遗传研究中参与偏倚对遗传力与遗传相关性估计的影响及校正方法

这篇研究通过建立统计模型系统评估了参与偏倚（PB）对遗传力（h2）和遗传相关性（ρg）估计的影响，提出了一种仅需参与者基因数据即可校正偏倚的方法。基于英国生物银行（UKBB）12项表型分析发现，未校正时h2和|ρg|普遍被低估，其中BMI、教育程度（EA）等8项表型与参与的遗传相关性显著。该研究为缺乏非参与者基因数据时的遗传推断提供了可靠解决方案。

　　

研究背景

随着生物银行研究的快速发展，参与偏倚（PB）对遗传研究的干扰日益凸显。英国生物银行（UKBB）仅5.5%的受邀者参与率可能导致数据偏差，传统基于倾向评分的逆概率加权（IPW）方法因未纳入基因型信息而效果有限。

模型构建

研究采用双组分模型分解参与倾向评分（X）和其他表型（Y）的遗传（G_x/G_y）与非遗传（ε_x/ε_y）组分，通过同源血统（IBD）片段比较估计参与遗传力（h_x²=0.125）。关键参数包括：

• 遗传相关性ρ_g=Corr(G_x,G_y)
• 非遗传相关性ρ_e=Corr(ε_x,ε_y)

理论推导

遗传力偏差机制：
样本中G_x与ε_x因碰撞效应形成负相关，导致遗传组分系数a'<>_g与ρ_e同号时，h_y,PB²可能低估真实h_y²，其表达式为：
h_y,PB² = [h_y² - ξ(α)ρ_G(ρ_G+2ρ_E)] / (1-ξ(α)ρ²)
其中ξ(α)=1-Var(X|X>t_α)反映选择强度。

遗传相关性偏差：
表型对Y₁/Y₂的遗传相关性φ_g在样本中可能被高估或低估，取决于ρ_g与ρ_e的相对大小。

实证分析

对UKBB 12项表型（含BMI、腰围、教育程度等）的校正显示：

1. 显著遗传相关性：BMI(ρ_g=-0.246)