《PLOS Genetics》:Beyond years of schooling: Genetic associations across educational milestones in two Norwegian cohorts
编辑推荐:
尽管受教育程度具有遗传性,以受教育年限(EduYears)衡量的指标并非旨在显示遗传关联如何在不同教育里程碑之间变化。在挪威母亲、父亲与儿童队列研究(MoBa;N=120,527)和挪威双生子登记处(NTR;N=8,910)中,研究人员将全基因组关联研究(GW
尽管受教育程度具有遗传性,以受教育年限(EduYears)衡量的指标并非旨在显示遗传关联如何在不同教育里程碑之间变化。在挪威母亲、父亲与儿童队列研究(MoBa;N=120,527)和挪威双生子登记处(NTR;N=8,910)中,研究人员将全基因组关联研究(GWAS)、多基因指数(PGI)和双生子模型相结合,以表征与高中毕业、学士、硕士和博士学业完成情况相关的遗传关联。在依据先前成就进行条件化的转衔特异性分析中,观察尺度上的常见变异遗传力(hSNP2)和PGI区分度呈倒U形模式,在从高中毕业到至少获得学士学位的进展中达到峰值(HS→BSc+;hSNP2≈0.14;RTjur2≈0.05),并在研究生阶段转衔中下降。与大规模EduYears GWAS(EA4)和智力GWAS的遗传相关(rg)在早期转衔中较高,但在后期转衔中较低(对于EA4,HS→BSc+的rg≈0.92,MSc→PhD的rg≈0.38)。在针对全队列已获得状态的累积分析中,双生子与SNP遗传力之间的点估计差距从高中毕业时的≈0.38缩小至博士时的≈0.11,而较远里程碑之间的遗传重叠低于相邻里程碑(高中毕业与博士的rg≈0.71,相邻里程碑的rg≈0.92)。使用替代智力GWAS和其他PGI的敏感性分析显示出相似的转衔特异性轨迹。在博士转衔中,估计值是在至少已获得硕士学位的个体中获得的,因此该处的衰减必须结合选择和范围限制来解读。由于EduYears将不同的文凭和进展步骤转换为单一数值尺度,按每增加一年表达的估计值不应被解释为一年在整个教育序列中具有相同含义。保留里程碑的分析使这一隐藏结构可见,并增强了教育GWAS和PGI解释的清晰度。
教育成就(educational attainment, EA)是成年健康、经济生产力和福祉的重要预测指标,但传统遗传研究通常用受教育年限(EduYears)这一单一连续指标来量化EA。该指标将高中毕业、学士、硕士和博士等不同文凭及进展步骤压缩到同一数值尺度,无法揭示遗传关联在不同教育里程碑之间的变化。社会分层模型早已将教育视为一系列决策点,但遗传研究尚未充分引入这种里程碑式结构。研究人员因此利用挪威母亲、父亲与儿童队列研究(MoBa;120,527名基因分型成人)和挪威双生子登记处(NTR;8,910名双生子),将教育重构为离散里程碑,采用转衔特异性与累积两种互补框架,结合全基因组关联研究(GWAS)、多基因指数(PGI)和双生子模型,系统刻画从高中完成到博士毕业各阶段的遗传结构。
研究人员在MoBa中对四个条件转衔(Comp→HS+、HS→BSc+、BSc→MSc+、MSc→PhD)分别进行GWAS:病例为达到后续里程碑或更高学历者,对照为最高学历停留于前一级者。模型使用fastGWA-LMM/GLMM,校正性别、出生年、基因分型批次和前十主成分;随后用连锁不平衡分数回归(LDSC)和BOLT-REML估计SNP遗传力(h
SNP2)及遗传相关(r
g);用PRS-CS基于EA4构建多基因指数(PGI);在NTR中采用贝叶斯易患性阈值加性遗传(A)、共享环境(C)、独特环境(E)模型(ACE)估计双生子遗传力(h
twin)。外部参照包括EA4、Savage等(2018)和Lam等(2021)智力GWAS、GWAS-by-subtraction认知/非认知成分、EduFields教育领域轴等,并辅以MiXeR和FUMA分析。
转衔特异性基因组关联分析中,LDSC截距显示校准可接受,提示大多数膨胀来自多基因性而非残余分层,这些GWAS为后续遗传相关和遗传力分析提供了输入。
遗传相关结果显示,早期转衔与EA4和智力的r
g很高:Comp→HS+与EA4约为0.87,HS→BSc+约为0.92;智力相关约为0.60。研究生阶段转衔的r
g下降,BSc→MSc+与EA4约为0.82,MSc→PhD与EA4约为0.38、与智力约为0.28。使用Lam等智力GWAS的敏感性分析得到相似轨迹,且博士转衔估计精度较低,与有效样本量较小一致。
SNP遗传力呈倒U形:Comp→HS+的h
SNP2约为0.07,HS→BSc+约为0.14,BSc→MSc+约为0.10,MSc→PhD约为0.07。
PGI分析显示,EA4来源PGI的Tjur判别系数(R
Tjur2)同样呈倒U形:Comp→HS+约为0.03,HS→BSc+约为0.05,BSc→MSc+约为0.03,MSc→PhD小于0.01。各转衔中前进组平均PGI均高于未前进组,但两组分数分布重叠明显,尤其博士转衔,说明PGI能在群体水平区分进展,但在个体水平判别能力有限。
累积遗传关联分析在完整队列中定义HS+、BSc+、MSc+和PhD。MoBa内双变量BOLT-REML显示,相邻里程碑的r
g最高,如HS+与BSc+约为0.92;较远组合较低,如HS+与PhD约为0.71。LDSC和BOLT-REML估计的易患性尺度h
SNP2均呈倒U形,BSc+最高,约0.27至0.29;PGI在易患性尺度上解释的方差同样在BSc+最大,约为0.12。
双生子与SNP遗传力差距部分显示,NTR的ACE模型估计h
twin点估计从HS+约0.60降至PhD约0.30;共享环境C呈倒U形,在BSc+和MSc+约0.31;独特环境E呈U形,在BSc+约0.20、PhD约0.47。h
twin与h
SNP2的点估计差距在HS+最大,约0.38;至PhD缩小至约0.11。
讨论部分指出,后期转衔观察到的衰减很可能由逐级选择、病例构成失衡和范围限制造成,不能据此认为教育、认知或非认知相关遗传倾向对博士成就不再重要;将父母社会经济地位作为协变量会改变估计目标,因此未作为默认规范。研究结论可概括为:常见变异信号和PGI区分度在进入高等教育阶段最强;累积里程碑间的遗传重叠随教育距离增大而降低;双生子与SNP遗传力点估计差距在高中完成处最大。遗传估计取决于所研究的教育对照和比较人群。转衔特异性分析中的衰减与教育进展导致的逐级选择相容;里程碑特异性的遗传效应变化虽仍有可能,但既未被证明也非解释该模式所必需。由于EduYears将不同文凭和进展步骤转换为单一数值尺度,保留里程碑的分析使这一隐藏结构可见,为解释教育GWAS和PGI提供了更清晰的基础。