广义测试基因型-表型因果关系的群体抽样核心家庭方法

《PLOS Genetics》：A generalized test of genotype–phenotype causality in population-sampled nuclear families

　　

研究人员近期开发了一种因果推断框架与检验方法——传递均值检验(Transmission Mean Test, TMT)——用于在群体抽样的亲子三人组（每家庭观察一名子女）中识别因果的基因型-表型关系。在此，研究人员建立了针对群体抽样核心家庭的广义TMT(generalized TMT, gTMT)，允许每个家庭有多名子女。该扩展聚焦于检测对儿童表型具有非零平均因果效应(average causal effect, ACE)的遗传位点，同时考虑兄弟姐妹共享相似的随机家庭特异性效应。研究人员构建了一个潜在结果(potential outcomes)性状模型，该模型同时考虑个体层面和家庭层面的异质性，捕获加性与非加性遗传效应，并适用于定量（连续或计数）及二分类性状。研究人员设计了一个ACE的无偏估计量τ^与抽样方差估计量σ^2以构建检验零假设（无因果效应）的统计量。研究人员提供了理论与实证证据表明gTMT对群体结构与家庭特异性效应等混淆因素具有稳健性。研究人员分析了英国生物样本库(UK Biobank)中的核心家庭作为gTMT应用的示例。当亲本基因型缺失时，研究人员提出通过利用子代基因型的贝叶斯计算将亲本基因型建模为中间随机变量来进一步扩展gTMT。

研究背景方面，全基因组关联研究(genome-wide association studies, GWAS)通常在群体抽样个体上进行，虽能识别基因型与表型间的显著统计关联，但因存在同时关联基因型与表型的混淆因素，此类关联不能被解释为因果发现，这是观察性研究的一般局限而非GWAS弱点。相比之下，基于系谱抽样近缘个体的家庭研究虽能估计遗传变异与表型的连锁并控制群体结构与非随机交配等混淆因素，但在家庭设计中正式建立因果推断受关注较少。研究人员此前提出了针对群体抽样亲子三人组的因果框架与稳健检验TMT，其基于减数分裂中等位基因传递的随机化构建于Neyman-Rubin潜在结果框架（因果推断的金标准统计框架），适用于连续、计数或二分类等多种表型，且对群体结构、亲本效应及非遗传变异等广泛混淆因素具稳健性。然而原TMT专为每名家庭两名父母一名子女的三人组研究设计，而许多核心家庭数据集（如Norwegian Mother and Child Cohort Study含约16,400个两孩及以上家庭及44,000个三人组，UK Biobank含约1,000个三人组与37个四口之家，FinnGen含超12,000个核心家庭）包含多名子女，因此需扩展TMT至允许多子女的群体抽样核心家庭以推断基因型到表型的因果效应，此即本研究开展动因。本研究发表于《PLOS Genetics》。

主要关键技术方法包括：基于Neyman-Rubin潜在结果框架构建考虑个体与家庭层面异质性的性状模型以量化家庭内（兄弟姐妹间）与家庭间协方差；设计平均因果效应(ACE)的无偏估计量τ^及考虑所有子代协方差的抽样方差估计量σ^2以推导检验统计量；利用模拟数据（3,000个核心家庭含1,000三人组、1,000四口之家、1,000五口之家，共6,000名子代与6,000名父母，每人100,000个SNP，通过标准混合模型生成群体结构，随机指定100个因果SNP并按不同真实遗传力h2模拟表型；另用msprime软件基于“American Admixture”模型模拟具连锁不平衡(linkage disequilibrium, LD)与混合祖先群体结构的5,000个家庭基因型）验证gTMT性能；对比家庭关联方法（家族关联检验(family-based association test, FBAT)、家族GWAS(family-based GWAS, FGWAS)）在混淆下的表现；分析UK Biobank鉴定出的990个三人组与37个四口之家（共1,064名子代与2,054名父母）的收缩压(systolic blood pressure, SBP)、舒张压(diastolic blood pressure, DBP)、脉压(pulse pressure, PP)表型；提出基于贝叶斯定理用子代基因型推算亲本基因型条件概率以处理亲本基因型缺失的策略。

研究结果如下：

1 引言部分阐述GWAS关联非因果的局限与家庭研究因果推断不足的现状，介绍原TMT基于三人组的设计及其优势，指出多子女核心家庭数据的普遍性，明确本研究目标为扩展TMT至核心家庭，考虑双亲与任意数量子代，利用双等位SNP编码{0,1,2}量化子代基因型Gijk与表型Yjk，以ACE为因果效应度量，构建无偏ACE估计量与抽样方差推导检验统计量；说明本研究理论技术创新（表型模型纳入同胞共享家庭效应以量化协方差、ACE估计量纳入表型值以稳健于模型误设与多基因背景效应、方差估计考虑所有子代协方差；指出与TDT及其他家庭关联方法、基于重组率相位基因组因果检验的异同；概述论文结构（重温TMT、建立gTMT框架、模拟验证、对比关联方法、UK Biobank分析、缺失亲本基因型处理、基础理论）。

2 提出的方法部分：2.1 亲子三人组的TMT统计量回顾原TMT定义分配指标与总体均值估计τ^，证明其为τ的无偏估计并推导抽样方差估计与正态或置换p值计算；2.2 核心家庭的gTMT统计量定义总随机等位传递数N，给出gTMT分配指标与总体均值估计τ^g，定义gTMT统计量TgTMT=N2τ^g，证明τ^g为τ的无偏估计；2.3 gTMT统计量的抽样方差依据图1随机分配框架，区分单双杂合亲本传递0或1等位导致的四组贡献，形成各组均值估计并推导抽样方差估计σ^gTMT2；2.4 提出的假设检验构建检验统计量ZgTMT=TgTMT/σ^gTMT，零假设下近似服从Normal(0,1)以计算p值或采用置换零分布。

3 结果部分：3.1 gTMT作为因果检验的性能通过模拟3,000家庭数据验证，τ^g在各h2水平下为τ的无偏估计（图2A）；gTMT在各级h2下控制假阳性率(false positive rate, FPR)于期望显著性水平（图2B）；ROC曲线显示各h2下检测直接因果效应的统计效能（图2C）；零假设下TgTMT分布良好近似标准正态（图2D）；用msprime模拟具LD与群体结构数据验证gTMT在因果位点ACE估计准确且在因果位点统计效能普遍高于连锁非因果位点；3.2 混淆下gTMT与家庭关联方法对比模拟含家庭特异性混淆（与亲本基因型相关的fj）的表型，随混淆效应大小s增加，gTMT效能稳定，FBAT与FGWAS效能下降，更大样本亦然（图3），无混淆时三者效能相似；3.3 UK Biobank数据分析用KING亲缘估计、年龄、性别鉴定990三人组与37四口之家，对MAF>1%、信息分数>0.8的9,563,967个常染色体SNP实施gTMT，检测SBP、DBP、PP的显著信号（如SBP于PAM基因、DBP于CAMK1D基因、PP于SLC20A2基因，均有既往支持）；对比FBAT与FGWAS的QQ图显示二者较gTMT保守，PP仅gTMT检出显著信号（图4，基因组膨胀因子λGC：SBP为1.031(gTMT)/1.007(FGWAS)/1.001(FBAT)，DBP为1.029/1.004/1.000，PP为1.027/1.005/1.001）；3.4 缺失亲本基因型提出用贝叶斯定理依子代基因型Gj?计算亲本基因型对(Mj,Fj)的条件概率P(Mj,Fj∣Gj?)∝P(Gj?∣Mj,Fj)P(Mj)P(Fj)，依孟德尔定律算P(Gj?∣Mj,Fj)，余概率依研究数据或同群体数据经验计算，可直接用于无亲本基因型的同胞研究。

4 gTMT理论基础部分：4.1 性状模型设定子代k家庭j表型Yjk=fj+?jk+遗传效应，其中fj为同胞共享随机变量，?jk为子代特异随机变量，保留假设1（亲本传递等位Am,Ap下条件期望E[Y∣Am,Ap]非减或非增）；4.2 潜在结果与因果效应用潜在结果Y(A=0),Y(A=1)定义单亲传递等位A的平均因果效应(ACE)为E[Y(A=1)?Y(A=0)]，推导双亲ACE表达式，证明子女基因型G对表型Y的ACE为零当且仅当双亲ACE均为零，定义G→Y直接因果为ACE非零；4.3 gTMT参数量化因果效应重申TMT参数τ=E[Y(1)?Y(0)]与ACE等价，定理1证τ=0当且仅当ACE=0；4.4 gTMT统计量为无偏估计基于孟德尔分离律（杂合亲本传递等位概率1/2）与假设2（传递等位A与fj,?jk独立），引理1证潜在结果与传递等位条件独立，引理2证τ^g期望关系，定理2证τ^g为τ的无偏估计；4.5 抽样方差估计推导已知τ时统计量方差，定理3证零假设下V[N2∑(?)]≈N24∑组方差且一般情形为下界，解构家庭内同胞协方差Cov(Yjk,Yjk′)与家庭间协方差Cov(Yjk,Yj′k′)，依此形成式6的σ^gTMT2并模拟验证。

讨论部分总结：研究人员在原亲子三人组TMT基础上扩展至群体抽样核心家庭，建立检测基因型对表型因果效应的稳健推断方法，理论与方法证明家庭设计因等位传递随机化及对群体结构、非随机交配等混淆稳健而能因果推断；群体抽样个体的关联检验与精细定位虽可识别关联，但线性混合模型回归假定外生性（非遗传变异与遗传变异协方差为零）在核心家庭未必满足，家庭效应fj引入混淆致GWAS假阳性，gTMT利用随机化与潜在结果对混淆稳健；大样本群体研究含一级亲属（如UK Biobank 28,895候选亲子关系）可先留相关个体，对无关个体作关联分析筛选SNP后用gTMT检验因果以提升效能；未来可扩展至多代近缘个体（如Framingham Heart Study三代）及用贝叶斯建模缺失亲本基因型跨代分析；gTMT现针对常见变异，罕见变异杂合亲本比例小影响传递数与效能，未来可借鉴罕见变异关联检验思路修改gTMT以适应罕见变异分析。

研究结论翻译：基于研究人员此前亲子三人组工作，本研究扩展框架至群体抽样核心家庭，建立检测基因型对表型因果效应的稳健推断方法。研究人员提出理论与方法严谨证明家庭设计因等位传递固有随机化及对群体结构、非随机交配等常见混淆效应稳健而能实现因果推断。对于群体随机抽样个体研究，关联检验与下游精细映射是识别基因型-表型关联的可行途径，GWAS通常用线性混合模型回归识别关联，此类回归强假定非遗传变异与遗传变异协方差为零的外生性，在群体抽样核心家庭未必满足，因家庭特异性效应（式9中fj）可引入子代基因型与表型混淆的非遗传因素，此类混淆可致含核心家庭的GWAS假阳性，gTMT对此混淆稳健因利用了随机化并通过潜在结果推导因果效应。超大样本群体研究常存一级亲属，如UK Biobank数据鉴定28,895候选亲子关系，可联合gTMT与现有GWAS方法，先留出相关个体对剩余无关个体作关联分析，对初筛关联SNP用留出相关个体作gTMT因果检验，此策略因待测SNP减少提升次级gTMT效能且提供关联SNP有效因果检验。未来超越核心家庭至更广义近缘个体，可先概率建模缺失亲本基因型再施gTMT，大模型家庭遗传数据含跨代一级亲属（如Framingham Heart Study三代），gTMT可跨代分析。gTMT现设计分析常见遗传变异，罕见变异杂合亲本比例小影响随机等位传递数与gTMT效能，此局限亦存于家庭关联检验，罕见变异关联检验已有提议，gTMT未来可借现有思路修改以适应罕见变异合理效能。

要不要我帮你把这篇论文解读里的关键专业术语（如ACE、gTMT、潜在结果框架）整理成一个带简短解释的词汇表，方便你快速回顾？