Le score polygénique, également connu sous le nom de score de risque polygénique (ou PRS pour Polygenic Risk Score), est une valeur numérique dérivée d'une analyse génomique. Il est utilisé pour prédire la probabilité qu'un individu développe une certaine maladie ou caractéristique en fonction de son profil génétique. Le score polygénique est un nombre qui résume l'effet estimé de nombreuses variantes génétiques sur le phénotype d'un individu, généralement calculé comme une somme pondérée des allèles associés au trait. Il reflète la prédisposition génétique estimée d'un individu pour un trait donné et peut être utilisé comme prédicteur de ce trait.
Le score polygénique est calculé en additionnant les effets de nombreux variants génétiques associés à une maladie ou un trait donné. Ces scores sont généralement basés sur les résultats d'études d'association pangénomique (GWAS) qui identifient les variants génétiques associés à un certain trait ou risque de maladie. Chaque variante est pondérée en fonction de son association avec le trait ou la maladie.
Les scores polygéniques sont couramment utilisés en génétique pour prédire les risques de maladies complexes comme les maladies cardiovasculaires, le diabète de type 2 ou la schizophrénie. Ils sont également utilisés pour estimer les caractéristiques quantitatives, telles que la taille ou le quotient intellectuel.
Les progrès récents en génétique ont permis la création de prédicteurs polygéniques de traits humains complexes, y compris le risque pour de nombreuses maladies complexes, qui sont généralement affectées par de nombreux variants génétiques qui confèrent chacun un faible effet sur le risque global. Dans un prédicteur de risque polygénique, le risque à vie (ou dans une certaine tranche d'âge) pour la maladie est une fonction numérique capturée par le score qui dépend des états de milliers de variants génétiques individuels (c'est-à-dire, single nucleotide polymorphisms, ou SNP).
Un score polygénique (PGS) est construit à partir des "poids" dérivés d'une étude d'association pangénomique (GWAS).
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Une étude d'association pangénomique (en anglais genome-wide association study, GWAS) est une analyse de nombreuses variations génétiques chez de nombreux individus, afin d'étudier leurs corrélations avec des traits phénotypiques. Ces études se concentrent généralement sur les associations entre les polymorphismes nucléotidiques (SNP) et des phénotypes tels que les maladies humaines majeures. En effet, quand elle est appliquée sur des données humaines, une comparaison de séquences d’ADN se fait entre individus ayant plusieurs phénotypes différents pour un même caractère, la taille par exemple.
L'héritabilité mesure la part de variabilité d'un trait phénotypique qui dans une population donnée, est due aux différences génétiques entre les individus composant cette population. L'héritabilité au sens large est égale à la variance du trait attribuable aux différences génétiques dans la population divisée par la variance totale du trait dans la population. L'héritabilité au sens étroit correspond à une partie de l'héritabilité au sens large, ne tenant compte que de la variance d'origine génétique dite additive.
Explore la médecine personnalisée, la variabilité génétique et la réponse aux médicaments, en mettant l'accent sur l'adaptation des traitements en fonction des profils génétiques et métaboliques individuels.
Explore les études d'association à l'échelle du génome, en mettant l'accent sur l'identification des variantes génétiques associées aux maladies et l'impact sur la médecine personnalisée.
Type 2 diabetes mellitus (T2DM) can be multifactorial where both genetics and environmental factors play a role. We aimed to investigate the use of polygenic risk scores (PRS) in the prediction of pre-transplant T2DM and post-transplant diabetes mellitus ( ...
Characterizing the genetic structure of large cohorts has become increasingly important as genetic studies extend to massive, increasingly diverse biobanks. Popular methods decompose individual genomes into fractional cluster assignments with each cluster ...
SPRINGERNATURE2023
Global change exposes ecosystems to changes in the frequency, magnitude, and concomitancy of disturbances, which impact the composition and functioning of these systems. Here, we experimentally evaluate the effects of salinity disturbances and eutrophicati ...