AB-PRS：在已有 PRS 上补充目标队列的预测信号

核心问题

一个预先训练好的 PRS 到了目标队列后，可能遗漏额外的加性信号，也可能无法充分描述基因型与表型之间的非线性关系。AB-PRS 不从头重建整套评分，而是在已有 PRS 的基础上学习补充成分。因而，它的首要评价标准是独立样本中的预测改进，而不是选出了多少看似非加性的 SNP。[1]

SNP 如何重新编码

对候选 SNP $j$，作者在包含原有 PRS 的回归中，以 AA 基因型作参照，分别估计 Aa 和 aa 基因型的附加关联。以一般的广义线性模型形式概括：

$$g\{E(Y_i)\}=a+\beta_0\,\mathrm{PRS}_{i}^{\mathrm{pre}} +\theta_{j1}\mathbf{1}(G_{ij}=Aa) +\theta_{j2}\mathbf{1}(G_{ij}=aa).$$

随后用估计的 $\theta_{j1}$、$\theta_{j2}$ 将三种基因型编码为 $(0,\widehat\theta_{j1},\widehat\theta_{j2})$。上式为解释用写法，截距及连接函数按表型类型展开；论文 Methods 的式（1）给出条件于原 PRS 的核心模型。[1]

与固定使用 $(0,1,2)$ 不同，这个编码允许杂合子与纯合子的表型差异不满足线性剂量关系，也能补充原评分漏掉的加性信息。作者将其称为原评分未捕获的“orthogonal”信号；更直接的理解是控制已有 PRS 后的补充预测信息。它不是对基因型矩阵进行简单正交分解，也不能保证选出的 SNP 对应独立因果效应。

变量选择与模型组合

候选变量很多，直接把所有重新编码的 SNP 加入模型容易过拟合。AB-PRS 先在训练部分用 LASSO 选择候选，再在验证部分重新估计系数，通过 mirror statistic 利用两部分系数方向的一致性筛选变量。[1]

论文采用的统计量为

$$M_j=\operatorname{sign}(\widehat\beta_{T,j}\widehat\beta_{V,j}) \bigl(|\widehat\beta_{T,j}|+|\widehat\beta_{V,j}|\bigr).$$

训练和验证系数同号时，$M_j$ 为正；若主要是噪声，其符号应近似对称。方法据此估计错误发现比例，并在一组正则化参数中自适应选择补充变量，最后与原评分组合。

FDR 控制依赖零假设下镜像统计量的对称性及选择过程的条件。它不是对任意 LD、任意反复调参都成立的无条件保证。重新编码本身使用表型，因此编码估计、筛选和参数选择都必须与最终测试样本严格分开；不能先用全数据生成编码，再只对最后的回归做训练–测试划分。

真实数据：哪些预测改善了

UK Biobank 的分析覆盖阿尔茨海默病、乳腺癌、高血压、2 型糖尿病，以及 BMI、总胆固醇、HDL、LDL。作者比较不同来源的原有 PRS，并在独立测试数据上评价 AUC 或解释方差；外部评估还包括 All of Us、eMERGE 和 Penn Medicine Biobank。[1]

Figure 3 的重要信息是收益依赖原有评分和性状。文中报告，PGS 来源的阿尔茨海默病模型 AUC 相对提升为 8.43%，而 FinnGen 来源的同一性状模型为 2.31%。这些是作者报告的相对变化，不能写成 AUC 分别增加 0.0843 或 0.0231。较强原始模型的剩余改进空间往往较小；论文也有差异较小、仅保持竞争力的场景。

因此，不能将某个较弱评分上的最大提升推广为对所有 PRS 方法的优势。复用时应保留原始评分、相同测试集、协变量和指标定义，并同时报告绝对性能与差值。

风险分层与外部评估

Figure 7A 比较预测风险最高与最低各 10% 人群的疾病比值比。Figure 7B 的 top recovery rate 则衡量预测排名最高的 10% 人群中，实际表型也属于最高 10% 的比例。前者是相对风险分层指标，不能当作绝对患病概率；后者依赖选定的分位数。[1]

外部队列的箱线图汇总 5 次微调划分。这个设置能检验目标队列中模型更新是否稳定，但并不等同于把 UKBB 中固定好的模型不作任何调整地迁移到新队列。实际使用前要先明确：目标队列是否已有表型可供微调，还是只能对完全未标记的新样本进行预测。

非加性解释需要保留的边界

本文另外按固定加性、显性、隐性、超显性编码重新检验已选 SNP，并以最小 P 值进行模式分类。Figure 4 图注明确说明四种编码间没有进行多重比较校正。因此，“被归到非加性一类”是探索性描述，不是对分子遗传模式的独立确认。[1]

这与昨日收录的罕见变异非加性检验也不是同一个任务：后者侧重检验基因剂量关系偏离加性，AB-PRS 则侧重在现有预测器上增加有效信息。LD 下的标记效应、原始模型遗漏及目标队列差异，都可能产生可用于预测的补充项。

方法开发上值得借鉴什么

最可复用的思路是将“已有预测模型”保留为基线，再对其不足进行带验证的增量建模。对这一方向的延伸，应优先检查额外计算与调参是否带来稳定的测试集改进，而不是仅增加模型复杂度。

若进一步加入 QTL、染色质或序列模型注释来约束候选 SNP，也应在独立位点或队列检验其增益。本文没有证明这类功能注释一定会改善 AB-PRS；这是与功能遗传学结合的后续问题。

参考资料

[1] Hu et al. A pre-train and fine-tune framework for adaptive boosting of pre-trained polygenic risk scores. Nature Communications, 2026-08-29. 论文 · 接受稿全文。主要依据 Methods 式（1）–（5）及 Figures 3、4、7。

[2] ABPRS 代码 · 项目教程。代码地址来自论文 Code availability。