多组学因果资源数据库MOCR-DB:用于遗传相关性、因果推断与功能解释的综合性平台

《Phenomics》:MOCR-DB: The Multi-Omics Causal Resource Database for Genetic Correlation, Causal Inference, and Functional Interpretation

【字体: 大 中 小 】 时间:2026年08月29日 来源:Phenomics 5.5

编辑推荐:

  摘要翻译: 全基因组关联研究(GWAS)已揭示人类性状中广泛的多基因信号和重叠的遗传架构,因此亟需能够将性状层面的遗传关系与基因层面的功能证据相连接的资源。研究人员开发了多组学因果资源数据库(MOCR-DB),这是一个交互式平台,整合了来自英国生物银行(UK

  
摘要翻译:

全基因组关联研究(GWAS)已揭示人类性状中广泛的多基因信号和重叠的遗传架构,因此亟需能够将性状层面的遗传关系与基因层面的功能证据相连接的资源。研究人员开发了多组学因果资源数据库(MOCR-DB),这是一个交互式平台,整合了来自英国生物银行(UK Biobank)、FinnGen和COVID-19宿主遗传学倡议的大规模GWAS汇总统计数据和分子数量性状基因座(QTL)数据集。通过统一医学语言系统(UMLS)对总计613个具有显著遗传力的性状进行了保留与标准化整合。MOCR-DB在单一可搜索交互式框架内整合了表型-表型分析(包括遗传相关性和孟德尔随机化)与基于QTL信息的汇总数据孟德尔随机化分析(SMR)的表型-基因分析。该平台支持跨性状遗传相关性、推定因果关系和候选功能基因关联的探索。AI辅助模块提供简明的通俗语言摘要,帮助将统计发现置于具体背景中理解。在案例研究中,研究人员考察了肥胖与COVID-19严重程度,发现遗传预测的肥胖与危重型COVID-19表现出更强的关联性,且基于肺组织eQTL的SMR分析揭示了不同严重程度组间独特的免疫相关和神经元相关分子模式。因此,MOCR-DB为研究复杂性状间的共享遗传架构和优先候选功能基因提供了一个统一且可访问的资源,支持生成可重复且具有生物学可解释性的假说。该数据库可通过https://chenhongwei.net/public/MOCRdb/公开访问。

图形摘要:

MOCR-DB中的数据资源、分析框架与功能解释。多组学因果资源数据库(MOCR-DB)整合大规模GWAS汇总统计数据和分子QTL数据集,提供遗传相关性、因果推断和功能中介的统一框架。数据资源包括来自UK Biobank、FinnGen和COVID-19宿主遗传学倡议的GWAS汇总统计数据,以及涵盖49种组织的53个xQTL数据集(eQTL、mQTL、sQTL和caQTL)。分析框架结合了连锁不平衡分数回归(LDSC)以估计遗传力和跨性状遗传相关性,孟德尔随机化(MR)以推断性状间潜在的因果关系,以及基于汇总数据的孟德尔随机化(SMR)以识别组织特异性功能基因。研究结果通过交互式遗传网络搜索呈现,通过相关性、因果性和功能注释将疾病、生物标志物、生活方式因素和分子性状相连接。AI辅助模块通过将LDSC、MR和SMR分析的复杂结果总结为易于理解的生物学见解,进一步促进因果和功能解释。总之,MOCR-DB为跨复杂人类性状的共享遗传架构和功能介导因子提供了系统性探索工具。
论文解读

**一、研究背景与问题的提出**

近年来,全基因组关联研究(Genome-Wide Association Study, GWAS)凭借不断扩大的样本规模,极大地推动了人类复杂性状与疾病遗传机制的理解。一个持续涌现的关键发现是,许多表型之间存在显著重叠的遗传架构,即不同性状共享部分遗传变异基础。这种多效性现象为跨性状研究提供了重要价值,有助于揭示共同生物学机制、识别潜在治疗靶点、推动药物重定位,并加深对多疾病领域共病模式的理解。然而,面对海量的GWAS汇总统计数据和日益复杂的分析方法,如何有效整合并系统解读这些数据成为重大挑战。

现有工具在覆盖范围和功能完整性方面存在显著差异。例如,DMRdb聚焦于性状层面的孟德尔随机化分析,SMR-Portal致力于将GWAS与多种分子QTL数据层相连接,EpiGraphDB和FUMA虽可整合功能注释或网络表示,但其连接表型-表型关联与表型-基因功能关联的能力仍然有限,且对感染性疾病和分子性状的覆盖面相对狭窄。因此,构建一个能够系统桥接遗传相关性与因果推断、并将性状层面关联延伸至基因层面功能证据的综合性平台,具有重要的科学价值和应用需求。

**二、研究内容与主要发现**

针对上述空白,研究人员开发了多组学因果资源数据库(Multi-Omics Causal Resource Database, MOCR-DB),这是一个交互式网络平台,旨在统一框架内实现遗传力估计、跨性状遗传相关性分析、孟德尔随机化因果推断、分子QTL整合的基因功能注释以及通路富集分析。MOCR-DB整合了来自UK Biobank、FinnGen和COVID-19宿主遗传学倡议(COVID-19 HGI, release 7, hg38)的大规模GWAS汇总统计数据。在纳入标准上,连续性状保留所有可用GWAS结果,二分类性状仅保留病例比例超过1%的表型,以避免统计功效不足。

通过统一医学语言系统(Unified Medical Language System, UMLS)进行术语标准化,全部汇总统计与1000基因组计划参考面板比对,排除主要组织相容性复合体(Major Histocompatibility Complex, MHC)区域的SNP后,最终保留了613个具有显著遗传力(p<0.05)的性状。这些性状涵盖复杂疾病、定量临床指标和两个COVID-19严重程度表型(危重型与住院型)。在分析流程上,连锁不平衡分数回归(Linkage Disequilibrium Score Regression, LDSC)被用于估计单性状基于SNP的遗传力(h2)和双变量遗传相关性(rg);孟德尔随机化(Mendelian Randomization, MR)通过四种互补方法评估潜在因果关系;基于汇总数据的孟德尔随机化分析(Summary-data-based Mendelian Randomization, SMR)用于整合QTL数据识别基因层面的功能关联。

三种主要方法被整合到该数据库中:LDSC用于估计遗传力和跨性状遗传相关性;MR方法(包括逆方差加权法、MR-Egger、加权中位数模型和加权众数模型)用于推断性状间潜在因果效应;SMR分析则将GWAS与基因表达(eQTL)、剪接(sQTL)、甲基化(mQTL)和染色质可及性(caQTL)等分子QTL资源整合,以识别组织特异性的功能基因。SMR关联基因进一步通过基因本体论(Gene Ontology, GO)、京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)和Reactome通路富集分析进行功能表征。

该研究得出以下主要结论:在表型-表型层面,通过双变量LDSC在32721个性状对中鉴定出13416个显著遗传相关性(p<0.05)对;通过MR分析在23892个暴露-结局性状对中筛选出1215个推定的因果关联对,过滤条件包括逆方差加权(IVW)p值<0.05、至少两种MR方法效应方向一致以及异质性和多效性检验不显著。在表型-基因层面,SMR分析在eQTL、mQTL、sQTL和caQTL数据集中分别鉴定出215276、191921、52472和1654个性状-基因关联,通路富集分析产生约742573个显著富集条目。上述结果共同表明,MOCR-DB能够系统性地解析复杂性状的共享遗传架构和分子中介机制。

**三、技术方法概述**

研究人员构建MOCR-DB平台的技术路线主要包括以下四个核心环节:(1)数据收集与标准化处理——从UK Biobank、FinnGen和COVID-19 HGI三个大型欧洲人群队列获取超过8000个GWAS汇总统计数据,经UMLS术语标准化、变异水平质量控制、与1000基因组参考面板比对后保留613个性状;(2)遗传力与遗传相关性估计——利用LDSC方法,通过预计算的LD评分(来自1000基因组计划489个欧洲样本)完成单性状遗传力和双性状遗传相关性的系统评估;(3)因果推断分析——基于四种MR方法(IVW、MR-Egger、加权中位数、加权众数),采用严格工具变量选择标准(至少10个独立的全基因组显著SNP,p<5×10??),通过TwoSampleMR包(版本0.5.5)执行全流程分析;(4)基因功能整合分析——将53个xQTL数据集(含49个eQTL、2个sQTL、1个mQTL、1个caQTL,覆盖49种组织)与GWAS数据整合进行SMR分析,并对SMR显著基因执行GO、KEGG和Reactome通路富集分析。平台采用R语言Shiny包构建交互式前端,以SQLite数据库作为后端支撑,并通过ModelScope API(Qwen/Qwen3.5-397B-A17B)提供AI辅助解读功能。

**四、研究结果详细分析**

(一)MOCR-DB框架概述

MOCR-DB平台包含三个主要分析模块:遗传因果模块(MR)、遗传相关模块(LDSC)、功能基因组模块(SMR与通路富集),并辅以AI辅助总结工具。平台首页展示整体数据结构、性状覆盖范围和各模块入口;遗传因果模块提供MR分析结果的网络可视化,支持多种MR方法间的比较;遗传相关模块允许用户交互式探索LDSC衍生的相关矩阵和网络结构;功能基因组模块整合53个xQTL数据集,展示SMR基因关联和通路富集结果;AI辅助工具则生成简洁文本解释以帮助生物学背景解读。

(二)GWAS数据概述

从最初收集的8000多个GWAS汇总统计数据中,经标准化术语、变异水平质量控制、参考面板比对,并排除定义不明确或病例比例过低的性状后,共保留613个性状。单变量LDSC分析估计了每个性状的基于SNP的遗传力,仅保留名义显著遗传力(p<0.05)的性状以确保下游分析的足够多基因信号。

(三)表型间遗传关系

通过多种MR方法评估性状间的潜在因果关系。总计23892个暴露-结局性状对符合MR检测标准。经IVW p值<0.05、至少两种MR方法效应方向一致、异质性及多效性检验不显著等筛选条件后,保留1215个推定因果对。双变量LDSC应用方面,在排除同一队列来源和重叠UMLS类别的性状对后,共评估32721个性状对,其中13416对(p<0.05)显示显著遗传相关性,揭示了复杂性状间广泛的共享遗传结构。

(四)表型-基因关联与功能机制

SMR分析整合53个xQTL数据集(49个eQTL、2个sQTL、1个mQTL和1个caQTL)与613个遗传力显著性状,采用探索性筛选标准(PSMR<1×10?3且PHEIDI>0.05),从eQTL数据集中识别出215276个性状-基因关联,mQTL数据集中191921个,sQTL数据集中52472个,caQTL数据集中1654个。通路富集分析采用GO、KEGG和Reactome数据库,共鉴定742573个显著富集通路(q<0.05),涵盖免疫调节、代谢信号、神经元功能和组织特异性调控机制等多样生物学过程。

(五)案例分析:肥胖对COVID-19严重程度的遗传相关性及因果效应

LDSC分析显示肥胖(FinnGen)与危重型COVID-19和住院型COVID-19均存在显著遗传相关性。MR分析一致支持肥胖对这两种结局的潜在因果效应。对于危重型COVID-19,效应估计范围为β=0.215至0.245,p值介于2.5×10?11至5.7×10??之间;对于住院型COVID-19,效应估计范围为β=0.103至0.146,p值介于5.8×10?1?至8.8×10?2之间。四种MR方法间的配对t检验显示因果效应估计存在显著差异(p=4.8×10??)。MR-Egger截距检验未显示定向多效性。上述发现表明,肥胖对危重型COVID-19风险具有更强的遗传效应。

(六)案例分析:基于肺组织SMR及通路分析的COVID-19严重程度分子分化

利用肺组织eQTL数据进行的SMR分析及后续GO、KEGG和Reactome富集分析显示,危重型COVID-19相关基因富集于干扰素及病毒相关通路,包括对干扰素-α的反应、IFNA/IFNB信号调节以及SARS-CoV-2宿主互作通路,同时富集于发育和模式形成相关条目以及磷脂酰肌醇结合相关类别。相比之下,住院型COVID-19相关基因呈现以神经元和胆碱能过程为主的独特功能特征,包括乙酰胆碱门控通道复合体、乙酰胆碱结合、神经递质结合和突触后烟碱型乙酰胆碱受体,以及与平滑肌收缩调节和表面活性物质代谢相关条目。在基因层面,IFNAR2在危重型COVID-19中显示显著正向SMR效应(βSMR=0.448,p=4.62×10??),而IFNAR1显示显著负向效应(βSMR=?0.318,p=1.87×10??),提示干扰素信号紊乱是危及生命疾病的重要特征。SFTPA2(βSMR=0.584,p=8.06×10??)和HIP1(βSMR=0.319,p=2.18×10??)及RAB2A(βSMR=0.364,p=4.94×10??)等信号进一步表明危重型患者肺泡功能障碍和上皮应激更显著。

(七)案例分析:基于UMLS分类的感染性疾病SMR特征比较

在UMLS感染性疾病类别中,SMR热图显示危重型与住院型COVID-19共享独特的分子特征,但在干扰素相关基因(如IFIT2、IFI6和OAS1)中均显示强烈且方向一致的SMR效应;同时,包括ICAM5在内的多个上皮或膜相关基因在两种严重程度表型间呈现不同的SMR效应大小或方向。相比之下,哮喘相关感染和哮喘相关急性呼吸道感染呈现完全不同模式,在干扰素通路基因中几乎无SMR信号,而以TMX2、EEFSEC、SERPING1、TMEM184B、SLC4A4P和HTT等基因为特征的小型聚簇,提示哮喘相关呼吸道感染受独特的上皮、补体调节和黏膜通路调控。

**五、讨论总结与研究结论**

讨论部分指出,MOCR-DB通过与现有资源的对比凸显其独特价值。相较于DMRdb或SMR-Portal各自侧重特定分析任务,MOCR-DB在一个可访问平台内系统性地桥接了跨性状重叠、因果推断和分子中介分析。该设计使结果可按结构顺序审阅,形成从遗传重叠量化到因果方向评估、再到基因水平中介探索的完整分析链条。AI辅助模块的整合进一步增强了平台的可解释性,使统计输出与生物学背景知识的衔接更加流畅。

研究人员也坦诚指出当前版本的局限。所有GWAS数据均来自欧洲血统人群,限制了对其他人群的推广性;COVID-19仅纳入两种严重程度表型,限制更精细分层;尽管已整合53个QTL资源,蛋白质组和细胞类型分辨的数据集仍代表性不足;平台依赖预计算结果,暂不支持用户自定义数据上传。未来工作将扩展至其他人群、纳入pQTL和细胞类型eQTL等更多分子数据集,并实施共定位、精细定位和多变量MR等高级分析程序以加强因果推断。

研究结论明确指出,MOCR-DB提供了一个统一且交互式的资源平台,用于研究复杂人类性状的共享遗传结构、推定因果关联和组织特异性分子中介。通过将GWAS汇总统计、分子QTL数据集、LDSC、MR、SMR、通路富集分析和AI辅助解释整合于单一框架,MOCR-DB支持可重复且具有生物学可解释性的假说生成。该平台当前版本以欧洲血统GWAS数据和预计算分析为主,但为未来扩展到更广泛人群、额外组学层面和精细化因果推断方法提供了可扩展的基础。
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