Epi-PRS：利用基因组大语言模型实现精准多基因风险预测

原作者/维护者：SUwonglab 来源平台：GitHub 原始链接：https://github.com/SUwonglab/Epi-PRS 发布时间：2026-06-16T18:11:51Z

Epi-PRS是一种创新的多基因风险评分方法，通过基因组大语言模型（如DeepMind的Enformer）将个人DNA序列转换为个性化的基因组和表观基因组特征，解决传统PRS方法依赖统计关联、忽略基因调控机制等局限，为疾病风险建模提供新思路。

传统PRS基于GWAS summary statistics，存在以下局限：

1. 线性假设局限：忽略基因间相互作用和非线性效应；
2. 功能注释缺失：难以利用非编码区调控变异的信息；
3. 人群偏倚：在非欧洲人群中预测准确性下降。Epi-PRS试图通过深度学习模型缓解这些问题。

核心技术：Enformer模型 Enformer是DeepMind开发的Transformer架构模型，可预测DNA序列的分子表型，特点包括：

• 接受长达196608碱基对的序列输入；
• 多任务预测5313个分子表型；
• 捕捉长程序列依赖。

Epi-PRS工作流程：

1. 个人基因组特征提取：从目标区域DNA序列中提取Enformer特征；
2. 表观基因组特征工程：跨细胞类型聚合、功能区域加权、降维；
3. 风险预测模型训练：使用线性模型、弹性网络或梯度提升树训练预测模型。

技术优势：

• 生物学可解释性：特征对应明确分子表型；
• 利用非编码区变异：覆盖98%非编码基因组；
• 整合罕见变异：从完整序列学习；
• 跨人群泛化：基于多样化数据训练。

应用场景：

• 疾病风险分层：如乳腺癌高风险个体早期筛查；
• 药物基因组学：指导个性化用药；
• 复杂疾病研究：识别风险基因和调控通路。项目仓库包含乳腺癌风险预测示例。

Epi-PRS面临的挑战：

1. 计算成本高：Enformer推理需大量资源；
2. 特征维度大：易导致过拟合；
3. 因果推断问题：仅识别统计关联而非因果效应；
4. 模型更新需求：需随新数据更新参考基因组和细胞类型信息。

Epi-PRS的未来方向：

1. 更强大的基础模型：支持更长序列和更多预测任务；
2. 多组学整合：结合转录组、蛋白质组等数据；
3. 因果推断方法：区分相关性与因果性；
4. 临床转化研究：验证临床效用和成本效益。

Epi-PRS将深度学习与基因组学融合，为多基因风险预测开辟新路径，不仅提升预测准确性，还增进对疾病遗传机制的理解。随着数据积累和计算能力提升，这类方法将在精准医学中发挥重要作用，为研究者和临床医生提供更精准的风险评估工具。