Population Stratification in Risk Prediction Models

  • Gola, Damian (Principal Investigator (PI))
  • Fischer, Krista (Associated Staff)
  • Metspalu, Mait (Associated Staff)

Project: DFG ProjectsDFG Scholarships: Research Fellowships

Project Details

Description

An important goal of precision medicine is to estimate the individual risk of common diseases in order to enable effective prevention and early intervention. Current risk prediction models are often created using data from a specific population. Recent results, however, show that even minor differences in the underlying genetic architecture of different populations can distort individual risk predictions. This is of paramount importance if the individual comes from a different population than the model was created. This can lead to unnecessarily increased prevention efforts if the risk is considered too high, or to the lack of prevention efforts if the risk is considered too low, which in turn can lead to a lower quality of life. We are facing this situation, especially in Europe, because migration from one European country to another has never been easier than it has been these days.In this project, I first want to examine how sensitive current methods are for creating risk prediction models for different European populations. In a second step, I want to investigate how better risk prediction models can be constructed considering the underlying population structure.

Key findings

Die individuelle Risikovorhersage auf der Grundlage genomweiter polygenetischer Risiko-Scores (PGRS) unter Verwendung von Millionen von genetischen Varianten hat in der jüngsten Literatur große Aufmerksamkeit erregt. Es wird diskutiert, ob PGRS-Modelle - ohne Verlust an Genauigkeit - auf Populationen mit ähnlichem ethnischen, aber unterschiedlichem geografischen Hintergrund angewendet werden können. Im Rahmen dieses Forschungsprojekts wurde untersucht, wie PGRS in einem populationsspezifischen, aber europäischen Datensatz in anderen europäischen Subpopulationen funktionieren. Unter Verwendung von Daten aus britischen und estnischen Biobanken sowie von Fallkontrolldaten aus der deutschen Bevölkerung wird gezeigt, dass PGRS die höchste Leistung in den Testdatensätzen der entsprechenden Population aufweist, während ihre Leistung deutlich abnimmt, wenn sie auf Testdatensätze aus verschiedenen anderen europäischen Populationen angewendet werden. Dieses Ergebnis hat direkte Auswirkungen auf die klinische Verwendbarkeit von Risikovorhersagemodellen unter Verwendung von PGRS: Bei der Anwendung von Risikoschätzmodellen, die auf zusätzlichen genetischen Informationen basieren, muss ein Populationseffekt berücksichtigt werden, auch für Individuen aus verschiedenen europäischen Populationen derselben Ethnizität. Dies motiviert zusätzlich den Aufbau umfangreicher nationaler populationsbasierter Biodatenbanken, um in Zukunft Präzisionsmedizin unter der Verwendung genetischen Information auch in Deutschland betreiben zu können.
Statusfinished
Effective start/end date01.01.1931.12.20

Collaborative partners

  • Estonian Biocentre (Associated Staff)
  • University of Tartu (Associated Staff) (lead)

UN Sustainable Development Goals

In 2015, UN member states agreed to 17 global Sustainable Development Goals (SDGs) to end poverty, protect the planet and ensure prosperity for all. This project contributes towards the following SDG(s):

  • SDG 3 - Good Health and Well-being

Research Areas and Centers

  • Research Area: Center for Population Medicine and Public Health (ZBV)

DFG Research Classification Scheme

  • 2.22-01 Epidemiology, Medical Biometry/Statistics

Fingerprint

Explore the research topics touched on by this project. These labels are generated based on the underlying awards/grants. Together they form a unique fingerprint.