Nature Genetics
单细胞水平建模扰动状态异质性提升响应eQTL检测
小赛推荐：
该研究提出了一种新的单细胞水平统计模型，通过连续扰动评分来建模细胞响应状态的异质性，从而显著提升响应eQTL（reQTL）的检测效率。研究显示，相比传统离散扰动模型，该方法平均可检测到36.9%更多的reQTL，并发现约25%的reQTL具有细胞类型特异性效应，例如RPS26在B细胞中表现出更强的reQTL效应。这为疾病相关基因调控机制的研究提供了更精确的工具。
文献概述
本文《单细胞水平建模扰动状态异质性增强响应eQTL的检测》，发表于《Nature Genetics》杂志，回顾并总结了一种新的统计方法，该方法通过连续扰动评分建模单细胞在不同实验条件下的响应异质性，从而更有效地识别响应eQTL（reQTL）。该研究基于单细胞RNA测序（scRNA-seq）数据，分析了四种病原体（流感病毒、白色念珠菌、铜绿假单胞菌和结核分枝杆菌）诱导的扰动状态，发现传统bulk RNA模型可能忽略许多重要reQTL信号。
背景知识
全基因组关联研究（GWAS）已成功识别了多个与复杂疾病相关的遗传位点，但这些风险等位基因如何影响基因调控仍不明确。表达数量性状位点（eQTL）研究通过将遗传变异与基因表达变化联系起来，有助于解释GWAS位点的功能。然而，传统的eQTL研究多基于稳态条件下的基因表达数据，而疾病相关调控可能仅在特定细胞状态（如炎症、病毒感染）下显现。因此，研究响应eQTL（reQTL）对于揭示疾病相关基因表达变化至关重要。
当前的reQTL研究通常将扰动状态建模为二元变量（如处理vs对照），但实际实验中，细胞对扰动的响应具有高度异质性。单细胞测序技术的进步使得在单细胞水平上建模扰动状态成为可能，从而更精细地捕捉细胞状态的连续变化。该研究基于PBMC单细胞数据，提出了一种新的建模策略，利用连续扰动评分提升reQTL检测的灵敏度，并揭示细胞类型特异性调控机制。这一方法不仅适用于免疫细胞，也可拓展至类器官和实体组织研究，为复杂疾病机制解析提供新思路。
研究方法与实验
研究团队基于单细胞RNA测，构建了一种连续扰动评分模型，利用矫正后的表达主成分（PCs）作为协变量，预测细胞对扰动的响应强度。该评分模型通过惩罚性逻辑回归（penalized logistic regression）计算每个细胞的扰动得分，作为其响应状态的连续变量。随后，研究者将该评分整合进Poisson混合效应模型（PME），用于检测基因表达与基因型、扰动状态及其交互项的关联，从而识别响应eQTL（reQTL）。
关键结论与观点
研究意义与展望
该研究提供了一种更通用的reQTL建模方法，强调了单细胞水平建模异质性在疾病机制研究中的重要性。未来，随着单细胞数据规模的扩大，该方法有望揭示更多疾病相关基因调控机制，并为精准医学提供新的工具。
结语
本研究提出了一种基于单细胞测序数据的新型统计框架，通过连续扰动评分建模细胞响应状态，显著提升了响应eQTL的检测能力。该方法不仅提高了传统模型的灵敏度，还揭示了大量细胞类型特异性reQTL效应，为疾病相关基因调控机制的解析提供了新工具。未来，随着多组学单细胞数据的整合，该方法有望在更广泛的生物医学研究中发挥作用，尤其是在复杂疾病和免疫反应的研究中。该研究强调，只有在特定细胞状态下才能准确捕捉eQTL与疾病表型的关联，提示研究者应更多关注细胞状态的建模，而非仅使用传统二元扰动变量。
