多性状全基因组关联分析对血压性状的位点发现与多基因风险评分效能增益有限:与单性状GWAS比较

《Genetic Epidemiology》:Multi-Trait GWAS Analyses of Blood Pressure Traits Provide Limited Gains in Locus Discovery or Polygenic Risk Score Performance Compared to Single-Trait GWAS

【字体: 大 中 小 】 时间:2026年10月23日 来源:Genetic Epidemiology 3.4

编辑推荐:

  高血压(BP)是危及生命的心血管疾病的主要病因。全基因组关联分析(GWAS)已识别>2000个BP相关信号。BP-GWAS通常分别分析每个BP性状。然而,多性状GWAS可能产生新位点并改善多基因风险评分(PRS)预测。研究人员探讨多性状BP-GWAS是否能够:

  
高血压(BP)是危及生命的心血管疾病的主要病因。全基因组关联分析(GWAS)已识别>2000个BP相关信号。BP-GWAS通常分别分析每个BP性状。然而,多性状GWAS可能产生新位点并改善多基因风险评分(PRS)预测。研究人员探讨多性状BP-GWAS是否能够:(i) 发现单性状GWAS未检测到的新位点;(ii) 提高遗传力估计;(iii) 改善Lifelines Cohort Study内对高血压的PRS预测。研究人员研究相关BP性状(收缩压(SBP)、舒张压(DBP)、脉压(PP))的多性状GWAS方法的效用。研究人员检验两种多性状方法,输入最新N > 100万单性状BP-GWAS结果:(a) GWAS多性状分析(MTAG);(b) 基因组结构方程建模(GenomicSEM);并与单性状结果比较。研究人员从多性状GWAS仅识别出一个新位点:ZNF268。遗传力估计和PRS性能均未通过多性状GWAS得到改善。在BP-GWAS样本完全重叠的这一情景中,研究人员观察到多性状BP-GWAS较单性状BP-GWAS的结果增益很小。研究人员的发现量化了多性状方法在该特定设置下的有限获益。未来BP遗传发现更可能来自纳入新队列数据的更大GWAS。然而,对于其他性状,结论可能不同,取决于性状特异性遗传架构。
研究背景方面,高血压(BP)是心血管和循环系统疾病的重要可改变危险因素,未被发现和控制时可导致终身残疾或致死性后果。全基因组关联分析(GWAS,检测遗传变异与性状关联的研究方法)已发现>2000个BP位点,BP-GWAS样本量已超过100万,但BP位点仍仅解释约三分之一遗传贡献。既往BP-GWAS多分别分析收缩压(SBP)、舒张压(DBP)和脉压(PP)等单性状,虽共同报告位点,却未利用相关性状多变量分析增加效能的机会。多种多性状GWAS方法已被开发,但多数需个体水平基因型与表型数据,或仅输出一个跨性状关联结果。MTAG(GWAS多性状分析)和GenomicSEM(基因组结构方程建模)均只需汇总统计;MTAG可输出各性状独立结果,GenomicSEM输出一个合并结果,可能便于构建单一BP-PRS。基于最新N>100万BP-GWAS且三性状完全样本重叠(complete sample overlap,不同性状GWAS使用相同个体)的背景,研究人员比较单性状与多性状GWAS,考察能否发现新位点、提高遗传力估计、改善PRS对高血压的预测。

技术方法上,研究人员采用GenomicSEM和MTAG分析最新BP-GWAS(N=1,028,980欧洲个体;约750万经填补SNP,MAF≥1%),SBP、DBP、PP三套GWAS完全样本重叠。建立SBP-DBP、SBP-PP、DBP-PP两性状模型;因PP为SBP与DBP差值,未建三性状模型。排除HLA区域(25M–35M),仅用MTAG与GenomicSEM共有SNP(n=7,124,044)。比较独立信号数(clumps)、β与p值、遗传相关;按预定管线发现新位点;用LDSC(连锁不平衡得分回归)估计遗传力;用SBayesRC构建PRS,在Lifelines Cohort Study(n=10,210)中评估高血压预测。

研究结果如下。3.1 结果比较:3.1.1 Clumps:通过PLINK对全基因组显著阈值(p<5×10?8)、500 kb且LD r2<0.1进行聚类计数,多性状结果独立信号数多低于单性状;如SBP-DBP模型中GenomicSEM(SBP-DBP)为1467,MTAG-SBP为1385、MTAG-DBP为1357,而同一共同SNP集合上单性状GWAS为SBP 1799、DBP 1743。3.1.2 Beta/p值比较:通过散点与Pearson相关比较,MTAG与对应单性状BP-GWAS几乎一致(SBP r=0.999、DBP r=0.998);GenomicSEM与单性状GWAS的β相关在SBP和DBP均为0.930;p值比较提示部分多性状分析识别出单性状未达全基因组显著的额外变异,故进入新位点发现。3.1.3 遗传相关比较:MTAG与对应单性状GWAS的rg≥0.999;GenomicSEM因子一般与贡献性状一致,例外为GenomicSEM(DBP-PP)与GWAS SBP的rg=0.998,而与GWAS DBP的rg=0.805、与GWAS PP的rg=0.813。3.2 新位点发现:通过新位点发现管线仅识别1个新位点,即12号染色体133,766,122 bp的rs12828318,在GenomicSEM(DBP-PP)达全基因组显著(p=4.93×10?8),原始单性状GWAS均未达显著;G次要等位基因频率=0.18,按DBP-GWAS使DBP降低0.105 mmHg,最近基因为ZNF268;该SNP与已发表BP SNP距离>500 kb且r2<0.1。功能注释显示其为内含子变异并与腰臀比相关;连锁SNP与心血管疾病、冠状动脉疾病和脑相关性状相关;Open Targets Genetics Platform查询显示其与9个基因表达相关,ZNF268为最近编码基因(距经典TSS 8127 bp),全表型组关联分析(PheWAS)显示与高血压相关(β=?0.00661,p=2.1×10?9)。3.3 遗传力:通过LDSC估计,多性状GWAS未提高遗传力;MTAG同一性状估计高度一致,SBP最高(h2=0.112),PP为0.107,DBP为0.104;GenomicSEM各因子中DBP-PP因子最高(h2=0.121)。3.4 PRS与高血压风险预测:3.4.1 PRS与方差解释:用SBayesRC在SBP-DBP模型生成5套PRS,其Pearson相关模式与相应性状遗传相关一致;SBP方差解释为PRSGWAS-SBP 11.37%、PRSMTAG-SBP 11.41%、PRSGenomicSEM 10.98%;高血压最高方差解释见于同时含SBP和DBP的模型,GWAS为7.31%、MTAG为7.19%、GenomicSEM为6.97%。3.4.2 PRS与高血压关联:通过十分位logistic回归,GenomicSEM结果略低于单性状GWAS和MTAG;全调整模型中最高十分位对最低十分位,GenomicSEM-PRS的OR为10.14(95%CI:7.79,13.28),GWAS平均模型为10.76(8.22,14.18),MTAG平均模型为11.23(8.59,14.80);联合模型中GWAS为13.69(9.96,18.83),MTAG为12.93(9.44,17.72);以第5/6十分位为参照结果类似。3.4.3 模型性能:仅协变量Model 1的AUROC为0.791(95%CI:0.781,0.801);加入单性状GWAS PRS后为0.826(0.817,0.836),加入MTAG PRS后为0.826(0.816,0.835),加入GenomicSEM PRS后为0.825(0.815,0.834);Brier评分分别为0.142、0.130、0.130、0.131,校准良好;Youden指数分别为1.428、1.504、1.504、1.502;NRI约为0.080–0.081。

讨论部分总结:该研究在完全样本重叠的BP-GWAS背景下,多性状BP-GWAS仅发现一个新位点ZNF268,遗传力估计与PRS性能均未改善,量化了多性状方法在该特定设置中的有限获益。ZNF268为在胎儿组织和肿瘤细胞系表达、具多个剪接异构体的基因,参与胎儿发育并可能作为转录调节因子;既往GWAS曾将其与腰臀比、心血管疾病、冠状动脉疾病和2型糖尿病关联,但其BP调控作用仍不清楚。有限获益的主要原因在于SBP、DBP、PP-GWAS均来自同一meta分析数据集,无独立样本;MTAG原始获益建立在不同数据集部分非重叠的基础上。BP测量通常同时产生SBP和DBP并可推导PP,因此BP多性状分析常存在完全样本重叠。单BP-GWAS已具N>100万和>2100个独立BP信号的高效能;多性状GWAS可能对单性状样本量较小、效能尚有余地的性状更有益。研究优势包括大样本、系统比较多变量与单变量方法、采用与既往一致的新位点发现管线、在独立Lifelines Cohort Study外部验证PRS以及使用结合功能注释的SBayesRC。局限包括仅覆盖MAF>1%的常见变异、仅欧洲 ancestry、因共线性未建SBP-DBP-PP三性状模型、MTAG和GenomicSEM未捕获混合效应方向;研究中18个独立lead SNP在GWAS-SBP和GWAS-DBP达显著但效应方向相反,并在GWAS-PP中显著,但这些变异未在多性状分析中带来优势。多祖先应用仍面临LDSC参考面板等方法学挑战。未来BP遗传发现更可能来自增加多样祖先样本量以及同时考虑罕见和常见变异;若用PRS预测,建议直接采用单性状SBP-PRS与DBP-PRS的多变量模型,交互模型分析中GenomicSEM单一BP-PRS可能仍有实际便利;多性状GWAS的灵活性或更适合整合新的独立GWAS数据及其他BP相关性状。

研究结论部分翻译:总之,多性状方法此前已显示相对传统GWAS的效能优势,并常宣称在一系列性状中获得更多发现。然而,在血压性状于完全样本重叠条件下分析的情境中,研究人员的发现表明,多变量方法较单性状GWAS仅提供极小额外获益。值得注意的是,该研究结果不应被解释为对多性状方法在所有复杂性状或所有研究设计场景中性能的总体评价。任何结论均具有性状特异性,多性状GWAS方法可能对其他常见复杂性状更有益。文献中许多多性状研究成功案例,包括原始MTAG研究,研究的是精神类性状。与BP-GWAS相比,精神类性状GWAS样本量更小;此外,精神类性状表型更异质,GWAS meta分析中的结局在不同贡献研究中可能按略不同的性状定义和推导进行测量,导致研究设计较难像本BP-GWAS研究那样出现完全样本重叠。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号