Nature Genetics
基因组范围精细定位提升因果变异识别能力

小赛推荐：

该研究通过整合功能注释与全基因组精细定位，显著提升了复杂性状因果变异的识别效率，为复杂疾病的遗传解析提供了更精确的统计框架，直接指导未来大规模GWAS后功能验证的实验设计。

 

文献概述

本文《Genome-wide fine-mapping improves identification of causal variants》，发表于《Nature Genetics》杂志，系统探讨了传统精细定位方法在复杂性状研究中的局限性，并提出了一种基于全基因组贝叶斯混合模型（GBMM）的改进策略。作者开发了SBayesRC方法，通过联合建模全基因组SNP效应与功能注释信息，实现了更高分辨率的因果变异识别。研究不仅在模拟和真实数据中验证了其优越性能，还构建了可信集（LCS/GCS）并预测了未来研究所需样本量，为复杂性状遗传架构解析提供了系统性工具。

背景知识

目前，复杂疾病如精神分裂症（SCZ）、克罗恩病（CD）和2型糖尿病等的遗传基础研究虽已通过GWAS鉴定大量关联位点，但受限于连锁不平衡（LD）和多基因性，真正致病的因果变异仍难以精准识别。传统精细定位方法通常局限于全基因组显著位点，忽略亚显著信号，导致大量遗传力未被解释。此外，现有方法对功能注释信息的整合多为两步法，缺乏联合建模，影响先验概率估计准确性。同时，缺乏对精细定位功效的量化预测，阻碍了前瞻性研究设计。本研究的切入点在于提出全基因组精细定位（GWFM），通过SBayesRC实现全基因组SNP联合建模与功能注释信息的自适应学习，解决了区域特异性方法的局限性，提升了定位分辨率与统计功效，并首次实现了对h2SNP解释比例的前瞻性预测，为复杂性状遗传学提供了新范式。

 

针对精神分裂症、克罗恩病等复杂疾病研究，赛业生物提供全基因组人源化小鼠模型HUGO-GT®，支持原位基因替换，保留完整基因组结构，可用于模拟人类基因调控模式，助力疾病机制研究与基因治疗开发。模型涵盖阿尔茨海默病、脊髓性肌萎缩症等罕见病，支持定制突变服务，是药物临床前研究的理想平台。

了解更多

 

研究方法与核心实验

作者采用SBayesRC作为全基因组精细定位（GWFM）的核心方法，基于贝叶斯混合模型（BMM）框架，整合1300万SNP的GWAS汇总统计与功能基因组注释数据。该方法在约独立的LD block上进行全基因组联合建模，通过分层先验机制自适应学习功能注释对SNP效应的影响。为评估性能，作者在三种不同遗传架构（稀疏、大效应、LD-MAF分层）下进行大规模模拟，并与FINEMAP、SuSiE等传统方法比较。真实数据分析涵盖599个性状，重点分析48个高统计功效性状，包括身高、BMI、精神分裂症和克罗恩病，使用UK Biobank及PGC数据验证。

关键结论与观点

• SBayesRC在模拟中展现出最优的后验包含概率（PIP）校准性，显著优于SuSiE和FINEMAP，表明其FDR控制更可靠，为后续功能验证实验提供了更高置信度的候选变异列表。
• GWFM策略比仅限于GWAS显著位点的精细定位提升46–61%的统计功效，且30%的可信集位于全基因组显著性阈值之外，强调了全基因组扫描的必要性，避免遗漏亚显著信号。
• SBayesRC识别的可信集平均解释18%的SNP遗传力（h2SNP），远超传统方法，且预测需约200万样本才能精细定位50%的h2SNP，为大规模队列设计提供了量化依据。
• 研究成功复现已知因果变异如FTO位点的rs1421085，并优先其因功能注释（如保守性）而被赋予更高PIP，凸显了功能整合在精细定位中的价值。
• 新发现精神分裂症相关基因ACTR1B的错义变异rs11692435（PIP=0.96），该位点虽未达GWAS显著性（P=3×10⁻⁸），但被功能注释强烈支持，提示其为新致病候选基因，需细胞模型验证其对神经元功能的影响。
• 在克罗恩病中识别新的错义变异rs13107325于SLC39A8，该基因参与锌转运与免疫调节，支持其在肠道炎症中的作用，提示SLC39A8为潜在治疗靶点，值得在肠上皮细胞模型中进一步研究其机制。

研究意义与展望

该研究为复杂疾病遗传研究提供了更强大的精细定位工具，其预测模型可指导未来大型队列的样本量规划，提升研究成本效益。SBayesRC输出的高置信因果变异可直接用于CRISPR筛选或eQTL共定位分析，加速功能验证流程。

从临床转化角度看，更精确的遗传风险预测模型可提升多基因评分（PGS）的跨祖先适用性，如研究中展示的跨祖先表型预测性能提升，有助于减少健康差异。此外，新识别的错义变异可作为药物靶点候选，推动精准医学发展。

 

为验证ACTR1B、SLC39A8等新发现的候选基因功能，赛业生物提供条件性基因敲除小鼠与基因敲入模型定制服务，利用Cre-LoxP系统实现组织特异性基因编辑，避免胚胎致死，适用于研究基因在特定组织或发育时期的生理功能，支持从模型构建到表型分析的全流程研究。

了解更多

 

结语

本研究通过创新性地整合全基因组建模与功能注释学习，显著提升了复杂性状因果变异的识别能力。SBayesRC不仅在统计性能上超越现有方法，更重要的是提供了对精细定位功效的量化预测，为未来研究设计提供了科学依据。研究揭示了大量位于传统GWAS信号之外的致病变异，强调了全基因组精细定位的必要性。新发现的精神分裂症与克罗恩病候选因果变异，如ACTR1B和SLC39A8位点，为后续功能研究提供了高优先级目标。这些成果将加速从关联信号到致病机制的转化，推动复杂疾病精准干预策略的发展。该框架有望成为未来GWAS后分析的标准流程，构建更完善的疾病遗传图谱，最终提升临床风险预测与个体化治疗的准确性。

 

Yang Wu, Zhili Zheng, Loic Thibaut, Peter M Visscher, and Jian Zeng. Genome-wide fine-mapping improves identification of causal variants. Nature Genetics.