[{"title": "跨人群基因预测，样本越多反而越不准？","content": "

Google Research 一项新研究发现：在跨人群基因组预测中，迁移学习并非样本越多越有益。对于小规模的目标人群，从欧洲人群数据中迁移学习能显著提升预测效果；但当目标人群样本量增大后，这种迁移反而会降低预测准确性——尤其对具有人群特异性遗传结构的性状而言。

为什么跨人群预测会失效？

打开网易新闻 查看精彩图片

多基因风险评分（PRS）通过遗传变异来预测疾病风险，通常整合成百上千万个遗传变异的影响。但它在临床决策中的应用率一直不高，部分原因在于：历史上的全基因组关联研究（GWAS）绝大多数基于欧洲人群，一旦应用到非欧洲人群，准确性就会大幅下降。这种差异源于跨人群之间遗传结构、群体结构和变异等位基因频率的不同。

对大多数医疗系统来说，在数十万人中从头开展GWAS成本过高。因此，利用已有的欧洲中心GWAS进行迁移学习，再补充目标人群特有的GWAS数据，被视为一种潜在解决方案。

实验设计：两个大型生物库的对比

研究团队评估了八种临床性状的PRS表现，同时变化目标人群和欧洲人群的样本量。具体来说，他们测试了在英国生物库（UKB）中数十万欧洲个体中建立的PRS，能否迁移到日本生物库（BBJ）——一个深度表型队列。

选用的八种性状包括：体质指数（BMI）、收缩压、舒张压、红细胞计数、白细胞计数、高密度脂蛋白胆固醇（HDL）、低密度脂蛋白胆固醇（LDL）和血糖。在UKB中，这些性状的遗传力估计在0.07到0.28之间。

核心发现：样本量拐点

研究采用三种方法评估PRS的可迁移性，所有模型都在同一组BBJ留出样本上评估。结果显示：当目标人群样本量较小时，迁移学习带来的增益明显；但随着目标人群样本量增长，这种增益逐渐消失，甚至转为负效应——模型精度反而下降。

这一发现为跨人群基因组预测提供了实证指导：迁移学习的价值取决于目标人群的样本规模，并非一味堆数据就能提升效果。对于资源有限、样本量较小的非欧洲人群，迁移学习仍是可行路径；但对于已有较大样本的群体，可能需要重新考虑训练策略。