基于单细胞计数的高效eQTL定位框架jaxQTL及其在免疫性状遗传解析中的应用

《Nature Genetics》：Efficient count-based models improve power and robustness for large-scale single-cell eQTL mapping

　　

群体规模的单细胞RNA测序能够在细胞水平上绘制基因调控的遗传效应图谱（例如，单细胞表达数量性状位点（sc-eQTLs））。然而，现有的sc-eQTL定位方法要么不适用于分析单细胞RNA测序数据中的稀疏计数，要么在大规模应用中变得计算上难以处理。为此，研究人员开发了jaxQTL——一种利用高效计数模型的伪批量（pseudobulk）sc-eQTL定位框架。在模拟研究中，研究人员证明，采用负二项（negative binomial）模型的jaxQTL在校准推断方面优于线性模型。在OneK1K数据中，jaxQTL识别的eGenes比线性模型多16%，同时运行速度远快于单细胞泊松混合效应模型。研究人员发现，精细定位的sc-eQTLs相较于在全细胞中识别的eQTLs（bulk-eQTLs），距离转录起始位点更远（P = 1 × 10?4），并且更富集于细胞类型特异的增强子区域（P = 3 × 10?10），揭示了在组织块中遗漏的远端调控效应。尽管sc-eQTLs在不同细胞类型间大部分是共享的，但其细胞类型特异性随着与转录起始位点距离的增加而增加。最终，sc-eQTLs在16种血液和免疫相关性状中解释了比bulk-eQTLs更大比例的单核苷酸多态性遗传力（9.90 ± 0.88% 对比 6.10 ± 0.76%），并优先识别出被组织块方法遗漏的疾病相关基因（如IL6ST），从而改善但并未完全弥合全基因组关联研究与eQTLs之间的缺失联系。

研究背景与科学问题

全基因组关联研究（GWAS）所发现的遗传变异大多位于非编码区，其功能阐释高度依赖于表达数量性状位点（eQTL）的发现。传统的eQTL研究主要基于组织块的RNA测序（bulk-eQTL），但bulk-eQTL与GWAS风险位点之间的重叠有限，这一“缺失联系”可能源于缺乏对疾病相关细胞类型的研究、细胞类型特异性的eQTL效应在组织块中被稀释，以及统计功效不足以检测弱效应eQTL。大规模单细胞RNA测序（scRNA-seq）的出现，使得在异质性细胞群中进行单细胞eQTL（sc-eQTL）定位成为可能，例如OneK1K项目已发布来自982名供体的127万外周血单个核细胞（PBMC）数据，TenK10K项目更是扩展至万名供体五千万细胞。然而，现有工具面临两难：基于线性模型的工具（如tensorQTL）无法有效处理稀疏计数数据，而单细胞混合效应模型（如SAIGE-QTL）在处理百万级细胞时计算成本过高。因此，亟需一种既能在统计上恰当建模单细胞稀疏计数，又具备良好可扩展性的sc-eQTL定位方法。

研究内容与主要结论

为解决上述挑战，研究人员开发了jaxQTL——一个基于高效计数模型的大规模sc-eQTL定位框架。在模拟研究中，采用负二项（negbinom）模型的jaxQTL提供了校准的推断并优于线性模型。在真实的OneK1K数据中，jaxQTL比线性模型多鉴定16%的eGenes，且运行速度远超单细胞泊松混合效应模型。精细定位分析显示，sc-eQTLs比bulk-eQTLs更远离转录起始位点（TSS），更富集于细胞类型匹配的顺式调控元件（cCREs），揭示了组织块分析中遗漏的远端调控效应。跨细胞类型效应共享分析表明，大多数sc-eQTL效应是共享的，但细胞类型特异性随距TSS距离增加而升高。最后，sc-eQTLs在16种免疫相关GWAS性状中解释了比bulk-eQTLs更大比例的SNP遗传力，并成功优先识别出被组织块方法遗漏的候选致病基因（如IL6ST）。

主要关键技术方法

1. 1.
   jaxQTL框架：采用广义线性模型（GLM）对伪批量（pseudobulk）计数数据进行建模，直接拟合负二项（negbinom）分布，并结合JAX即时编译技术与分块得分检验（block-wise score testing）实现大规模cis-eQTL扫描。
2. 2.
   基因水平推断：实现了两种方法，即基于置换的Beta近似法和计算效率更高的ACAT-V法；对于后者，为应对低覆盖度基因导致的SNP水平P值失校准，引入了鞍点近似（SPA）进行校正。
3. 3.
   精细定位与效应共享分析：使用SuSiE对eGenes进行精细定位，获得95%可信集（CS）；采用mashr模型联合分析不同细胞类型间的sc-eQTL效应大小，以区分效应方向共享与效应幅度共享。
4. 4.
   分层LD评分回归（S-LDSC）：利用S-LDSC评估精细定位sc-eQTLs对16种免疫疾病和血液性状SNP遗传力的贡献及富集程度。
5. 5.
   数据来源与验证：主要分析基于OneK1K数据集（982名供体，14种PBMC细胞类型），并在CLUES研究（88名欧洲裔、88名亚洲裔）、GTEx全血及DICE研究的FACS分选免疫细胞中进行了独立复制验证。

研究结果

• •
  负二项模型提供校准且更强大的sc-eQTL推断：在基于OneK1K参数化的泊松混合效应（PME）模型模拟中，jaxQTL-negbinom在所有模型中表现出校准的I型错误率，且在低覆盖度基因和稀有细胞类型中，其统计功效显著优于jaxQTL-linear和tensorQTL。
• •
  jaxQTL在OneK1K数据中实现稳健的eGene发现：在真实数据中，jaxQTL-negbinom比jaxQTL-linear多鉴定14%的eGenes，比tensorQTL多16%，且与SAIGE-QTL鉴定数目相当；新增的eGenes主要集中于低表达基因，证实了计数模型在低表达场景下的优势。
• •
  jaxQTL提供显著的计算增益：在OneK1K原始规模下，jaxQTL在GPU上的运行速度比SAIGE-QTL快2.4倍；在模拟的万人规模（TenK10K）数据中，jaxQTL在GPU上比SAIGE-QTL快646倍，在TPU上快1416倍，展现了卓越的可扩展性。
• •
  sc-eQTLs更富集于细胞类型匹配的顺式调控元件：精细映射结果表明，sc-eQTLs比bulk-eQTLs更远离启动子区域，更倾向于远端调控；且在开放染色质、增强子和启动子等细胞类型特异的顺式调控元件（cCREs）中，sc-eQTLs的富集程度显著高于bulk-eQTLs。
• •
  sc-eQTL位置预测细胞类型特异性：通过mashr模型校正统计功效差异后，发现67%的精细定位sc-eQTLs在所有14种细胞类型中共享效应方向，但仅15%共享效应幅度；细胞类型特异性的sc-eQTLs显著更远离TSS，符合远端调控元件更具细胞类型特异性的特征。
• •
  sc-eQTLs揭示与GWAS免疫性状相关的细胞类型：S-LDSC分析表明，sc-eQTLs注释的SNPs解释了比bulk-eQTLs更高比例的免疫性状SNP遗传力（9.90% vs. 6.10%），并能根据条件分析识别出与特定疾病生物学一致的细胞类型（如类风湿关节炎与CD8⁺效应T细胞）。
• •
  sc-eQTLs优先识别被组织块方法遗漏的候选基因：以ANKRD55-IL6ST类风湿关节炎风险位点为例，rs7731626仅在T细胞中作为IL6ST的sc-eQTL被检出并与RA GWAS共定位，而在bulk分析中无信号，结合Hi-C和组蛋白修饰数据证实了其T细胞特异的增强子-基因调控机制。

结论与讨论

本研究开发的jaxQTL框架通过将高效的计数模型（负二项）应用于伪批量数据，在保证统计推断校准性和高统计功效的同时，实现了大规模sc-eQTL的快速定位。该方法在OneK1K数据中鉴定了比线性模型更多的eGenes，特别是低表达基因，并且在计算速度上相比混合效应模型有数个数量级的提升。精细定位分析揭示了sc-eQTLs独特的调控架构：它们更富集于远端、细胞类型特异的顺式调控元件，这些信号在组织块分析中往往被掩盖。虽然多数sc-eQTL效应方向在不同细胞类型间一致，但效应幅度和细胞类型特异性与距离TSS的距离密切相关。更重要的是，sc-eQTLs能够解释比bulk-eQTLs更大比例的免疫性状遗传力，并成功优先识别出如IL6ST这类被传统方法遗漏的疾病相关基因，从而改善了GWAS与eQTL之间的“缺失联系”。综上所述，研究人员的成果确立了jaxQTL作为一种可扩展的工具，通过分析大型单细胞数据集来识别sc-eQTLs，从而在疾病相关细胞类型中改进对遗传风险的生物学解释。