基因大數(shù)據(jù)的集成分析

胡湘紅¹, 彭衡², 楊燦³, 張縱輝¹, 萬(wàn)翔¹, 羅智泉¹

1 深圳市大數(shù)據(jù)研究院，廣東 深圳 518172

2 香港浸會(huì)大學(xué)數(shù)學(xué)系，香港 999077

3 香港科技大學(xué)數(shù)學(xué)系，香港 999077

摘要：隨著生物科技（如基因芯片和測(cè)序技術(shù)）的飛速發(fā)展，全世界已經(jīng)積累了海量的數(shù)據(jù)。有效地整合和集成多層面和多維度的基因大數(shù)據(jù)，對(duì)于全方位解析從遺傳變異到疾病發(fā)生的整個(gè)因果鏈條具有關(guān)鍵作用，可為個(gè)性化、精準(zhǔn)醫(yī)療服務(wù)奠定科學(xué)的基礎(chǔ)。從3個(gè)方面對(duì)基因大數(shù)據(jù)的集成分析進(jìn)行綜述：檢測(cè)風(fēng)險(xiǎn)位點(diǎn)及其功能分析、基因多效性的分析、基于孟德?tīng)栯S機(jī)化的因果推斷。進(jìn)一步結(jié)合具體的應(yīng)用案例進(jìn)行了闡述，最后對(duì)基因大數(shù)據(jù)的集成分析研究進(jìn)行了總結(jié)以及展望。

關(guān)鍵詞：GWAS ; 集成分析 ; 多基因效應(yīng) ; 基因多效性 ; 孟德?tīng)栯S機(jī)化

論文引用格式：

胡湘紅, 彭衡, 楊燦, 張縱輝, 萬(wàn)翔, 羅智泉.基因大數(shù)據(jù)的集成分析. 大數(shù)據(jù)[J], 2019, 5(4):67-88

HU X H, PENG H, YANG C, ZHANG Z H, WAN X, LUO Z Q.Integrative analysis for big data in genomics. Big Data Research[J], 2019, 5(4):67-88

1 引言

人類基因組計(jì)劃（human genome project，HGP）以及人類遺傳變異圖譜在21世紀(jì)初宣告完成。這一里程碑式的事件拉開(kāi)了大規(guī)模利用生物醫(yī)療數(shù)據(jù)研究復(fù)雜人類疾病的序幕。隨著生物科技（如基因芯片和測(cè)序技術(shù)）的飛速發(fā)展，全世界的研究者已經(jīng)積累了多層面、多維度的基因大數(shù)據(jù)。這些數(shù)據(jù)覆蓋從遺傳變異到生命體表征的各個(gè)層面的數(shù)據(jù)，包括基因組（genome）層面、表觀基因組（epigenome）層面、轉(zhuǎn)錄組（transcriptome）層面、蛋白質(zhì)組（proteome）層面、代謝組（metabolome）層 面 以 及 生 物 體 層 面 的 表 型 特 征（phenome），成為科學(xué)家研究復(fù)雜疾病的寶貴資源。無(wú)疑，基因大數(shù)據(jù)將對(duì)現(xiàn)有醫(yī)學(xué)研究、個(gè)體化醫(yī)療產(chǎn)生顛覆性的影響。

全基因組關(guān)聯(lián)分析（genome-wide association studies，GWAS）在基因大數(shù)據(jù)的研究中處于基礎(chǔ)性地位。以GWAS為基礎(chǔ)的大量研究項(xiàng)目的開(kāi)展，開(kāi)啟了人類對(duì)各種復(fù)雜疾病的遺傳結(jié)構(gòu)的探索。GWAS采用高通量的方式獲取全基因組的上百萬(wàn)個(gè)遺傳變異位點(diǎn)——單核苷酸變異（single-nucleotide polymorphsim， SNP），并對(duì)這些變異點(diǎn)和復(fù)雜疾病或性狀進(jìn)行關(guān)聯(lián)分析，找出風(fēng)險(xiǎn)變異點(diǎn)。截至2019年4月，已經(jīng)公開(kāi)發(fā)表的GWAS研究達(dá)3 923個(gè)，發(fā)現(xiàn)了約134 705個(gè)與疾病或性狀顯著關(guān)聯(lián)的變異位點(diǎn)（顯著性檢驗(yàn)的p值<5×10^-8）。大部分的研究結(jié)果可在全基因組關(guān)聯(lián)分析數(shù)據(jù)庫(kù)中獲得。這些結(jié)果將基因組和生物體表型組聯(lián)系起來(lái)，極大地增進(jìn)了人們對(duì)生物體表型的遺傳學(xué)結(jié)構(gòu)的認(rèn)識(shí)。隨著GWAS研究越來(lái)越受到重視，大規(guī)模的研究也在不斷推進(jìn)。例如，英國(guó)生物樣本庫(kù)（UK Biobank）成立于2006年，迄今為止，UK Biobank收集了約50萬(wàn)人的DNA測(cè)序數(shù)據(jù)以及大量與疾病和健康相關(guān)的表征數(shù)據(jù)，包括生理指標(biāo)、生活方式、血液和尿液采樣、大腦和身體成像數(shù)據(jù)以及參與者的醫(yī)療記錄、電子病歷數(shù)據(jù)等。這種從基因測(cè)序數(shù)據(jù)、表征數(shù)據(jù)到醫(yī)療成像數(shù)據(jù)和電子病歷數(shù)據(jù)的多維度積累為科學(xué)家進(jìn)行復(fù)雜疾病的研究提供了數(shù)據(jù)支撐，將助力于個(gè)性化的精準(zhǔn)醫(yī)療服務(wù)。

盡管GWAS的研究取得了令人矚目的成績(jī)，然而單獨(dú)的GWAS研究往往只考慮基因組層面與表型特征的信息，忽略了生命過(guò)程中其他層面的相關(guān)信息，無(wú)法貫穿從遺傳變異到表型特征的整條證據(jù)鏈。因此需要整合和集成從遺傳變異到生命體表征的多組學(xué)層面的信息并進(jìn)行分析，從而全方位解析從遺傳變異到表型特征的整個(gè)因果鏈條。這里的多組學(xué)層面包括基因組層面、表觀基因組層面、轉(zhuǎn)錄組層面、蛋白質(zhì)組層面、代謝組層面以及生命體表征組層面的表型特征（如圖1所示）。伴隨著各項(xiàng)大型生物醫(yī)療國(guó)際項(xiàng)目的開(kāi)展，這些多層面、多維度、高質(zhì)量的基因大數(shù)據(jù)正在不斷產(chǎn)生和積累。2012年9月完成的DNA元件百科全書(shū)項(xiàng)目（encyclopedia of DNA elements project，ENCODE項(xiàng)目）是繼人類基因組計(jì)劃后又一重要的突破性工程。該項(xiàng)目對(duì)大部分非編碼序列（約占全基因組的98%）的功能進(jìn)行了注釋，例如“這部分序列與一種蛋白質(zhì)結(jié)合”“這部分序列常被甲基基團(tuán)標(biāo)記”“這部分序列通常隱藏在組蛋白的包圍中”。隨之開(kāi)展的表觀基因組的圖譜計(jì)劃（roadmap epigenomics project）直接從人體的細(xì)胞系或組織中取樣，并將其數(shù)據(jù)向公眾開(kāi)放。這些結(jié)果將為研究人類細(xì)胞系和組織的表觀基因組功能發(fā)揮重要的作用。與此同時(shí)，2010年開(kāi)始的基因型-組織表達(dá)（genotype-tissue expression， GTEX）項(xiàng)目于2013公開(kāi)數(shù)據(jù)庫(kù)，到目前為止收集了約714個(gè)捐獻(xiàn)者53個(gè)人體組織的11 688個(gè)樣本數(shù)據(jù)，用于研究不同組織中基因型與表達(dá)型的關(guān)系，完成了基因組到轉(zhuǎn)錄組的跨越，為科學(xué)家提供了寶貴的資源庫(kù)。此外，現(xiàn)代核磁共振技術(shù)、質(zhì)譜和色譜等技術(shù)的發(fā)展使得對(duì)大規(guī)模的生物體小分子的定量研究成為可能，這也大大促進(jìn)了蛋白質(zhì)組層面和代謝組層面研究的發(fā)展。目前已公布的蛋白質(zhì)層面和代謝組層面的研究達(dá)80多項(xiàng)，產(chǎn)生了大量可公開(kāi)獲取的數(shù)據(jù)。

圖1 多組學(xué)層面的數(shù)據(jù)

這些多層面、多維度、高質(zhì)量的基因大數(shù)據(jù)為刻畫(huà)完整的疾病產(chǎn)生的因果鏈條創(chuàng)造了條件，同時(shí)也促進(jìn)了該領(lǐng)域集成分析方法研究的發(fā)展。本文總結(jié)了當(dāng)前基因大數(shù)據(jù)的集成分析的一些研究進(jìn)展，這些研究大部分基于多基因遺傳結(jié)構(gòu)（多個(gè)基因影響一個(gè)性狀）的共識(shí)以及以下兩方面的科學(xué)發(fā)現(xiàn)：遺傳變異的多效性（一個(gè)變異影響多種表型）以及非編碼遺傳變異的調(diào)控功能。具體地，本文對(duì)基因大數(shù)據(jù)的集成分析從以下3個(gè)方面進(jìn)行綜述：檢測(cè)風(fēng)險(xiǎn)位點(diǎn)及其功能分析；基因多效性的分析；基于孟德?tīng)栯S機(jī)化的因果推斷。本文進(jìn)一步結(jié)合具體的應(yīng)用案例進(jìn)行分析，最后對(duì)基因大數(shù)據(jù)的集成分析研究進(jìn)行了總結(jié)以及展望。

2 基因大數(shù)據(jù)集成分析的科學(xué)依據(jù)

2.1 多基因遺傳結(jié)構(gòu)

復(fù)雜性狀或疾病的多基因遺傳結(jié)構(gòu)是指復(fù)雜性狀和疾病的變異是由多個(gè)基因共同影響的。盡管科學(xué)家在GWAS研究中發(fā)現(xiàn)了很多顯著的變異位點(diǎn)，但是這些顯著的變異位點(diǎn)只能解釋性狀方差的小部分，這個(gè)現(xiàn)象通常被稱為“丟失的遺傳率（missing heritability）”。以人體身高這一性狀為例，根據(jù)以往對(duì)家庭譜系的研究，已經(jīng)存在的廣泛認(rèn)識(shí)是人類身高的遺傳率達(dá)70%~80%等。多基因遺傳結(jié)構(gòu)的存在使得GWAS研究面臨著諸多挑戰(zhàn)：第一，多基因結(jié)構(gòu)意味著單個(gè)基因?qū)π誀畹呢暙I(xiàn)是微弱的，受GWAS樣本量的限制，單個(gè)GWAS研究很難找到遺傳變異中微弱的信號(hào)點(diǎn)；第二，常用的基于稀疏和強(qiáng)信號(hào)假設(shè)的建模方法在這里不再適用。圖2中橫軸為染色體編號(hào)，每個(gè)SNP按染色體上的位置排列，縱軸為對(duì)應(yīng)SNP的GWAS統(tǒng)計(jì)檢驗(yàn)的-lg(p)。圖中頂部的點(diǎn)對(duì)應(yīng)-lg(p)>30的SNP。

圖2 身高的曼哈頓圖

基于多基因遺傳結(jié)構(gòu)的假設(shè)，線性混合模型（LMM）開(kāi)始受到關(guān)注。以遺傳率的估算為例，假設(shè)已經(jīng)獲取n個(gè)個(gè)體的M個(gè)SNP的標(biāo)準(zhǔn)化后的基因測(cè)序數(shù)據(jù)G∈R^n×M，對(duì)應(yīng)的表型（如身高）數(shù)據(jù)y∈R^n×1，X∈R^n×p表示 p個(gè)協(xié)變 量信息（如年齡、性別和一些用以控制群體分層的主成分?jǐn)?shù)據(jù)），它們之間的關(guān)系可以由線性混合模型來(lái)建立，具體如下：

其中，β∈R^p×1是固定效應(yīng)，u∈R^M×1是隨機(jī)效應(yīng)，e是由環(huán)境因素引起的隨機(jī)誤差。這里假設(shè)u和e都是正態(tài)分布的，即和。式（1）建立起了基因型與表型的關(guān)系。由遺傳率的定義（基因型方差在表型方差中的占比）及以上線性混合模型，可以得到遺傳率的計(jì)算式為：

限制極大似然估計(jì)（REML）和最大期望算法（expectation-maximization algorithm，EM）常被用于估算遺傳率，如全基因組復(fù)雜性狀分析（genome-wide complex trait analysis，GCTA）工具。

2.2 基因的多效性

基因的多效性（pleiotropy）是指一個(gè)基因影響著多種表型?；虻亩嘈詮V泛存在于復(fù)雜性狀中，具體的例子有：與維生素D缺乏癥強(qiáng)相關(guān)的CYP2R1基因會(huì)同時(shí)導(dǎo)致多發(fā)性硬化癥；CLPTM1基因同時(shí)影響神經(jīng)膠質(zhì)瘤、膀胱癌和肺癌；基因多效性大量存在于自身免疫綜合征和精神疾病中。根據(jù)遺傳變異影響性狀的機(jī)制，基因多效性主要可分為兩大類：一類是基因的生物多效性（biological pleiotropy），即基因直接影響多種表型；另一類是基因的中介多效性（mediated pleiotropy），即基因通過(guò)影響一種表型對(duì)另一種表型產(chǎn)生影響（如圖3所示）。以肥胖基因（FTO基因）為例，研究者發(fā)現(xiàn)，該基因?qū)顷P(guān)節(jié)炎的影響是通過(guò)影響體質(zhì)指數(shù)（body mass index，BMI）來(lái)傳遞的?；虻闹薪槎嘈栽谔剿鲝?fù)雜疾病或性狀之間的因果關(guān)系中有重要的作用。

圖3 基因多效性

基因多效性的存在引導(dǎo)人們集成多個(gè)GWAS數(shù)據(jù)一起研究。一方面，基因的多效性可以幫助人們探索復(fù)雜疾病之間的關(guān)系，如遺傳相關(guān)性、基于孟德?tīng)栯S機(jī)化的復(fù)雜疾病的因果推斷等；另一方面，由于多基因遺傳結(jié)構(gòu)的存在，單獨(dú)分析一個(gè)GWAS會(huì)導(dǎo)致具備微弱效應(yīng)的遺傳位點(diǎn)很難被檢測(cè)到。集成多個(gè)與遺傳相關(guān)的復(fù)雜性狀的GWA S數(shù)據(jù)，通過(guò)建立有效的統(tǒng)計(jì)模型，可以幫助檢測(cè)到更多的多效性位點(diǎn)，從而提高統(tǒng)計(jì)分析的效率。

2.3 基因的調(diào)控功能

作為基本的遺傳單位，基因是一段有功能性的DNA序列?；蛑写蟛糠治稽c(diǎn)（如啟動(dòng)子和增強(qiáng)子）處于非編碼區(qū)，不參與基因編碼，但對(duì)基因的轉(zhuǎn)錄、翻譯和表達(dá)起著重要的調(diào)控作用。對(duì)于整體的DNA序列，只有少部分位于基因的調(diào)控區(qū)，參與基因編碼，能夠轉(zhuǎn)錄為信使RNA，進(jìn)而指導(dǎo)蛋白質(zhì)的合成。ENCODE項(xiàng)目對(duì)人類基因序列進(jìn)行了詳細(xì)分析，研究結(jié)果顯示，在98%人類非編碼區(qū)的序列中，81%保持著生物活性。大量證據(jù)顯示，在GWAS發(fā)現(xiàn)的與眾多復(fù)雜性狀相關(guān)的位點(diǎn)中，大部分位點(diǎn)處在基因的非編碼區(qū)。比如，科學(xué)家調(diào)查5 654個(gè)非編碼區(qū)位點(diǎn)（這些位點(diǎn)與654種復(fù)雜疾病相關(guān)聯(lián)），發(fā)現(xiàn)76.6%的位點(diǎn)處于脫氧核糖核酸酶I高敏區(qū)（DHS），這一區(qū)域與基因的轉(zhuǎn)錄功能高度相關(guān)。基于轉(zhuǎn)錄組層面的研究發(fā)現(xiàn)，大量與疾病關(guān)聯(lián)的位點(diǎn)位于表達(dá)數(shù)量性狀基因座（expression quantitative trait loci， eQTL）（如圖4所示）以及轉(zhuǎn)錄因子結(jié)合位點(diǎn)（transcription factor binding sites，TF）。在最新的一項(xiàng)關(guān)于精神分裂癥（schizophrenia，SCZ）的研究中發(fā)現(xiàn)，在與SCZ相關(guān)的100多個(gè)基因位點(diǎn)中，有超過(guò)20%的位點(diǎn)與基因的表達(dá)和調(diào)控機(jī)制相關(guān)。這些研究結(jié)果表明，與疾病關(guān)聯(lián)的風(fēng)險(xiǎn)變異點(diǎn)可能不直接參與基因編碼，而是通過(guò)調(diào)控基因的轉(zhuǎn)錄、表達(dá)或翻譯中的任何一個(gè)環(huán)節(jié)發(fā)揮作用。因此將疾病的GWAS數(shù)據(jù)和功能型數(shù)據(jù)集成并進(jìn)行分析，能夠深化人們對(duì)疾病的遺傳機(jī)理的認(rèn)識(shí)。

圖4 與疾病關(guān)聯(lián)的位點(diǎn)常富集于表達(dá)數(shù)量性狀基因座

3 基因大數(shù)據(jù)的集成分析方法

基于上述科學(xué)進(jìn)展，本節(jié)將從以下3個(gè)方面對(duì)基因大數(shù)據(jù)的集成分析進(jìn)行綜述。

● 檢測(cè)風(fēng)險(xiǎn)位點(diǎn)及其功能分析：該類型方法集成GWAS數(shù)據(jù)和多組學(xué)數(shù)據(jù)（如變異位點(diǎn)功能型數(shù)據(jù)、轉(zhuǎn)錄組的基因表達(dá)數(shù)據(jù)等），力圖找到更多的危險(xiǎn)變異點(diǎn)，并對(duì)變異點(diǎn)的生理功能進(jìn)行分析。

● 基因多效性的分析：該類方法集成多個(gè)GWAS數(shù)據(jù)以及多組學(xué)數(shù)據(jù)，從而探索復(fù)雜疾病遺傳上的相關(guān)關(guān)系以及共同的致病基因。

● 基于孟德?tīng)栯S機(jī)化的因果推斷：該類型方法集成多種風(fēng)險(xiǎn)因素和疾病的GWAS數(shù)據(jù)，探討風(fēng)險(xiǎn)因素（如血壓、體重、代謝物等）對(duì)疾病的影響。

為描述方便，先對(duì)使用的數(shù)據(jù)類型進(jìn)行介紹。在基因大數(shù)據(jù)的集成分析中使用的數(shù)據(jù)主要包括兩種類型：第一類是個(gè)體樣本層面的數(shù)據(jù)，該類型數(shù)據(jù)包含每個(gè)樣本的基因型、每個(gè)樣本的疾病狀態(tài)（糖尿病、高血壓或者健康）等；第二類是概括型數(shù)據(jù)，該類型數(shù)據(jù)是指對(duì)于個(gè)體樣本層面的數(shù)據(jù)通過(guò)關(guān)聯(lián)分析得到每一個(gè)SNP與疾病的概括性統(tǒng)計(jì)量，包括回歸效應(yīng)的估計(jì)值、標(biāo)準(zhǔn)差、檢驗(yàn)統(tǒng)計(jì)量、p值等。因?yàn)槭褂玫臄?shù)據(jù)類型不同，集成分析方法也會(huì)存在差異。

3.1 風(fēng)險(xiǎn)遺傳變異的檢測(cè)及功能

由于與疾病相關(guān)的位點(diǎn)總是具備某些調(diào)控功能，將相關(guān)位點(diǎn)的調(diào)控功能信息植入某種疾病的GWAS數(shù)據(jù)分析中，能幫助人們找到真正的風(fēng)險(xiǎn)遺傳變異點(diǎn)，深入地研究遺傳變異的功能。在這個(gè)研究領(lǐng)域里，貝葉斯方法被大量運(yùn)用到GWAS數(shù)據(jù)與調(diào)控信息數(shù)據(jù)的集成分析中。該類方法對(duì)疾病的GWAS個(gè)體層面數(shù)據(jù)或概括性數(shù)據(jù)（用G表示）進(jìn)行分析，同時(shí)引入功能型數(shù)據(jù)或基因表達(dá)數(shù)據(jù)（用A表示），推斷遺傳變異位點(diǎn)L（可以是一個(gè)基因也可以是單個(gè)SNP）是否為疾病發(fā)生的風(fēng)險(xiǎn)位點(diǎn)（見(jiàn)計(jì)算式（3））。基于模型分析的結(jié)果可以進(jìn)一步對(duì)變異點(diǎn)進(jìn)行功能分析。在這里，筆者介紹兩類風(fēng)險(xiǎn)遺傳變異檢測(cè)的集成分析方法：第一類是結(jié)合功能型數(shù)據(jù)的集成分析；第二類是結(jié)合基因表達(dá)數(shù)據(jù)的集成分析。

P(L是危險(xiǎn)變異點(diǎn)│G WA S數(shù)據(jù)G，功能型數(shù)據(jù)A) （3）

3.1.1 結(jié)合功能型數(shù)據(jù)的集成分析

假設(shè)已經(jīng)收集了M個(gè)位點(diǎn)的D列功能型數(shù)據(jù)，并存放在矩陣A中，A中對(duì)應(yīng)的第i行、第j列的元素記為A_{i j}，代表第i個(gè)SNP的第j種功能型的取值。以eQTL數(shù)據(jù)為例，假設(shè)A中的每一列對(duì)應(yīng)人體的不同組織器官（如心臟、大腦、肝臟等）。如果第i個(gè)SNP能夠調(diào)節(jié)第j個(gè)組織中某個(gè)基因的表達(dá)，那么這個(gè)SNP是第j個(gè)組織的一個(gè)eQTL，則A_{i j}取1，否則取0。將需要分析的SNP與已有的功能型數(shù)據(jù)庫(kù)進(jìn)行匹配，就可以產(chǎn)生矩陣A。下面以一種常用的統(tǒng)計(jì)模型為例來(lái)闡述GWAS數(shù)據(jù)與功能型數(shù)據(jù)的集成分析。

假設(shè)觀測(cè)到n個(gè)個(gè)體樣本的表型數(shù)據(jù)（記為y∈R_n）及對(duì)應(yīng)的基因型數(shù)據(jù)（用矩陣X^n×Mn×M表示），那么，對(duì)于第i個(gè)樣本個(gè)體，其表型數(shù)據(jù)yi與其基因型數(shù)據(jù)X_i1,?,X_iM可以建立以下線性關(guān)系：

其中，β₁?β_M為回歸系數(shù)，εi 為殘差項(xiàng)，且服從正態(tài)分布N(0,σ2)。若回歸系數(shù)β_j不為0，則代表第i個(gè)變異位點(diǎn)與疾病相關(guān)，因此進(jìn)一步假設(shè)存在一個(gè)指示變量γ_j，γ_j可取0和1，分別代表β_j等于0和β_j不等于0。具體來(lái)說(shuō)，β_j與γ_j的關(guān)系可以通過(guò)以下模型建立：

接下來(lái)通過(guò)一個(gè)Logistic模型建立γ_j與第i個(gè)SNP的功能型數(shù)據(jù)信息A_j（即矩陣A中的第j行）的關(guān)系：

其中，θ∈R^K和θ₀是需要估計(jì)的參數(shù)。若θ中的某個(gè)元素不為0，代表疾病的致病基因可能與對(duì)應(yīng)的功能組相關(guān)。也就是說(shuō)，如果知道某個(gè)SNP的功能信息，引入這些信息能夠調(diào)整γ_j的先驗(yàn)分布，模型會(huì)自動(dòng)給與疾病相關(guān)性高的某種功能型的位點(diǎn)賦予更高的權(quán)重，從而提高統(tǒng)計(jì)分析的效率。若模型的參數(shù)估計(jì)結(jié)果已經(jīng)得到，通過(guò)計(jì)算在給定y、G、A下γ_j取1或0的后驗(yàn)概率，可以推斷γ_j取1或0的概率，從而可以檢測(cè)該變異位點(diǎn)是否屬于風(fēng)險(xiǎn)變異點(diǎn)。對(duì)模型的參數(shù)進(jìn)行統(tǒng)計(jì)推斷可以對(duì)該變異位點(diǎn)進(jìn)行功能分析。

上述模型的框架可以擴(kuò)展到GWAS概括性數(shù)據(jù)建模分析中，如可以對(duì)概括性統(tǒng)計(jì)量的假設(shè)檢驗(yàn)的p值進(jìn)行建模，通過(guò)假設(shè)p值來(lái)自一個(gè)由均勻分布和Beta分布組成的混合分布，建立起p值（如p_i）與指示變量γ_i的聯(lián)系。具體來(lái)說(shuō)，假設(shè)觀測(cè)得到的p值用p_i,?,p_n表示，即與疾病不相關(guān)的SNP來(lái)自[0,1]區(qū)間的均勻分布U（0,1），對(duì)應(yīng)的指示變量γ_j此時(shí)取1，而與疾病相關(guān)的SNP的p值來(lái)自Beta分布Betta(a,1)，對(duì)應(yīng)的指示變量取0，具體如下：

類似地，可以通過(guò)Logistic模型（見(jiàn)計(jì)算式（6））建立起γ_j與第j個(gè)SNP的功能型數(shù)據(jù)信息A_j的聯(lián)系。最大期望算法常用于求解上述模型的參數(shù)，目前的研究已經(jīng)可以滿足集成大規(guī)模功能型數(shù)據(jù)的分析和計(jì)算的需求。

近年來(lái)，深度學(xué)習(xí)作為一種機(jī)器學(xué)習(xí)技術(shù)開(kāi)始得到越來(lái)越多的關(guān)注，在圖像識(shí)別和自然語(yǔ)言處理等領(lǐng)域取得了突破性進(jìn)展。因其優(yōu)異的數(shù)據(jù)處理能力，深度學(xué)習(xí)也開(kāi)始被逐步應(yīng)用于探索人類基因組密碼，尤其是功能基因（functional genomics）組學(xué)。例如，2015年提出的DeepSEA，該方法將公開(kāi)的多組學(xué)功能型數(shù)據(jù)（ENCODE功能型數(shù)據(jù)，表觀基因組的圖譜計(jì)劃）作為輸入，搭建深度學(xué)習(xí)模型，從而實(shí)現(xiàn)對(duì)非編碼區(qū)域遺傳變異位點(diǎn)（占人體基因組的98%）的功能分析。2016年提出的DeepWAS首先基于DeepSEA找到潛在的影響疾病的某一類型的功能型位點(diǎn)，然后再構(gòu)造帶懲罰函數(shù)的多元回歸模型（LASSO），實(shí)現(xiàn)風(fēng)險(xiǎn)變異位點(diǎn)的檢測(cè)。單獨(dú)的GWAS分析只能確定某個(gè)變異點(diǎn)與疾病的關(guān)聯(lián)性，DeepWAS則能夠更加綜合地分析致病基因突變，幫助尋找其致病機(jī)理。實(shí)際應(yīng)用顯示，集成分析GWAS數(shù)據(jù)和功能型數(shù)據(jù)不僅可以幫助檢測(cè)新的危險(xiǎn)變異，而且對(duì)探索疾病的發(fā)病機(jī)制有非常重要的作用。

3.1.2 結(jié)合基因表達(dá)數(shù)據(jù)的集成分析

結(jié)合基因表達(dá)數(shù)據(jù)的集成分析方法有PrediXcan、MetaXcan、TWAS以及CoMM。該類型方法的基本思想是以已有的基因表達(dá)樣本庫(kù)的數(shù)據(jù)為參考面，估算GWA S的個(gè)體的基因表達(dá)，然后檢測(cè)基因表達(dá)和表征是否關(guān)聯(lián)，其基本原理如圖5所示，此類方法的目的在于對(duì)基因調(diào)控的表達(dá)部分和性狀進(jìn)行關(guān)聯(lián)分析（圖5中實(shí)線箭頭）。以CoMM為例。假設(shè)參考面的某個(gè)基因的基因表達(dá)數(shù)據(jù)以及基因型數(shù)據(jù)為y_1g和X_1g，感興趣的疾病或性狀的表型和基因型數(shù)據(jù)為y₂和X _2g，這里基因的表達(dá)數(shù)據(jù)和GWAS個(gè)體層面的數(shù)據(jù)是不同的樣本，基因表達(dá)型數(shù)據(jù)和GWAS數(shù)據(jù)的關(guān)系通過(guò)共享參數(shù)u來(lái)建立，具體如下：

圖5 基因表達(dá)的數(shù)據(jù)和疾病的GWAS數(shù)據(jù)的集成分析基本原理

其中，α_g為未知參數(shù)，通過(guò)檢驗(yàn)α_g是否為0，可以推斷基因表示與表征的關(guān)系?；诙嗷蛐?yīng)的假設(shè)，這里假設(shè)u服從以0為均值，以

為方差的多元正態(tài)分布，即u～N(0,) 。e₁、e₂為誤差項(xiàng)且服從零均值正態(tài)分布。該方法將基因表達(dá)數(shù)據(jù)和疾病或性狀的GWAS數(shù)據(jù)進(jìn)行聯(lián)合建模和估計(jì)，考慮了估算基因表達(dá)的不確定性，顯示出更高的統(tǒng)計(jì)效率。這類型方法也可以推廣到其他層面的組學(xué)數(shù)據(jù)（如蛋白組層面）和GWAS的集成分析研究中，具有極高的應(yīng)用價(jià)值。

3.2 遺傳變異的多效性

遺傳變異的多效性的存在決定人們可以集成多個(gè)GWAS數(shù)據(jù)進(jìn)行分析。一方面，可以探討復(fù)雜疾病在遺傳結(jié)構(gòu)上的相關(guān)關(guān)系，這種相關(guān)關(guān)系在某種程度上可以反映復(fù)雜疾病之間的聯(lián)系；另一方面，利用這種多效性設(shè)計(jì)有效的統(tǒng)計(jì)模型，可以幫助人們找到更多與多種復(fù)雜疾病相關(guān)的多效性位點(diǎn)，同時(shí)，通過(guò)引入功能型數(shù)據(jù)進(jìn)行分析，能進(jìn)一步提高人們對(duì)疾病的遺傳機(jī)理的認(rèn)識(shí)。

復(fù)雜疾病在遺傳結(jié)構(gòu)上的相關(guān)關(guān)系可以通過(guò)遺傳相關(guān)系數(shù)這一參數(shù)來(lái)度量，該參數(shù)反映兩個(gè)復(fù)雜性狀中由遺傳效應(yīng)引起的總體相關(guān)性程度。常見(jiàn)疾?。ㄈ缧呐K病、糖尿病、脂類代謝異常以及高血壓）兩兩之間存在較強(qiáng)的遺傳相關(guān)系數(shù)（0.27~0.43），反映了遺傳變異在這一類型的疾病中具有比較一致的效應(yīng)?；诰€性混合模型，可以先了解遺傳相關(guān)系數(shù)的定義。假設(shè)已經(jīng)獲取兩個(gè)獨(dú)立樣本的關(guān)于兩個(gè)表征的觀測(cè)數(shù)據(jù)以及個(gè)體層面的基因測(cè)序數(shù)據(jù)（標(biāo)準(zhǔn)化后），表示為：y₁∈R^n1×1， G₁∈R^n1×m，y₂∈R^n2×1，G₂∈R^n2×1，對(duì)應(yīng)的協(xié)變量信息用X₁∈R^n1×p1、X₂∈R^n2×p2表示，這里的下標(biāo)對(duì)應(yīng)兩個(gè)不同表征型，它們之間的關(guān)系由以下線性混合模型來(lái)建立：

基于多基因效應(yīng)，假設(shè)：

其中，

分別

為u₁和u₂的方差，ρ為u₁和u₂的相關(guān)系數(shù)，即遺傳相關(guān)系數(shù)，其取值范圍為[-1,1]。極大似然估計(jì)或限制性極大似然估計(jì)等方法常用于二元混合模型的參數(shù)估計(jì)。此外，基于概括性數(shù)據(jù)的LDScore回歸方法，可以針對(duì)任意兩個(gè)性狀進(jìn)行分析，并且能有效地處理樣本重合的影響。在該方法的基礎(chǔ)上，研究者們提出了GNOVA，該方法可以計(jì)算不同性狀在功能型位點(diǎn)的分區(qū)遺傳相關(guān)程度，能夠幫助人們更具體地了解疾病的遺傳特征。更重要的是，集成多個(gè)GWAS數(shù)據(jù)的分析方法可以幫助人們進(jìn)行多效性位點(diǎn)的檢測(cè)。研究者們通過(guò)對(duì)比不同性狀或疾病的GWAS研究的顯著位點(diǎn)，可以標(biāo)注多效性基因位點(diǎn)。然而這種方法只考慮了顯著位點(diǎn)，因而缺乏統(tǒng)計(jì)效率。通過(guò)集成分析多個(gè)不同性狀的全基因組的GWAS數(shù)據(jù)（不只考慮顯著位點(diǎn)），建立有效的統(tǒng)計(jì)模型，可以檢測(cè)更多的風(fēng)險(xiǎn)變異點(diǎn)，并發(fā)現(xiàn)更多的多效性位點(diǎn)，進(jìn)而提高統(tǒng)計(jì)分析的效率。多變量的線性混合模型也常被用于關(guān)聯(lián)變異位點(diǎn)的檢測(cè)，顯示出比一元線性混合模型更大的統(tǒng)計(jì)效率。目前常用的工具有GEMMA、mvLMM和BOLTREML等。該類型方法在實(shí)際應(yīng)用中往往受到很多限制，原因在于這類型方法需要用到GWAS個(gè)體層面的數(shù)據(jù)。受數(shù)據(jù)可獲得性和數(shù)據(jù)隱私保護(hù)等的限制，獲取GWAS個(gè)體層面的數(shù)據(jù)往往會(huì)比較困難。基于概括性數(shù)據(jù)的多個(gè)GWAS的集成分析，只需要GWAS概括性數(shù)據(jù)，而且不同性狀的GWAS數(shù)據(jù)可以來(lái)自不同的生物樣本集（考慮到基因的種群效應(yīng)，一般要求GWAS數(shù)據(jù)來(lái)自同種群），有利于大規(guī)模的集成分析。同時(shí)，該類型方法能夠更靈活地引入功能型數(shù)據(jù)，提高模型的統(tǒng)計(jì)效率?；陔[變量的統(tǒng)計(jì)模型在GWAS的集成分析中扮演著重要的角色。以基于基因多效性和功能型數(shù)據(jù)的遺傳分析（genetic analysis incorporating pleiotropy and annotation,GPA）方法為例，該方法基于概括性統(tǒng)計(jì)量（p值），集成分析多個(gè)GWA S數(shù)據(jù)和功能型數(shù)據(jù)，能有效地檢測(cè)出多效性位點(diǎn)。假設(shè)收集到K個(gè)GWAS的M個(gè)SNP的p值，存放在一個(gè)M×K維的矩陣中，用P表示，其中p_jk代表第j個(gè)SNP在第k個(gè)GWAS的p值。類似于單個(gè)GWAS危險(xiǎn)變異的檢測(cè)，這里也假設(shè)存在一個(gè)M×K維的隱變量矩陣Z，Z_jk取0代表第j個(gè)SNP和第k個(gè)GWAS無(wú)關(guān)，Z_jk取1代表第j個(gè)SNP和第k個(gè)GWAS有關(guān)。變量之間對(duì)應(yīng)的關(guān)系可以通過(guò)下列模型表示：

以k=2為例，定義：

這里π₀₀、π₀₁、π₁₀、π₁₁分別表示Z _j1、Z_j2取不同值的比例，并且π₀₀+π₀₁+π₁₀+π₁₁=1，進(jìn)一步地，GPA假設(shè)在給定GWAS的關(guān)聯(lián)狀態(tài)下，SNP的功能性狀態(tài)之間獨(dú)立。

在GPA模型中，π₀₀,π₀₁,π₁₀,π₁₁,q_00k,q_01k,q_10k,q_11k以及a₁,a₂為模型的未知參數(shù)，EM類型的算法可以有效地解決該模型的參數(shù)估計(jì)問(wèn)題。模型通過(guò)計(jì)算局部錯(cuò)誤發(fā)現(xiàn)率（false positive rate， FDR）Pr(Z_j1,Z_j2|P,A)、Pr(Z_j1|P,A)和和P和Pr(Z_j2|P,A)來(lái)檢測(cè)多效性位點(diǎn)以及單個(gè)GWAS的風(fēng)險(xiǎn)變異點(diǎn)；對(duì) q_00k,q_01k,q_10k,q_11k,進(jìn)行顯著性檢驗(yàn)可以檢測(cè)與疾病相關(guān)聯(lián)的位點(diǎn)在第k類功能型上的富集情況。

進(jìn)一步的研究顯示，通過(guò)Logistic回歸和Probit回歸實(shí)現(xiàn)隱變量和功能型數(shù)據(jù)的建模，可以解決GPA模型只能引入離散型、功能型數(shù)據(jù)的局限。同時(shí)，在多個(gè)GWAS數(shù)據(jù)的集成分析中，低秩性和稀疏性的疊加模型以及復(fù)合極大似然方法的使用，完美地避免了模型參數(shù)指數(shù)增長(zhǎng)而無(wú)法估計(jì)的問(wèn)題。

3.3 基于孟德?tīng)栯S機(jī)化法的復(fù)雜性狀因果推斷

基因的多效性普遍存在于人類基因組中，對(duì)復(fù)雜疾病的研究具有重要的價(jià)值?；虻闹薪槎嘈钥梢杂脕?lái)探索復(fù)雜疾病或性狀之間的因果關(guān)系，這類型的方法被稱作孟德?tīng)栯S機(jī)化法（Mendelian randomization，MR）。該方法可追溯至1986年，Katan M B提出載脂蛋白E （APOE）基因的變異（包括E2/E3/E4）能夠影響體內(nèi)膽固醇的水平，其中攜帶E2基因的人血漿膽固醇水平較低。由于親代到子代等位基因的隨機(jī)分配，個(gè)體APOE基因的攜帶情況不受其他混雜因素的影響。因此，可通過(guò)癌癥病人和非癌癥病人的E2基因攜帶情況是否存在差異來(lái)判斷低水平血漿膽固醇是否會(huì)增加癌癥風(fēng)險(xiǎn)。孟德?tīng)栯S機(jī)化法這一術(shù)語(yǔ)在1991年第一次被提出，逐漸成為因果推斷中的主流方法。該方法以基因變異（如APOE）為工具變量來(lái)研究暴露因素（如血漿膽固醇水平）和結(jié)局變量（如癌癥）之間的因果關(guān)系，可以突破傳統(tǒng)的觀察性流行病學(xué)在研究因果關(guān)系方面的多種限制，如反向因果、混雜因素等。近幾年來(lái)，基于GWAS概括性數(shù)據(jù)的MR分析方法的發(fā)展更能體現(xiàn)出其方法上的優(yōu)越性。首先，大量GWAS概括性數(shù)據(jù)的可公開(kāi)獲得為研究者們提供了豐富的數(shù)據(jù)資源。MR檢驗(yàn)可以在任意的性狀之間進(jìn)行，大大擴(kuò)展了因果關(guān)系的可研究范圍。相比之下，傳統(tǒng)的隨機(jī)控制實(shí)驗(yàn)往往受到實(shí)驗(yàn)倫理以及試驗(yàn)設(shè)計(jì)的局限，對(duì)于罕見(jiàn)疾病的研究，往往因數(shù)據(jù)收集方面的困難而無(wú)法進(jìn)行；其次，GWAS的研究基本上是基于大樣本的研究，目前還在不斷朝著更大樣本規(guī)模發(fā)展，MR因果分析也將受益于次。

孟德?tīng)栯S機(jī)化法以遺傳變異（G）為工具變量，在推斷暴露因素（X）對(duì)結(jié)局變量（Y）的因果關(guān)系時(shí)，需要滿足以下3條基本條件：①G和X相關(guān)；②假設(shè)存在混雜因素（U）同時(shí)影響暴露因素和結(jié)局變量，G和U無(wú)關(guān)；③G只能通過(guò)X影響Y，而不能存在其他的通道影響Y。只有在這3個(gè)條件同時(shí)滿足的情況下，MR方法才能正確地推斷X和Y的因果關(guān)系 （如圖6所示）。具體來(lái)說(shuō)，條件①要求在做MR分析時(shí)，必須選擇與X顯著相關(guān)的位點(diǎn)，比如p<5×10-8。根據(jù)孟德?tīng)栠z傳定律，總是假設(shè)條件②成立，然而其他因素（如群體分層、樣本的重合）可能會(huì)導(dǎo)致這個(gè)條件不符合，因此在實(shí)際應(yīng)用中選擇的GWAS數(shù)據(jù)需來(lái)自同一種群且應(yīng)避免存在樣本重合；條件③要求G對(duì)Y不能有直接的影響，G對(duì)X和Y只能存在中介多效性?；蛑薪槎嘈砸渤１环Q作垂直多效性，對(duì)應(yīng)的基因的生物多效性也稱作水平多效性，用以描述基因與性狀之間的直接聯(lián)系。水平多效性的存在會(huì)影響MR分析結(jié)果的可靠性。

圖6 孟德?tīng)栯S機(jī)化法基本原理

MR分析中各變量間（包括G、X、Y、U）的關(guān)系可通過(guò)下面的線性結(jié)構(gòu)方程來(lái)描述：

其中，

為M個(gè)獨(dú)立的變異位點(diǎn)，γ_j為G _j對(duì)X的效應(yīng)大?。╡ffect size），α_j為G_j對(duì)Y的效應(yīng)大小。若該變異位點(diǎn)滿足MR分析的假設(shè)，則α_j=0；若存在水平多效性，則α_j≠0。η_x和η_j表示混雜因素對(duì)X和Y的影響大小，E_x和E_y為對(duì)應(yīng)的殘差向量，β表示X對(duì)Y的影響效應(yīng)的大小，若β不為0，則表示X和Y存在因果關(guān)系。MR分析的目的是準(zhǔn)確地估計(jì)β的大小并進(jìn)行因果關(guān)系的檢驗(yàn)。上述模型要求GWAS個(gè)體層面的數(shù)據(jù)，而基于兩樣本的GWAS概括性統(tǒng)計(jì)量的MR分析方法不受數(shù)據(jù)的隱私保護(hù)等限制，逐漸成為熱點(diǎn)。這時(shí)，觀測(cè)到的數(shù)據(jù)為變異位點(diǎn)對(duì)暴露因素（X）和結(jié)局變量（Y）的回歸效應(yīng)（effect）的估計(jì)值及其標(biāo)準(zhǔn)差，記為

，它們的關(guān)系可以表示為：

由于兩組數(shù)據(jù)來(lái)自無(wú)樣本重合的GWAS研究，γ?j與 Γ?j相互獨(dú)立（給定的情況下）。若變異位點(diǎn)均滿足MR假設(shè)條件，不存在水平多效性，則α_j=0，j=1,?n；若存在某幾個(gè)α_j不為0，由于會(huì)影響β的估計(jì)，則會(huì)被當(dāng)作異常點(diǎn)。若所有位點(diǎn)均存在水平多效性但平均水平為0，則稱為平衡的水平多效性或系統(tǒng)性多效性，反之則稱為非平衡的水平多效性或有向多效性。

目前關(guān)于MR的大量研究集中在處理變異位點(diǎn)的水平多效性方面，研究方法可大致分為3種類型。一類是矯正，如MREgger通過(guò)在傳統(tǒng)的異方差加權(quán)模型（inverse variance weighted，IVW）中引入常數(shù)項(xiàng)，修正由于非平衡的水平多效性（αj的均值不為0）對(duì)模型帶來(lái)的影響。該方法往往會(huì)引入較大的估計(jì)方差，降低統(tǒng)計(jì)效率。第二類是異常值剔除，這類型方法（如MR-PRESSO、GSMR等）先對(duì)可能存在水平效應(yīng)的異常位點(diǎn)進(jìn)行檢測(cè)，剔除檢測(cè)到的異常位點(diǎn)，然后對(duì)模型參數(shù)重新估計(jì)。這類方法在存在少量的異常點(diǎn)時(shí)是有效的，但當(dāng)存在大量的異常點(diǎn)或平衡的水平效應(yīng)時(shí)，則需謹(jǐn)慎使用。第三類方法是對(duì)違背MR假設(shè)的變異點(diǎn)進(jìn)行具體的建模，如MR.raps和BWMR等。MR.raps和BWMR均假設(shè)存在系統(tǒng)性的水平效應(yīng)，而且αj服從零均值的正態(tài)分布，MR.raps在使用似然方法進(jìn)行參數(shù)估計(jì)時(shí)，用穩(wěn)健的損失函數(shù)Tukey損失函數(shù)和Huber損失函數(shù)取締了均方損失函數(shù)，以得到穩(wěn)健的估計(jì)。BWMR則引入貝葉斯重加權(quán)（Bayesian reweighting）的思想，通過(guò)賦予異常點(diǎn)較低的權(quán)重來(lái)降低異常點(diǎn)的影響。

基于概括型統(tǒng)計(jì)量的MR分析，集成來(lái)自不同樣本的GWAS研究數(shù)據(jù)，可以推斷出不同性狀之間的因果關(guān)系，對(duì)了解復(fù)雜疾病的發(fā)病機(jī)制、疾病的干預(yù)治療以及制藥等方面具有重要的推進(jìn)作用。

4 應(yīng)用案例

4.1 基因多效性分析：運(yùn)用于神經(jīng)質(zhì)和重度抑郁癥GWAS數(shù)據(jù)分析

心理學(xué)上描述人的五大性格特質(zhì)包括：開(kāi)放性、責(zé)任性、外傾性、宜人性和神經(jīng)質(zhì)，其中神經(jīng)質(zhì)主要反映平衡焦慮、敵對(duì)、壓抑、自我意識(shí)、沖動(dòng)、脆弱等情緒的能力，即維持情緒穩(wěn)定性的能力。已有的研究表明，神經(jīng)質(zhì)和重度抑郁癥（major depression disorder，MDD）存在較強(qiáng)的關(guān)聯(lián)，在遺傳上存在較強(qiáng)的相關(guān)性。本文基于GPA方法對(duì)已有的神經(jīng)質(zhì)和重度抑郁癥的GWAS概括型數(shù)據(jù)和功能型數(shù)據(jù)（這里使用eQTL數(shù)據(jù)）進(jìn)行基因的多效性分析，以探索這兩種性狀在遺傳上的關(guān)系。集成分析結(jié)果見(jiàn)表1，曼哈頓圖如圖7所示。集成兩組GWAS數(shù)據(jù)進(jìn)行分析顯示出更高的統(tǒng)計(jì)效率，原因在于這兩組疾病具有高度相似的遺傳學(xué)機(jī)理。根據(jù)參數(shù)估計(jì)結(jié)果，π?00=0.793，π?01=0.014，π?10=0，π?11=0.194，其中，π?11=0.194（似然比檢驗(yàn)p=0）表明神經(jīng)質(zhì)和重度抑郁癥具有高度相似的遺傳機(jī)理，也就是說(shuō)兩個(gè)性狀共享信息，共同分析兩個(gè)GWAS數(shù)據(jù)能極大地提高效率。此外，表1的結(jié)果顯示通過(guò)集成功能型數(shù)據(jù)，能發(fā)現(xiàn)更多的顯著位點(diǎn)，進(jìn)一步提高統(tǒng)計(jì)效率。

圖7 神經(jīng)質(zhì)和重度抑郁癥的 曼哈頓圖（藍(lán)線和紅線分別對(duì)應(yīng)局部錯(cuò)誤率為0.1和0.05）

4.2 血脂代謝物與人類復(fù)雜疾病的因果關(guān)系

本節(jié)基于101種分子水平的血脂代謝物和57種人類復(fù)雜疾病的GWAS概括型數(shù)據(jù)，探討集成分析在實(shí)際中的應(yīng)用。復(fù)雜性狀或疾病的GWAS數(shù)據(jù)來(lái)源見(jiàn)表2，血脂代謝物包含87種血脂蛋白攜帶的脂類物質(zhì)以及14種游離的脂肪酸或相關(guān)度量。脂類物質(zhì)包括總膽固醇（total cholesterol，C）、膽固醇酯（cholesterol esters，CE）、總脂質(zhì)（total lipids， L）、磷脂（phospholipids，P）、游離膽固醇（free cholesterol，F(xiàn)C）、甘油三酯（triglycerides，TG）。血脂蛋白根據(jù)密度可分為低密度脂蛋白（low-density lipoprotein，LDL）、高密度脂蛋白（highdensity lipoprotein，HDL）、極低密度脂蛋白（very-low lipoprotein，VLDL）、中密度脂蛋白（intermediate-density lipoprotein，IDL）。各類血脂蛋白根據(jù)大小可以進(jìn)行細(xì)分，如LDL可分為L(zhǎng).LDL、M.LDL、S.LDL等。57種人類復(fù)雜疾病包括與人體測(cè)量相關(guān)的性狀（如身高、體脂指數(shù)（BMI）等）、與心血管相關(guān)性狀（如冠心?。–AD）、收縮壓（SBP）、舒張壓（DBP）等）、代謝類疾?。ㄈ纰蛐吞悄虿　⒅惔x異常等）、中樞神經(jīng)系統(tǒng)疾?。ㄈ绨柎暮ＤY、帕金森綜合征等）、精神疾?。ㄈ缰囟纫钟舭Y、多動(dòng)癥等）以及自身免疫疾?。ㄈ纰裥吞悄虿?、系統(tǒng)性紅斑狼瘡等）。具體的分析分兩方面：一方面，基于基因的多效性系統(tǒng)地探討血脂代謝物和復(fù)雜疾病在遺傳上的相關(guān)關(guān)系，對(duì)了解復(fù)雜疾病的遺傳結(jié)構(gòu)和性質(zhì)具有重要的作用，本文基于GNOVA方法，對(duì)血脂代謝物和與人類復(fù)雜疾病的遺傳相關(guān)系數(shù)進(jìn)行估計(jì)；另一方面，血脂代謝物和復(fù)雜疾病的因果關(guān)系一直是科學(xué)家們關(guān)注的重點(diǎn)，對(duì)于疾病的預(yù)防和診斷具有重要的指導(dǎo)作用。以心血管疾病為例，目前大量的研究表明，血液中的低密度膽固醇是造成心血管疾病的主要原因。本文應(yīng)用BWMR方法，對(duì)血脂代謝物和人類復(fù)雜疾病的因果關(guān)系和反向因果關(guān)系進(jìn)行分析，從而深化對(duì)血脂代謝物和復(fù)雜疾病的認(rèn)識(shí)。

圖8展示的是通過(guò)Bonferroni校正之后顯著的遺傳相關(guān)系數(shù)（p<0.05/(101×57)），其中640對(duì)具備顯著的遺傳相關(guān)關(guān)系。圖8中紅色為正相關(guān)，綠色為負(fù)相關(guān)，顏色深度和方格面積表示相關(guān)系數(shù)的大小，顏色越深或方格面積越大表示遺傳相關(guān)系數(shù)越大。遺傳相關(guān)系數(shù)的估計(jì)需調(diào)用GNOVA方法的軟件包。結(jié)果顯示，大部分復(fù)雜疾病與大部分血脂代謝物水平均有顯著的遺傳上的相關(guān)關(guān)系，如心血管疾病、高血壓疾病、血壓相關(guān)度量、體重相關(guān)度量等。此外，阿爾茨海默癥、神經(jīng)性厭食癥與多種類型的血脂代謝物有密切的關(guān)系。值得注意的是，雙相情感障礙癥與多種游離脂肪酸有顯著的遺傳上的相關(guān)關(guān)系。因果分析結(jié)果顯示，體質(zhì)指數(shù)、Ⅱ型糖尿病會(huì)影響體內(nèi)血脂代謝物的水平（結(jié)果如圖9所示）。

圖8 血脂代謝物（101種）與復(fù)雜疾病或性狀（57種）的相關(guān)系數(shù)

圖9 血脂代謝物和復(fù)雜性狀的因果分析結(jié)果

5 結(jié)束語(yǔ)

本文對(duì)GWA S研究中的集成分析進(jìn)行了綜述，主要應(yīng)用于以下3個(gè)方面：檢測(cè)風(fēng)險(xiǎn)位點(diǎn)及其功能分析、基因多效性的分析、基于孟德?tīng)栯S機(jī)化的因果推斷。實(shí)際應(yīng)用顯示，集成分析在GWAS研究中顯示出重要的作用，有助于挖掘重要的信息。同時(shí)，多種類型的集成分析統(tǒng)計(jì)方法具備極大的拓展空間，將對(duì)未來(lái)的研究發(fā)揮更大的價(jià)值。未來(lái)GWAS的集成分析將更多地應(yīng)用于集成多組學(xué)數(shù)據(jù)的分析，對(duì)探索從遺傳變異到疾病發(fā)生的整個(gè)因果鏈條起著重要作用。隨著越來(lái)越多的高質(zhì)量數(shù)據(jù)的不斷產(chǎn)生，全方位生物醫(yī)療大數(shù)據(jù)（包括基因大數(shù)據(jù)、醫(yī)療圖像數(shù)據(jù)、電子病歷等）的集成分析將使得實(shí)現(xiàn)個(gè)性化的精準(zhǔn)醫(yī)療成為可能。