遗传学和血管健康检查研究 (GENVASC) 旨在帮助确定收集遗传信息是否可以提高冠状动脉疾病 (CAD) 风险的预测 (GENVASC)

冠状动脉疾病 (CAD) 是英国过早死亡和残疾的最常见原因。 一些人口统计学和生活方式因素，如年龄、性别、吸烟、高血压、糖尿病和血脂异常，会增加患 CAD 的风险。 许多基于这些因素的 CAD 预测风险算法已经开发出来，例如 Framingham 和 QRisk2 分数，并允许将个体分类为低 (< 10%)、中等 (10-20%) 和高 (> 20%) 10 年加元风险。 这些风险评分已用于确定初级预防措施并将其针对风险最高的人群。 虽然针对这些人显然是有益的，因为更多的受试者位于中等或低风险类别，尽管他们的比例风险较低，但从绝对意义上讲，这些群体中实际上发生了更多事件。 因此，提高 CAD 风险分类的准确性是公共卫生和临床的高度优先事项。

遗传在 CAD 的病因学中起着重要作用。 如果一级亲属因 CAD 过早死亡，个体的风险会高 4-8 倍。 CAD 的遗传率估计约为 50%。 在一些特别是最近的风险评分中，算法中包含了 CAD 的“家族史”。 然而，由于遗传而确定阳性家族史具有很大的局限性。 基于回忆的家族史可能非常不准确。 算法在用于定义阳性家族史的年龄界限方面有所不同。 此外，一个人的家庭可能不够大（例如 没有兄弟姐妹）来评估家族风险，家庭成员可能死于竞争性原因（例如 癌症或道路交通事故）在表现出 CAD 之前，或者可能已经发展为 CAD 但由于严重的生活方式因素（例如重度吸烟）。 简而言之，尽管 CAD 家族史可能有用，但它不足以或准确地替代个体的遗传风险。

最近，在直接剖析 CAD 的遗传基础方面取得了重大进展。 在首席研究员领导的工作中，与国内和国际合作者合作，已经确定了 30 多种常见的遗传变异（占人口的 10-80%），每份变异将 CAD 风险增加 5-30%变种。 在正在进行的工作中可能会出现更多的变体，尤其是具有更强大影响的低频变体。 单独地，遗传变体没有足够的辨别力来充分单独地改变风险预测。 然而，基于组合变异（针对它们的个体影响进行调整）的遗传风险评分 (GRS) 可能更有效。 事实上，在最近的一项研究中，我们表明，对于基于 25 个最初确定的 CAD 相关的 GRS 评分，处于最高五分位数的受试者与处于最低五分位数的受试者之间的 CAD 比值比差异 > 3 倍变体。 这类似于或大于与其他已确定的风险因素（如血压和胆固醇）的关联强度。 将发现的更多变体添加到 GRS 中可能会进一步提高其风险预测潜力。 因此，基于 CAD 的最新发现现在提供了一个框架，用于测试以遗传风险评分的形式添加遗传信息是否可以改善当前 CAD 的风险预测。

为了测试 CAD 的 GRS 是否可以改善风险预测，需要召集一大批代表一般人群的个体，他们是：（i）在招募时没有明显的 CAD（ii）以统一的方式评估其 CAD 风险（ iii) 谁可以提供血液样本进行基因分析，以及 (iv) 谁可以系统地跟进心血管疾病 (CVD) 结果。 这样的群体在国内和国际上都是罕见的。 Biobank UK（成本超过 3000 万英镑）的建立是为了解决这一缺陷，尽管其局限性之一是它不能代表一般人群。 仅出于研究目的而阻止此类队列组装的关键因素之一是建立招募足够大样本量所需的基础设施的初始成本巨大。 在这种情况下，最近启动的卫生部 NHS 血管健康检查计划提供了一个独特的机会来建立这样一个队列，因为所有处于适当年龄范围（40-74 岁）的没有 CVD 的人都被邀请到他们的全科诊所进行血管健康检查。 将以系统方式评估心血管风险的大量受试者以及将定期采集血样进行血脂分析的大量受试者提供了一个理想的场景来添加一个研究项目，该项目可以帮助确定 GRS 是否可用于预测 CAD风险。 简而言之，血管健康检查计划提供了一个独特的机会，以主要方式和边际成本来测试未来添加遗传信息是否会改善 CAD 风险预测。

假设 基于最近发现的与 CAD 相关的遗传变异，以遗传风险评分的形式添加遗传信息将改善冠状动脉疾病的风险预测。

目标

GENVASC 研究的目的是招募（在知情同意的情况下）参加全科医生诊所的受试者进行血管健康检查。 受试者将被要求同意：

• 为研究提供血液样本（在大多数情况下，与临床样本同时采集以进行血管检查）。
• 允许 GENVASC 研究数据库保存使用传统算法计算的 CVD 风险评分的半匿名（无可识别名称）数据。
• 允许数据库通过 GP 实践数据库以及适当的国家登记处定期更新任何 CVD 结果。
• 允许他们存储的样本用于 DNA 和其他分析（再次匿名）。

GENVASC 研究不会干扰血管健康检查计划的主要临床要求。 它将回顾性分析添加 GRS 是否会改善 CAD 风险预测。