在精准医疗时代大背景下,疾病风险预测已成为疾病预防和诊断领域研究的热点,对人类的健康具有革命性的意义。基于疾病易感遗传标记开发疾病风险预测模型是目前最可能实现的一种策略。同时,癌症精准医疗已经走在了精准医疗时代的最前列,癌症个体化治疗已经成为公认趋势。随着大量的癌症易感遗传位点以及靶向用药位点不断被发现,可靠的癌症易感基因及遗传变异位点数据库已经成为了癌症精准医疗的关键。因此,基于上述背景,我们利用本团队已有的欧裔美国人和非裔美国人的吸烟成瘾样本,以及公共数据库中癌症的遗传变异位点,开展了以下三方面的工作:第一,我们以1572名欧裔美国人样本作为研究对象,对其进行吸烟行为与基因型的关联分析,选取94个关联分析中最为显著的SNP,利用一种风险预测算法对样本进行吸烟行为预测,该预测模型可有效地区分吸烟样本和非吸烟样本,其AUC高达0.91。随后基于现有GWAS报道收集的34个易感SNP位点,对样本进行同样的预测,我们发现这些SNP位点无法区分吸烟样本与非吸烟样本。因此我们认为,利用GWAS发现的遗传标记进行疾病风险预测是可行的,但是并不能直接应用公共数据库中的遗传标记进行预测,我们需要根据预测人群的生理和地理分布更细致的划分人群,通过全基因组关联分析寻求针对不同人群的特异性遗传标记集合,并以此利用疾病风险预测算法进行复杂疾病或性状的精准预测。第二,我们以1572名欧裔美国人样本与3371名非裔美国人样本作为研究对象,应用不同的机器学习方法（SVM和RF,logistic回归和LASSO回归）建立吸烟行为的可靠预测模型。对于本次研究的数据集,支持向量机模型的预测性能在各个参数中都优于随机森林模型;基于logistic回归的机器学习模型相比较于LASSO回归,有着更为稳定的表现,泛化能力也更强;而基于非裔美国人样本的预测模型无法在欧裔美国人样本中进行验证。最后,我们结合logistic回归（P<0.01）和LASSO回归(λ=10-3)以及SVM构建了一个包含500个SNP的吸烟行为预测模型,其在AA独立样本测试集中的AUC达到了0.897。该机器学习预测模型的成功建立,能够给其它各类复杂疾病或表型的风险预测研究提供参考。第三,我们利用生物信息学技术,从公共数据库中挖掘出20种常见癌症的249个易感基因,以及易感基因上的3074个致病遗传变异位点,并对致病遗传变异位点进行分类,构建了一个癌症遗传变异数据库。该数据库覆盖了绝大部分癌症,并全面收录了与癌症相关易感基因及遗传变异位点。该数据库极大提高了科研人员和医学工作者对数据筛选的效率,在癌症的遗传学研究中具有重要意义,并且该数据库可为癌症基因检测和靶向药物开发及用药提供参考意义,在癌症精准预防和精准医疗中起着重要的作用。综上所述,我们证明了基于全基因组关联分析开发疾病风险预测的可行性,同时基于机器学习方法也成功构建了复杂性状的风险预测模型,此外,我们构建的癌症遗传变异数据库也将在癌症精准医疗领域研究中发挥重要作用。本课题围绕着精准医疗的核心方向开展研究,对推动精准医疗的发展具有重要的意义。