本文属于类型a：报告单一原创研究的科学论文。
这篇文章 titled “Genome-wide polygenic risk scores predict risk of glioma and molecular subtypes” 由Taishi Nakase等多个作者共同撰写，发表于《Neuro-Oncology》期刊上。研究的主要作者包括Taishi Nakase, Geno A. Guerra, Quinn T. Ostrom, Tian Ge, Beatrice S. Melin, Margaret Wrensch及其他人，所属机构分别为斯坦福大学医学院、加州大学旧金山分校等多个国际研究中心。文章于2024年6月25日提前发布。
该研究主要讨论的是多基因风险评分 (Polygenic Risk Scores, PRS) 在胶质瘤及其分子亚型中的应用。胶质瘤是一种常见的中枢神经系统恶性肿瘤，研究表明其遗传变异影响发病风险。然而，由于相关基因组关联研究 (GWAS) 样本量有限，这项研究旨在通过整合多种基因变异来提高风险预测的准确性。
通常PRS通过累积众多风险变异的贡献，提供个体化的遗传易感性。然而，由于胶质瘤GWAS样本规模较小，研究强调通过现有数据有效捕捉遗传风险的必要性。研究的目标是开发一种新的基于贝叶斯方法的全基因组PRS (PRS-CS)，并评估其在预测个体胶质瘤风险和区分胶质瘤亚型中的应用潜力。
研究共分为多个步骤，首先是通过PRS-CS和传统的clumping and thresholding (CT)方法开发新的PRS模型。研究对象包括基于组织学的胶质瘤病例及对照组（10346例病例和14687例对照），以及分子亚型的病例和对照（2632例病例和2445例对照）。随后，研究在两个独立的队列中进行验证。
PRS模型的训练来源于多个GWAS的meta分析，分析对象包括世界范围内收集的胶质瘤病例，通过对比不同PRS方法的表现，研究力求获得更准确的预测结果。
研究结果显示，PRS-CS在胶质瘤亚型的预测上普遍优于PRS-CT，尤其在胶质母细胞瘤（GBM）的预测中表现显著。PRS-CS模型在解释方差（R2）上提升了约24%，并增大了每标准差的odds ratio（OR）值。同时，PRS-CS辅助在胶质母细胞瘤风险评估及IDH突变状态的分类中表现出更高的精度。
具体来说，PRS-CS方法更全面地捕捉到了胶质瘤的遗传结构，使得在不同病例间的区分更为显著，并为个体风险评估提供了更准确的数据支持。
该研究得出结论，基于全基因组PRS的方法可以提高对高风险个体的检测能力，并有助于鉴别胶质瘤的预后亚型。研究表明这一新方法在科学和应用价值上提供了更广泛的可能性，为临床上个性化的胶质瘤风险评估和管理提供了新的视角。
该研究的创新在于通过先进的基因组方法提升胶质瘤风险预测的准确性，并在特定的分子亚型中显示出潜力。这不仅提高了PRS的有效性，还开辟了将遗传学研究与临床实践相结合的新渠道。
该文章的研究内容为胶质瘤的诊断、预防和治疗提供了重要的见解和工具，对于从事癌症遗传学研究的学者来说，这是一个值得关注的重要发展方向。