EndoPRS：整合内表型信息提升哮喘临床终点多基因风险评分的精准预测

为解决多基因风险评分(PRS)在复杂疾病预测中忽视垂直多效性的问题，研究人员开发了endoPRS模型，通过整合嗜酸性粒细胞计数等内表型数据，显著提升了儿童哮喘风险预测的准确性和跨群体适用性，为临床精准预防提供了新工具。

　　多基因风险评分(PRS)在复杂疾病预测领域面临重大挑战——传统方法难以捕捉性状间垂直多效性(vertical pleiotropy)的调控关系。这项突破性研究提出的endoPRS创新性地采用加权lasso模型，无需预设内表型(endophenotype)与疾病的遗传架构，即可整合嗜酸性粒细胞计数等关键生物标志物数据。研究团队通过大规模仿真验证了该模型在各类复杂遗传场景下的稳健性，并在UK Biobank和All of Us队列的儿童哮喘预测中实现显著提升。特别值得注意的是，相比主流多性状PRS方法如MTAG和wMT-BLUP，endoPRS展现出更优异的预测性能与跨群体迁移能力，这为临床转化应用铺平了道路。该成果发表于《美国人类遗传学杂志》(AJHG)，标志着精准医学在呼吸系统疾病风险分层领域取得重要进展。