAS功率方面提升显著。研究还通过模拟实验验证了LTPI在不同缺失率与表型数量下的稳健性，为后续疾病模型构建与药物研发提供更高质量的表型数据基础。
研究方法与实验
LTPI模型基于Liability Threshold模型，通过遗传相关性整合非目标表型数据（包括二元和连续表型），分两步计算目标疾病的遗传易感性：第一步利用二元表型计算后验遗传易感性均值（LTPIb），第二步结合连续表型计算最大似然估计（LTPIc），最终LTPI评分为两者的加权组合。模型通过自动化特征选择（ATSA）算法筛选最具信息量的非目标表型，避免引入无关特征，提高预测准确性。
关键结论与观点
研究意义与展望
LTPI为EHR数据驱动的基因组研究提供了更高效、准确的表型整合方法，尤其适用于表型缺失或非目标表型丰富的场景。未来可进一步扩展至非结构化EHR数据（如临床文本）的整合，提升个体化疾病风险预测与精准医疗能力。
结语
本文提出LTPI方法，基于Liability Threshold模型，结合EHR数据中的表型与遗传信息，显著提升疾病风险预测与GWAS效能。研究通过模拟与真实数据验证，展示了LTPI在处理缺失表型、整合多源表型数据方面的稳健性与高效性。LTPI不仅优化了目标疾病的风险评分，还揭示了与目标疾病遗传相关联的非目标表型，为复杂疾病研究提供新思路。该方法在UK Biobank与eMERGE数据中均表现出优越的预测性能与统计效能，尤其在慢性肾病（CKD）、冠心病（CAD）等疾病中识别出更多独立风险位点。未来，LTPI可进一步结合非结构化数据（如医生记录、影像报告）进行更全面的表型分析，推动精准医学与个体化疾病管理。
