CADET：基于eQTL摘要数据的混合样本转录组关联分析增强方法

为解决混合人群转录组关联分析(TWAS)中因祖先异质性导致的表达预测偏差问题，研究人员开发了CADET方法。该方法创新性整合局部祖先(LA)信息和多祖先eQTL参考数据，在模拟数据和UK Biobank队列中验证其优越性，发现18个GWAS支持的独特基因-性状关联，为精准医学提供 ancestry-aware（祖先感知）分析新范式。

　　

在生命科学领域，转录组关联研究(TWAS)已成为解析基因表达调控与复杂性状关联的重要工具。然而传统方法隐含的同质祖先假设，在面对基因组呈现多祖先嵌合特征的混合人群时，往往导致表达预测准确性下降和统计功效减弱。这项研究提出的CADET框架巧妙破解了这一难题——通过整合局部祖先(LA)信息和来自不同祖先群体的表达数量性状位点(eQTL)摘要数据，构建祖先感知的基因表达预测模型。

研究团队采用多基因风险评分(PRS)策略，基于多祖先eQTL参考数据预测混合样本中受祖先背景影响的基因表达组分。模拟实验显示，无论基因表达遗传结构是否依赖祖先背景，CADET在预测精度、统计功效和I型错误控制方面均显著优于传统方法。更令人振奋的是，在UK Biobank混合人群中对29种血液生化指标的分析中，CADET独树一帜地鉴定出18个GWAS证据支持的基因-性状关联，这些发现被常规方法所遗漏。

这项突破性工作不仅为混合人群研究提供了强大的TWAS分析工具，更深刻揭示了祖先背景在基因表达调控中的关键作用。CADET的成功应用标志着精准医学向 ancestry-aware（祖先感知）分析范式迈出重要一步，为解开复杂疾病遗传机制开辟了新途径。