先了解这件事
AI 综述
2026年9月3日,Google Research 发布研究,评估迁移学习用于代表性不足人群的基因风险预测效果。该研究利用 UK Biobank 与 Biobank Japan 数据,考察跨人群多基因风险评分(PRS)的迁移学习表现。结果显示,从欧洲队列迁移学习在目标人群样本量极小时(如 5,000 例)能提升预测精度,但当目标人群样本量超过 15,000 例后反而会降低精度。研究还发现该交叉点因性状而异:遗传相关性高的“保守”性状可受益至 25,000–40,000 例以上,而 HDL、LDL、血糖等人群特异性强的性状交叉点更早出现。目前该研究由 Google Research 作为第一方来源发布,尚无其他独立来源的后续发展。
AI 根据公开报道生成
最新进展 · 正式报道
Google Research：跨人群基因组预测的迁移学习研究事件进展
1 个已确认进展
- 来源：Google Research
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月4日
Google Research一手
Google Research：跨人群基因组预测的迁移学习研究
Google Research 利用 UK Biobank 与 Biobank Japan 数据评估跨人群多基因风险评分（PRS）迁移学习效果，发现从欧洲队列迁移学习在目标人群样本量极小时（如 5,000 例）能提升预测精度，但当目标人群样本量超过 15,000 例后反而会降低精度。该交叉点因性状而异：遗传相关性高的“保守”性状可受益至 25,000–40,000 例以上，而 HDL、LDL、血糖等人群特异性强的性状交叉点更早。