به گزارش پایگاه اطلاع رسانی بنیان، اندازه اثر متوسط، کاربرد بالینی ارتباط ژنتیکی با بیماری‌های روماتیسمی را محدود کرده است. امتیاز خطر ژنتیکی (GRS)  به عنوان یک راه حل امیدوارکننده برای تبدیل ژنتیک به ابزارهای مفید ظاهر شده است. در این بررسی، مروری بر متون اخیر در مورد GRS در بیماری‌های روماتیسمی ارائه خواهد شد. محققان شش دسته را توصیف کردند که GRS ها برای آن‌ها استفاده می‌شود: (الف) بیماری (نتیجه)، (ب) اشتراکات ژنتیکی بین بیماری‌ها، (ج) تمایز بیماری، (د) تأثیر متقابل بین ژنتیک و عوامل محیطی، (ه) وراثت پذیری و انتقال پذیری، و (و) تشخیص روابط بین صفات. در بررسی متون، نقاط ضعف و فرصت‌های فعلی را برای کارهای آینده شناسایی کردند. اول، کمبود داده‌های ژنتیکی غیر اروپایی، کاربرد بسیاری از GRS ها را برای جمعیت‌های اروپایی محدود می‌کند. در مرحله بعد، بسیاری از GRS ها در تنظیمات انجام شده برای مواردی که قابلیت انتقال به زندگی واقعی را محدود می‌کند، آزمایش می‌شوند. اگر برای کاربرد بالینی در نظر گرفته شده باشد، GRS ها به طور ایده آل در محیط مربوطه آزمایش می‌شوند. در نهایت، موارد زیادی برای توضیح در مورد همزمانی صفات بالینی برای شناسایی مسیرهای مشترک و روشن کردن روابط بین بیماری‌ها وجود دارد. GRS ها ابزار مفیدی برای این کار هستند. به طور کلی، تحقیقات مداوم در مورد GRS ها چشم اندازی امیدوارکننده به آینده GRS ها ارائه می‌دهد و پیشرفت قابل توجهی را در کاربردهای بالقوه آن‌ها نشان می‌دهد.
نحوه محاسبه GRS
اصطلاح GRS اغلب به جای نمرات خطر چند ژنی استفاده می‌شود. برخی این دو را متمایز می‌کنند و بیان می‌کنند که PRSها ریسک بسیاری از گونه‌های احتمالاً همبسته را در بر می‌گیرند در حالی که GRSها فقط شامل یک زیرمجموعه کوچک‌تر از انواع اثبات‌شده مرتبط هستند. تفاوت بین این دو دلخواه باقی می‌ماند و اصل اساسی یکسان است. بنابراین، محققان از GRS برای اشاره به هر دو استفاده کردند. طیف گسترده‌ای از ابزارها برای محاسبه GRS ها توسعه یافته‌اند و محققان فهرست گسترده‌ای از آن‌ها را مرور کردند. انتخاب ابزار صحیح به مجموعه داده‌ها و ماهیت سوال تحقیقی که قرار است به آن پاسخ داده شود بستگی دارد. هر ابزار از الگوریتم‌های مختلفی برای ساخت GRS استفاده می‌کند. اینها می‌توانند از نظر پارامترهای تنظیم و داده‌های ورودی متفاوت باشند و در نتیجه رویکردهای کاملاً متفاوتی برای ساختن امتیاز ریسک ایجاد شود.
روش "کلاسیک" برای ایجاد یک GRS از اندازه‌های اثر استفاده می‌کند، که بزرگی محاسبه‌شده ارتباط با صفت، از آمار خلاصه GWAS است، و پلی‌مورفیسم‌های تک نوکلئوتیدی (SNPs)  را اولویت‌بندی می‌کند که تداعی‌های صفت آن‌ها از آستانه از پیش تعیین‌شده اهمیت آماری فراتر می‌رود. 
GRS برای چه مواردی استفاده می‌شود و برای بیماری‌های روماتیسمی در کجا هستیم؟
GRS ها را می‌توان برای پاسخگویی به انواع سؤالات مرتبط بالینی مورد استفاده قرار داد که کاربردهای بالقوه متعددی را پیشنهاد می‌کند. GRS ها می‌توانند برای آن‌ها استفاده شوند:
1.    پیش‌بینی یک بیماری مورد علاقه و/یا پیامدهای بیماری؛
2.    شناسایی اشتراکات ژنتیکی بین دو یا چند بیماری؛
3.    تمایز بین دو یا چند بیماری؛
4.    بررسی تأثیر متقابل بین GRSها و عوامل محیطی؛
5.    بررسی وراثت پذیری و انتقال پذیری GRS ها در جمعیت‌ها و مراحل بیماری.
6.    تشخیص روابط علی با استفاده از تصادفی سازی مندلی
پیش‌بینی بیماری - از جمله تمایز کنترل مورد، اثر درمان، و بیماری‌های همراه
رایج ترین راه برای استفاده از GRS ها، پیش بینی حساسیت فرد به یک ویژگی یا بیماری خاص است. محققان ظرفیت GRSها را برای تمایز بین موارد اسپوندیلیت آنکیلوزان و افراد سالم مورد مطالعه قرار داد. آن‌ها GRS را با استفاده از الگوریتم MultiBLUP در LDAK  محاسبه کردند و عملکرد آن را تأیید کردند و نشان دادند که از ابزارهای تشخیصی استاندارد، از جمله آزمایش MRI ساکروایلیاک، CRP یا HLA-B27 بهتر عمل می‌کند.
شناسایی مشترکات ژنتیکی بین بیماری‌ها
یک فرضیه جالب‌تر که می‌توان با استفاده از GRSs مطالعه کرد، آزمایش رابطه بین دو بیماری یا صفت به ظاهر نامرتبط در تلاش برای کشف مکانیسم‌های بیولوژیکی مشترک است. یک GRS برای اولین بیماری محاسبه می‌شود، و با استفاده از تحلیل‌های آماری مانند رگرسیون خطی یا لجستیک یا تصادفی‌سازی مندلی، ارتباط GRS و سایر بیماری‌ها و صفات GRS مقایسه و مشاهده می‌شود. به عنوان مثال، خطرات ژنتیکی آرتریت ایدیوپاتیک نوجوانان و فنوتیپ‌های قلبی عروقی مورد مطالعه قرار گرفت و به این نتیجه رسید که استعداد ژنتیکی به آرتریت ایدیوپاتیک نوجوانان خطر ابتلا به بیماری‌های قلبی عروقی را افزایش می‌دهد.
تمایز بین دو یا چند بیماری
به نظر محققان، امیدوارکننده‌ترین روش برای کاربرد بالینی GRSها، استفاده از این امتیازات خطر برای تمایز بین بیماری‌ها یا زیرگروه‌های بیماری است. همانطور که گفته شد، یک مشکل اساسی در تشخیص بیماری‌های روماتیسمی این است که همه آن‌ها بر اساس علائم تجربه شده توسط بیمار هستند که در مورد بیماری‌های روماتیسمی بسیار شبیه به یکدیگر هستند. در رابطه با تمایز خطر بیماری، محققان ابزار G-PROB را توسعه داده است که GRS بیماری‌های روماتیسمی متعدد را به احتمالات تبدیل می‌کند تا تمایز بین این بیماری‌ها را تسهیل کند.
تعامل بین GRS و عوامل محیطی
علاوه بر اثرات ژنتیکی، عوامل متعدد دیگری نیز در خطر ابتلا به بیماری نقش دارند. در واقع، عوامل محیطی و ژنتیکی تعیین‌کننده وراثت‌پذیری بیماری‌های پیچیده فقط تا حدی توسط عوامل خطر شناسایی شده به حساب می‌آیند، و درک بهتر از تعاملات بین عوامل خطر ژنتیکی و محیطی - که ممکن است به‌طور اپی ژنتیکی واسطه شوند - می‌تواند این زمینه را تغییر دهد. GRS ها می‌توانند به کاوش چنین تعاملات ژن-محیط کمک کنند. تنوع ژنتیکی فعلی ناشی از تأثیر متقابل بین ژنتیک و محیط است، جایی که انتخاب در مورد بقای ژنوتیپ‌های خاص در جمعیت‌ها تصمیم می‌گیرد، مثلاً منطقه‌ای در ژنوم که بیشترین تنوع ژنتیکی در آن دیده می‌شود، منطقه اصلی سازگاری بافتی (MHC)  جایی که ژن‌های سلول‌های B و T در انسان کدگذاری می‌شوند.
بررسی وراثت پذیری و انتقال پذیری Grss در جمعیت‌ها و مراحل بیماری
قدرت - و در نتیجه سودمندی پیش‌بینی - یک GRS با وراثت‌پذیری صفت مورد نظر - نسبت خطر ناشی از تنوع ژنتیکی مرتبط است. با فرض وراثت پذیری 100% به GRS حداکثر قدرت پیش بینی می‌دهد، اما این هرگز در بیماری‌های رایج به دست نمی‌آید. بنابراین، محققان، میزان همپوشانی سابقه خانوادگی بیماری‌های غیرواگیر با GRSهای مربوطه را به منظور پیش‌بینی خطر مطالعه کردند و دریافتند که آن‌ها مکمل یکدیگر هستند و نه قابل تعویض.
تشخیص روابط با استفاده از تصادفی سازی مندلی
هنگام پاسخ دادن به سؤالات علیتی بر اساس داده‌های مشاهده‌ای، یک فرض کلیدی غیرقابل آزمون، مبادله‌پذیری مشروط است: همه متغیرهای مورد نیاز برای تعدیل برای سوگیری مخدوش‌کننده و انتخاب باید شناسایی و اندازه‌گیری شوند. به خصوص در داده‌های مشاهده‌ای، این فرض اغلب برآورده نمی‌شود. متغیرهای ابزاری (IVs)  می‌توانند برای جبران ناشناخته بودن همه عوامل مخدوش کننده استفاده شوند. IVها متغیرهایی هستند که به ما اجازه می‌دهند میانگین اثر علی یک متغیر خاص، "A" را روی یک متغیر جداگانه "B" شناسایی کردند، حتی اگر همه عوامل مخدوش کننده اندازه‌گیری نشده باشند. IV ها این کار را تنها با مرتبط شدن با A و نه (مستقیم) با B انجام می‌دهند، به این ترتیب اثر علی A را بر B جدا می‌کنند.
اگرچه مطالعات ژنتیکی با چالش‌های زیادی در رابطه با در دسترس بودن داده‌ها، قابلیت انتقال و کاربرد مواجه است، تلاش‌های زیادی برای بهبود علم و مراقبت‌های بالینی با استفاده از GRSs انجام می‌شود. مجموعه داده‌های ژنتیکی، از جمله انواع افراد و تشخیص‌ها که در دنیای واقعی بالینی دیده می‌شود، می‌تواند بزرگترین مشکل را در تحقیقات ژنتیکی تا کنون حل کند. نمرات خطر ژنتیکی به پزشکان یک مرور کلی سریع و آسان در سطح فردی از خطر ژنتیکی یک فرد برای بیماری‌های خاص ارائه می‌دهد. 
پایان مطلب/