具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合具体实施方式对本发明作进一步的详细说明。

如图1所示，一种局灶性癫痫遗传风险评估模型的建立方法，包括以下步骤：

1、选择局灶性癫痫患者入组，采集患者样本并且对样本进行基因分型。

(1)选择局灶性癫痫患者入组，建立研究队列。

病例组，入组标准为a、依据国际癫痫联盟(ILAE)制定的癫痫临床诊疗指南，经两名或以上神经内科医生诊断为局灶性癫痫；b、年龄大于2岁且小于90岁。排除标准为a、合并精神类并发症；b、假性癫痫发作史；c、烟酒滥用史；d、存在精神性或全身性退行性病变；e、与其他入组个体存在亲缘关系。

对照组，入组标准为a、健康无精神类疾病；b、年龄大于2岁且小于90岁；c、种族与病例队列保持一致。排除标准与病例组相同。

(2)整理入组对象的信息资料。

依据入组人员知情同意原则，对入组对象进行外周血样本采集和基本信息资料整理，选择入组病例组1300例，对照组1400例。

(3)基因分型并且对分型结果进行质控，确定最终的入组样本。

A、对病例组和对照组全部的采集样本进行全基因测序，对原始测序数据质控，进行BWA(Burrow-Wheeler Aligner)软件序列比对、比对数据处理(排序和去除重复序列clean data等)、GATK软件进行SNP/Indel变异检测等分析，获取突变vcf文件。分析流程如图2所示。

B、应用软件plink 1.9对步骤A的vcf结果进行数据质控，移除基因分型缺失率高于0.05的个体、高杂合度个体和存在亲缘关系的个体。具体步骤如下：

基因分型缺失率质控：

plink--vcf all.vcf.gz--make-bed--out genotypes

plink--bfile genotypes--geno 0.05--make-bed--out genotypes

移除高杂合度个体：

plink--bfile genotypes--exclude inversion.txt--range--indep-pairwise50

5 0.2--out indepSNP

Plink--bfile genotypes--extract indepSNP.prune.in--het--out R_check

Rscript--no-save check_heterozygosity_rate.R

Rscript--no-save heterozygosity_outliers_list.R

sed's/"//g'fail-het-qc.txt|awk'{print$1,$2}'>het_fail_ind.txt

plink--bfile genotypes--remove het_fail_ind.txt--make-bed--out

genotypes

移除存在亲缘关系个体：

plink--bfile genotypes--extract indepSNP.prune.in--genome--min 0.2

--out pihat_min0.2

plink--bfile genotypes--extract indepSNP.prune.in--genome--min 0.2

--out pihat_min0.2_in_founders

plink--bfile genotypes--missing

C、将全部数据集(2247)随机分为训练集(1573)，测试集(674)，比例为7:3，将训练集和测试集样本基因分型分别合并为vcf存储格式文件。

plink--bfile genotype--export vcf--out dataset_vcf

2、局灶性癫痫遗传风险位点加权数据库及风险评估模型构建

(1)下载国际抗癫痫联盟(The International League Against EpilepsyConsortium on Complex Epilepsies，ILAE consortium on complex Epilepsies)主导的癫痫大型GWAS meta分析的summary文件，构建包含4,833,539个遗传相关位点信息及效应值的风险位点数据库。构建过程如下：

wget http://www.epigad.org/gwas_ilae2018_16loci/focal_epilepsy_METAL.gz

wget http://www.epigad.org/gwas_ilae2018_16loci/focal_lesion_negative_BOLT-LMM_final.gz

awk'{if($15<1e-1)print$0}'focal_epilepsy_METAL>FE.effect.snp

for i in`cat effect.snp`；do grep$i focal_lesion_negative_BOLT-LMM_final>>FE.snp.effect.db；done

(2)基于上步中风险位点数据库-FE.snp.effect.db构建一个包含多变量的模型，模型的特征为(x1,x2,x3,...,xn)

n＝4,833,539，代表特征的数量，即共计4,833,539个多态性位点；

模型如下：

xⁱ代表第i个个体，是特征矩阵的第i行，是由4,862,783个特征效应量构成的向量；

代表第i个个体第j个特征(即SNP基因分型)的效应量；当第i个体j位点分型包含0个拷贝的风险等位基因型时，当第i个体j位点分型包含1个拷贝的风险等位基因型时，当第i个体j位点分型包含2拷贝的风险等位基因型时，

因此基于基因分型，生成训练集和测试集这两个数据集的特征矩阵(dataset.risk.matrix)，用于之后分析，矩阵格式如下：

y为预测值，y＝1，代表患病遗传高风险；y＝0，代表患病遗传低风险。

(3)模型构建，假设参数PRS(Polygenic risk score，多基因遗传风险评分)。

PRS(i)＝θ₀+θ₁x₁+θ₂x₂+...θ_nx_n

在模型训练过程中，y＝1时，h(i)≈1，PRS(i)>>0；y＝0时，h(i)≈0，PRS(i)<<0。模型训练引入逻辑回归代价函数：

实现过程如下：

对全部2247例样本入组样本进行随机抽样，其中70％样本用于训练，30％样本用于测试。

model＝svmtrain(trainlabel,traindata,'-s 0-t 0-c 1.2')；

q＝svmPredict(model,trainlabel)

P＝sv,Predict(model,testlabel)

Training accuracy＝mean(double(q＝＝traindata))*100

Test accuracy＝mean(double(P＝＝testdata))*100。

因现有大规模GWAS研究人群大多为高加索人群，基于此构建的多基因风险评估体系在中国人群中的评估效能普遍较低，本申请建立的局灶性癫痫遗传风险评估模型，适用于中国人群的局灶性癫痫患病遗传风险评分模型，癫痫是临床表型及病因异质性均较强的疾病，本专利聚焦在遗传诊断率较低且具有较高遗传度的局灶性癫痫，进行遗传风险评估，旨在为遗传诊断提供另一种方法。

本文中应用了具体个例对发明构思进行了详细阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离该发明构思的前提下，所做的任何显而易见的修改、等同替换或其他改进，均应包含在本发明的保护范围之内。