Nature：GWAS与负荷测试——殊途为何不同归？解密基因关联研究中的排序之谜

两大神探，为何各执一词？被颠覆的 一致性 幻觉

我们通常认为，如果一个基因确实对某个身高性状至关重要，那么无论是通过常见的遗传标记 (GWAS)，还是通过罕见的破坏性突变 (LoF负荷测试)，都应该能捕捉到它的信号。然而，现实却给出了一个响亮的耳光。

研究人员分析了英国生物样本库中209种量化性状的数据，系统地比较了GWAS和LoF负荷测试的结果。表面上看，两者存在一定的重叠。在151个同时拥有GWAS和负荷测试显著信号的性状中，高达74.6%(1,852个中的1,382个) 的LoF负荷测试找到的基因，确实位于某个GWAS发现的基因组区域（或称位点，locus）之内。这似乎在说： 看，我们大方向是一致的。

但魔鬼隐藏在细节中。当我们复核这些基因的 排名 时，惊人的差异浮现了。研究人员发现，在所有通过LoF负管测试发现的显著基因中，只有区区26%（1,852个中的480个）位于排名靠前的GWAS位点中。这意味着，一个在LoF负荷测试中被认为是头号 嫌疑犯 的基因，在GWAS的名单里可能排在几百名开外，甚至榜上无名。

身高，这个经典的人类复杂性状，为我们提供了一个绝佳的案例。研究人员在身高的研究中发现了382个显著的GWAS位点。当他们将这些位点与LoF负荷测试的结果进行对比时，发现两份名单的 默契度 相当有限（斯皮尔曼相关系数 = 0.46）。

两个基因的例子将这种不一致性体现得淋漓尽致：

NPR2基因：在身高的LoF负荷测试中，这个基因高居榜眼之位，信号极其强烈。之前的研究也早已证实，NPR2基因的突变会导致人类身材矮小。然而，在GWAS的382个身高相关位点中，包含NPR2基因的位点仅仅排在第243位。对于GWAS来说，它远非明星。

HHIP基因：与NPR2相反，包含HHIP基因的位点是GWAS发现的第三大身高相关位点，其统计学P值达到了惊人的10⁻ ⁸⁵。然而，在LoF负荷测试中，HHIP基因及其周边的所有基因都 静默无声 ，没有任何显著信号。

这种 你方唱罢我登场 的现象在众多性状中普遍存在。这迫使我们不得不正视一个问题：这两套方法到底在衡量什么？它们各自的 偏好 是什么？要回答这个问题，我们首先需要建立一个理想的评价体系。

理想的标尺：我们应该奖励 绩优股 还是 专业户 ？

假如我们拥有上帝视角，能够精确洞悉每个基因的全部功能，那么在评估一个基因与特定性状的关联时，我们应该关注哪些属性呢？研究人员巧妙地提出了两个核心评价标准：性状重要性 (trait importance)和性状特异性 (trait specificity)。

性状重要性，顾名思义，指的是一个基因对目标性状影响的 量级 。它衡量的是影响的绝对大小，就像一个公司的市值，代表了它的整体分量。我们可以称这类基因为 绩优股 。

性状特异性，则衡量一个基因影响的 专注度 。想象一个基因，它几乎只在骨骼发育过程中表达和起作用，它的功能紊乱主要导致身材矮小。这样的基因，我们称之为具有高度的 身高特异性 。我们可以称那些特异性高的基因为 专业户 。

那么，理想的基因发现方法，应该优先找出 绩优股 还是 专业户 呢？这个问题没有唯一的答案，它取决于我们的最终目的。如果我们想寻找药物靶点，可能会更青睐 专业户 ，因为副作用的风险可能会更低。而如果我们想理解一个生物学过程的核心调控网络，那些虽然不专一但影响巨大的 绩优股 可能更为关键。

罕见变异的 枷锁 ：为何负荷测试偏爱 偏科生 ？

研究人员通过精巧的群体遗传学模型推演，得出了一个惊人的结论：LoF负荷测试在本质上，并非在寻找性状重要性最高的基因，而是在寻找性状特异性最高的基因。换言之，它系统性地偏爱 偏科生 。

这个结论似乎有悖直觉。难道不是效应越大的基因，信号越强吗？关键在于一个强大的、无处不在的自然法则 负选择 (negative selection)。

一个基因如果性状重要性极高，那它大概率也具有多效性 (pleiotropy)，即同时影响许多不同的生理功能。自然选择会像一个严厉的质检员，无情地将携带这类破坏性变异的个体从群体中淘汰出去。这种强大的净化选择效应，导致那些最重要的基因，其LoF变异在人群中变得极其罕见。

于是，一个悖论出现了：一个基因越是 重要 （绩优股），自然选择对它的 监视 就越严，其LoF变异就越罕见。而变异越罕见，负荷测试的统计功效就越低。这个过程被称为 平坦化效应 (flattening)。对于那些效应大到一定程度的基因，它们的信号强度与其实际的重要性完全脱钩。

那么，既然负荷测试不看 重要性 ，它到底在看什么？模型推导给出了答案：其关联信号强度，正比于 该基因对研究性状的效应平方 除以 该基因对所有关乎适应性的性状的效应平方之和 。这恰恰就是研究人员定义的性状特异性。

这个发现石破天惊。LoF负荷测试并非一个有缺陷的工具。它本身就是一个设计巧妙的 特异性探测器 。它之所以能成功，恰恰是因为自然选择已经帮我们做了一轮预筛选，让那些效应更专一的 专业户 基因得以脱颖而出。

GWAS的 双重人格 ：既能识别 偏科生 ，也能揪出 伪装者

现在，让我们把目光转向GWAS。研究人员的分析表明，GWAS同样偏爱 特异性 ，但它衡量的是变异的特异性 (variant specificity)，而非基因的特异性。这一个词的差别，带来了天壤之别。

一个基因变异之所以能对某个性状产生特异性的影响，有两种截然不同的途径：

途径一：影响一个性状特异性的基因。这一点与LoF负荷测试的逻辑类似。

途径二：以一种 上下文依赖 的方式，影响一个多效性的基因。这是GWAS能够超越LoF负荷测试的 独门绝技 。想象一个多效性基因，一个LoF变异会 一视同仁 地破坏它在所有组织中的功能。然而，GWAS检测到的常见变异，很多位于非编码区的调控元件上。可能存在一个只在骨骼细胞中才活跃的增强子，它负责调控该基因在骨骼发育时期的表达。那么，一个发生在这个增强子上的变异，就只会影响基因在骨骼中的功能。这样的变异，虽然作用于一个多效性的 绩优股 基因，但其产生的效果却是高度性状特异性的。

这个巧妙的区分，完美地解释了NPR2和HHIP的谜题。研究人员利用分层连锁不平衡得分回归 (S-LDSC)技术，为这一理论提供了有力证据。他们发现，对于非编码变异，那些位于组织特异性调控区域的变异，对性状遗传力的贡献显著更高。这证实了GWAS的 双重人格 ：它既能找到 专业户 基因，也能揪出那些作用于 绩优股 基因上的特异性 伪装者 变异。

超越生物学的 隐形之手 ：基因长度与随机漂变

如果说 特异性 是驱动两种方法产生差异的生物学内因，那么研究还揭示了两个非生物学因素，像两只 隐形之手 ，在背后悄悄地拨动着基因排名的轮盘。它们分别是基因长度 (gene length)和随机遗传漂变 (random genetic drift)。

基因长度：LoF负荷测试的 身材歧视

一个基因的编码序列越长，它就像一个更大的 靶子 ，产生LoF变异的概率就越高。这意味着，在效应大小完全相同的情况下，一个长基因会比一个短基因拥有更强的统计功效和更显著的P值。这是一个纯粹的统计学 伪影 (artifact)，与该基因的生物学重要性无关。

随机遗传漂变：GWAS排名的 幸运轮盘

GWAS分析的是单个常见变异，其信号强度约等于2 p(1-p)。由于随机遗传漂变，一个变异的频率（p），可能因为纯粹的 运气 ，漂移到一个远高于其期望值的水平。一个较高的p值会极大地放大其统计信号。这意味着，在GWAS的排名中， 运气 占了很大成分。这也巧妙地解释了为何GWAS的热点基因看起来总是那么多效 高频率赋予了它们在多种性状分析中被检测到的 万能门票 。

破除迷思：我们该如何驾驭这两匹快马？

至此，我们已经清晰地看到，GWAS和LoF负荷测试远非简单的重复或替代关系。它们是两面不同角度的镜子，各自照亮了复杂性状遗传结构的独特侧面。

LoF负荷测试，是一个偏爱 专业户 （性状特异性基因）的工具。它的发现对于寻找潜在药物靶点可能极具价值，但它会错过那些最重要的核心基因，且结果会受到基因长度的干扰。

GWAS，则是一个偏爱 特异性变异 的工具。它的独特之处在于，能够揭示多效性基因在特定性状中的作用。但它的排名严重受到随机遗传漂变的 运气 影响。

那么，未来的路该怎么走？这项研究不仅了问题，更指明了方向。它告诉我们，执着于比较单个基因或变异的P值排名，可能是一条歧路。为了评估一个基因的真实性状重要性，我们或许应该放弃对单一最强信号的迷信。更可靠的方法可能是聚合一个基因区域内所有变异的信号，从而得出一个更能抵抗 运气 干扰的、对基因整体重要性的评估。

这项研究告诫我们在基因寻宝的征途上，不能仅仅被工具所展现的光芒所迷惑，更要理解工具制造光芒的原理及其内在的物理限制。这场由特异性、长度和运气共同编织的探索，才刚刚开始。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->