Logica：基于似然框架的跨祖先局部遗传相关性精准估计算法

《AJHG》：Logica: A likelihood framework for cross-ancestry local genetic correlation estimation using summary statistics

本研究针对现有遗传相关性分析方法难以刻画跨祖先局部基因组复杂性与连锁不平衡（LD）结构差异的问题，开发了Logica方法。该方法通过双变量线性混合模型，利用GWAS摘要统计量进行最大似然估计，在模拟与真实数据中均展现出更高的准确性、功效及错误发现率控制能力，为跨人群遗传架构研究提供了可靠工具。

　　

Logica是一种利用全基因组关联研究（Genome-Wide Association Study, GWAS）摘要统计量来估算跨祖先局部遗传相关性的似然框架。它通过一个双变量线性混合模型（Bivariate Linear Mixed Model）来精确考量不同祖先群体间特有的连锁不平衡（Linkage Disequilibrium, LD）结构。

在大量的模拟研究和针对来自多祖先生物样本库的13个性状的分析中，Logica均表现出卓越的性能：其估算局部遗传相关性的准确性更高（均方误差降低了2.23至4.13倍），检测遗传相关区域的统计功效更强（在5%的错误发现率False Discovery Rate, FDR控制下，功效提升了8%至40%），并且能对错误发现率进行有效控制。尤为重要的是，Logica能够在现有方法失效的基因组区域（约占23%至39%）产生有效的基因组范围估计值。

该方法的一个重要副产品是能够进行跨祖先的联合遗传力（Heritability）检验，并提供校准良好的p值（例如 p 值），而这一点正是现有方法通常面临的挑战。综上所述，Logica在解析不同人群复杂性状的共享遗传基础方面，提供了更精准、更强大的工具。