Nature genetics
基因组内邻近SNP位点的因果效应相关性揭示稳定选择作用

小赛推荐：

该研究揭示了邻近SNP位点间因果效应的负相关性，提示在复杂疾病遗传架构研究中需考虑连锁位点间的非独立效应，对复杂疾病遗传机制的精细作图和风险预测模型优化具有重要指导意义。

 

文献概述

本文《Correlations between causal effect sizes of proximal SNPs vary with functional annotations and implicate stabilizing selection》，发表于《Nature genetics》杂志，系统探讨了人类复杂疾病相关SNP位点的因果效应是否独立这一长期假设。研究团队开发了LDSPEC方法，首次在全基因组范围内量化了邻近SNP位点间标准化衍生等位基因因果效应的关联程度。结果表明，这些效应并非独立，而是呈现出与等位基因频率、连锁不平衡（LD）和功能注释相关的复杂相关性模式。该发现挑战了传统多基因模型的基本假设，为理解自然选择在复杂疾病变异维持中的作用提供了新视角。

背景知识

1. 该研究解决的复杂疾病遗传机制痛点：传统全基因组关联研究（GWAS）通常假设每个SNP的效应独立，忽略了邻近变异可能通过单倍型结构共同影响表型。这种忽略可能导致对遗传力的高估或对因果变异定位的偏差，尤其在功能区域中。稳定选择（stabilizing selection）理论预测，具有相反效应的变异若位于同一单倍型上，可能因整体适合度影响较小而逃逸负选择，从而在群体中保留，形成所谓的“连锁屏蔽”（linkage masking）现象。
2. 目前SNP效应独立性的研究瓶颈：尽管已有理论模型提出邻近SNP效应可能相关，但缺乏系统性实证。现有方法如LD Score回归（LDSC）未建模SNP-pair效应协方差，导致对遗传力和功能富集的估计可能偏差。此外，功能注释与SNP-pair效应相关性的交互作用尚未被量化。
3. 选题切入点：作者通过开发LDSPEC方法，将SNP-pair效应相关性建模为可估计参数，结合大规模UK Biobank和BioBank Japan数据，系统评估了不同功能注释类别中邻近SNP的效应相关性。通过正向模拟验证，将观察到的负相关性与稳定选择模型联系，为人类复杂疾病遗传架构的进化机制提供了实证支持。

 

针对阿尔茨海默病、脊髓性肌萎缩、视网膜色素变性等罕见病，可提供HUGO-GT®全基因组人源化模型，搭载了更高效的大片段载体融合技术，可以作为万能模板进行针对性的突变定制服务，是更贴近真实世界生物机制的药物临床前研究模型，我们期待与你共同开发新型全基因组人源化小鼠，加速基因治疗研究

了解更多

 

研究方法与核心实验

作者开发了LDSPEC（Linkage Disequilibrium SNP-pair Effect Correlation regression）方法，基于多变量回归框架，利用GWAS汇总统计和LD信息估计邻近SNP位点对的因果效应相关性（ξ）和超额相关性（ξ*）。该方法通过构建方向性LD得分（directional LD score），捕捉SNP与SNP-pair之间的LD模式，并将其作为协变量回归χ²统计量，从而估计SNP-pair注释对效应协方差的贡献。LDSPEC在模拟数据中验证了其校准性和检测能力，随后应用于70个UK Biobank性状（平均N=30.6万）和10个BioBank Japan性状（平均N=11.2万）。

研究采用分层策略，构建了136个SNP-pair注释，涵盖距离（0-100bp、100bp-1kb、1-10kb）、等位基因频率（常见/低频）、LD相（正/负）及功能类别（如启动子、增强子、H3K27ac标记区域）。通过meta分析29个独立性状，结合多重检验校正，系统评估了各注释类别下的效应相关性。此外，作者进行了正向进化模拟，模拟在稳定选择下定量性状的演化过程，以验证观察到的LD与效应相关性模式是否可由理论模型重现。

关键结论与观点

• 邻近低频正LD SNP对表现出强烈且显著的负效应相关性（如0-100bp：−0.37±0.09），支持稳定选择模型下的连锁屏蔽机制，即相反效应的SNP在单倍型上可降低整体适合度影响，从而逃逸负选择。
• 常见SNP的效应相关性弱于低频SNP，提示低频变异受选择压力更强，对复杂疾病遗传机制的建模需分层考虑等位基因频率。
• 功能共享的SNP对（如同一启动子区域）表现出更强且更远距离的效应相关性，表明功能注释可增强连锁屏蔽效应，对功能基因组学研究具有指导意义。
• 正向模拟成功重现了真实数据中正LD SNP对的负相关性和负LD SNP对的弱正相关性，验证了稳定选择是驱动该模式的合理进化机制。
• SNP遗传力（SNP-heritability）显著低于各SNP效应方差之和（SCV），尤其在功能富集区域（如超级增强子），提示忽略效应相关性会高估可解释遗传力，影响PRS模型的准确性。

研究意义与展望

该研究从根本上挑战了“SNP效应独立”的假设，揭示了基因组组织的非随机性。在药物开发中，若靶基因区域存在多个功能相关且效应相反的变异，可能影响靶点验证的可靠性，需结合单倍型分析。此外，PRS模型若忽略邻近SNP的协同或拮抗效应，可能导致风险预测偏差，未来模型应整合LDSPEC类方法以提升精度。

在临床监测方面，该发现提示某些疾病风险可能由单倍型组合而非单个变异驱动，尤其在功能元件密集区。因此，对疾病风险预测的解读应考虑区域整体调控逻辑，而非孤立SNP效应。这为个性化基因组医学提供了更精细的理论基础。

在疾病建模方面，动物模型（如基因敲除小鼠）通常模拟单个变异，可能无法反映人类中由多个邻近变异共同调控的复杂表达模式。未来构建基因敲入与人源化小鼠模型时，应考虑引入单倍型结构，以更真实地模拟人类疾病机制。

 

提供多种工具鼠模型，包括Cre工具鼠、诱导型Cre工具鼠、荧光标记模型和Dre工具鼠。模型可用于条件性基因敲除、基因表达调控和细胞标记等研究。提供定制化服务，开发特定的工具鼠模型，助力研究基因在特定组织或发育阶段的功能，适用于神经科学研究、免疫系统研究和疾病模型构建。

了解更多

 

结语

本研究通过创新方法LDSPEC，揭示了人类基因组中邻近SNP位点的因果效应并非独立，而是受功能注释、等位频率和LD结构共同调控，支持稳定选择通过连锁屏蔽机制维持复杂疾病遗传变异。这一发现重塑了我们对多基因架构的理解，强调在遗传力估计、PRS构建和功能注释分析中必须考虑SNP-pair效应相关性。从实验室到临床，该成果为复杂疾病风险预测提供了更准确的统计框架，为疾病机制研究指明了单倍型水平的功能验证方向。尤其在神经退行性疾病、代谢疾病等多基因病领域，整合单倍型效应将提升疾病模型的生理相关性。未来，结合iPS细胞技术服务与基因编辑细胞系服务，可在等基因背景下系统测试邻近SNP组合的调控效应，推动从关联到机制的转化。该研究为精准医学奠定了更坚实的遗传理论基础，标志着复杂疾病基因组学进入单倍型感知的新时代。

 

Martin Jinye Zhang, Arun Durvasula, Colby Chiang, Shamil Sunyaev, and Alkes L Price. Correlations between causal effect sizes of proximal SNPs vary with functional annotations and implicate stabilizing selection. Nature genetics.