通过对时空因素和非遗传因素的非线性效应及交互效应进行建模，可提高复杂性状的预测能力

《Nature Communications》：Modeling nonlinear and interaction effects of spatiotemporal and nongenetic factors improves prediction for complex traits

　　

摘要

校正非遗传因素可以改善遗传关联测试和多基因评分，然而大多数研究仅依赖于对有限协变量集合的线性调整。位置和时间的协变量可以作为环境暴露的代理，但很少被纳入，且线性调整无法捕捉它们的非线性效应或相互作用。我们采用了一种零模型方法，其中辅助非线性模型仅根据协变量预测表型。随后，该预测值作为额外的协变量被纳入下游分析中。利用 UK Biobank 中的 16 个表型，我们证明包含时空特征的梯度提升决策树零模型能改善协变量建模。纳入这些非线性时空协变量预测改善了所有表型的多基因预测（使用 BASIL 方法的中位 R² 增益为 7.3%）。模型解释揭示了协变量间的相互作用，包括性别特异性年龄效应、季节性模式以及复杂的地理空间依赖性。综上所述，这些结果表明，对现有多基因评分工作流程的微小改进即可提升预测能力，并为复杂性状的环境效应提供见解。