孟德尔复发风险计算

孟德尔复发风险计算根据分离定律推导单基因疾病复发的概率，然后通过贝叶斯分析利用所有可用信息对基线概率进行修正。一个简单的比率——常染色体显性遗传携带者子女的二分之一，常染色体隐性遗传父母子女的四分之一——仅仅是一个起点，家系结构、年龄和检测结果可以显著地修正这一比率。

Definition

孟德尔复发风险计算是根据分离比率估算单基因疾病的复发概率，并通过贝叶斯条件概率进行修正，其中贝叶斯条件概率纳入了家系、表型、年龄和检测信息。

Scope

本条目涵盖了主要孟德尔遗传模式的分离比率，以及将先验概率与条件信息结合以得出后验（最终）风险的贝叶斯框架。它是一个方法论参考，不提供任何个体咨询对象的风险数据。

Core questions

• 每种孟德尔遗传模式隐含的基线复发风险是多少？
• 贝叶斯分析如何将先验风险与未受影响状态或正常检测等条件证据结合起来？
• 在风险表中，先验概率、条件概率、联合概率和后验概率之间有何关系？

Key concepts

• 分离比率（1/2，1/4）
• 常染色体显性遗传、隐性遗传和X连锁遗传模式
• 先验概率
• 条件概率
• 联合概率和后验概率
• 贝叶斯定理在遗传咨询中的应用
• 未受影响后代对携带者风险的影响

Mechanisms

计算始于孟德尔分离定律得出的先验概率——例如，常染色体显性遗传携带者子女遗传等位基因的1/2几率。然后，贝叶斯分析将此先验概率乘以反映观察证据的条件概率，例如几个未受影响的子女（这会降低女性患X连锁疾病的先验携带者风险）或正常的分子检测结果。将每条途径的联合概率除以它们的总和，即可得到后验或最终风险。这种结构允许将独立的证据连贯地组合成一个单一的数字。

Clinical relevance

贝叶斯复发风险计算是临床遗传学中的一项核心能力，它解释了为什么两个具有相同家族史的咨询对象可能承担不同的最终风险。本条目描述了该方法；它属于参考资料，不能替代个体化的临床评估或遗传咨询。

Epidemiology

该方法适用于遵循公认孟德尔遗传模式的疾病——常染色体显性遗传、常染色体隐性遗传和X连锁隐性遗传疾病——其中基线比率是固定的，但最终风险会随家系信息、携带者频率和可用基因检测的敏感性而变化。

History

贝叶斯推理在20世纪中叶进入遗传咨询领域，埃德蒙·墨菲（Edmond Murphy）和加里·蔡斯（Gary Chase）等人系统化了其在携带者风险问题中的应用。布里奇（Bridge）和杨（Young）的实例教材使先验-条件-后验表格成为标准工具，而分子检测的出现为计算增加了强大的新条件项。

Key figures

• Thomas Bayes
• Edmond Murphy
• Ian Young
• Peter Bridge

Seminal works

• young-2007
• bridge-1997

Frequently asked questions

为什么子女的复发风险不简单是孟德尔比率？

孟德尔比率仅是先验概率；贝叶斯分析会利用额外信息（如未受影响的亲属或正常的检测结果）对其进行调整，这可以显著提高或降低最终风险。

贝叶斯风险表包含什么？

它列出了相互竞争的假设（例如，携带者与非携带者），它们的先验概率，在每种假设下观察到的证据的条件概率，由此产生的联合概率，以及归一化的后验概率。