SPAGRM：大规模纵向性状全基因组关联研究中有效控制样本相关性的创新突破

在全基因组关联研究（GWAS）中，样本相关性是一大干扰因素。为解决此问题，研究人员开展了关于 SPAGRM 分析框架的研究。结果显示，SPAGRM 能有效控制 I 型错误率，SPAGRM(CCT)聚合结果效果良好。这为 GWAS 研究提供了新方法。

　　在生命科学和健康医学领域，全基因组关联研究（GWAS）是探索遗传与疾病关系的重要手段。随着生物样本库的发展，大规模 GWAS 研究不断推进，然而样本相关性问题却成了研究路上的 “拦路虎”。当样本存在相关性时，如果不加以适当控制，会导致 I 型错误率升高，使研究结果出现偏差，就像在迷雾中寻找宝藏，很容易迷失方向。特别是在研究复杂性状，如纵向性状（指表型值随时间重复测量的性状，能反映健康状态的演变）时，传统的将遗传相关矩阵（GRM）纳入回归模型的策略困难重重，不仅在统计任务上对准确的方差成分估计要求极高，而且在处理生物样本库的大规模数据时，面临内存使用和计算效率的挑战。在这样的背景下，开展能够有效控制样本相关性的研究迫在眉睫。

北京大学的研究人员为了解决这些问题，开展了关于 “SPAGRM: effectively controlling for sample relatedness in large-scale genome-wide association studies of longitudinal traits” 的研究。他们提出了一种可扩展且准确的分析框架 SPA_GRM，该研究成果发表在《Nature Communications》上。这一研究意义重大，它为大规模 GWAS 研究提供了新的有效方法，有助于更准确地识别与疾病相关的遗传变异，推动生命科学和健康医学领域的发展，为疾病的预防、诊断和治疗提供更坚实的遗传学基础。

研究人员在开展研究时用到了以下几个主要关键技术方法：

1. 数据模拟：使用英国生物银行（UK Biobank）中无关白人英国受试者的真实变体进行基因下降模拟，生成模拟数据，用于评估 SPA_GRM在纵向性状分析中的性能。
2. 建立模型：运用线性混合效应模型（LMM）和广义估计方程（GEE）对纵向性状进行建模。LMM 可刻画纵向性状的平均轮廓和个体内（WS）变异性；GEE 则通过用户指定的相关结构来表征纵向数据。
3. 近似计算：采用鞍点近似（SPA）方法估计得分统计量的零分布，结合 Chow-Liu 算法近似相关受试者基因型的联合分布，以调整样本相关性。同时使用 Cauchy 组合检验（CCT）聚合不同模型的结果。

下面来看看具体的研究结果：

1. SPA_GRM框架概述：SPA_GRM框架包含两个主要步骤。第一步是拟合零模型，调整协变量对表型的影响并计算模型残差，在此步骤中纳入 GRM 相关随机效应是可选的，这扩大了其适用范围；第二步是通过近似得分统计量的零分布，将感兴趣的性状与单个遗传变异相关联。为提高计算效率，SPA_GRM采用了预先估计基因型联合分布、限制最大家族大小、方差比调整等策略12。
2. 模拟研究：通过模拟不同家族相关性的数据集，比较了 TrajGWAS、SPA_GRM等五种方法。结果表明，SPA_GRM、SPA_GRM(INT)和 SPA_GRM(CCT)能很好地控制 I 型错误率，而 Norm_GRM在检测罕见变体时无法控制 I 型错误率，TrajGWAS 在处理相关受试者时 I 型错误率显著膨胀。在经验功效方面，当研究队列包含相关受试者时，SPA_GRM在检测 β_g和 τ_g时比 TrajGWAS 更具功效；即使在队列仅包含无关受试者时，检测 τ_g=0 时，SPA_GRM也更具优势。此外，SPA_GRM(CCT)可作为一种统一的最优方法，结合不同模型的 P 值，在各种模拟设置中都表现出色34。
3. SPA_GRM在英国生物银行 79 个纵向性状中的应用：将 SPA_GRM应用于分析从 UK Biobank 初级护理数据中提取的 79 个纵向性状。与 TrajGWAS 相比，SPA_GRM成功识别出更多显著位点，且能有效控制 I 型错误率。例如，在估计肾小球滤过率（eGFR）、血清铁蛋白等性状的研究中，SPA_GRM和 SPA_GRM(CCT)表现出比 TrajGWAS 和 Norm_GRM更优异的性能，检测到了更多与性状相关的遗传位点56。
4. 广义估计方程有助于提高功效：研究发现广义估计方程（GEE）可通过指定相关结构来刻画纵向数据，与线性混合模型（LMM）相比更灵活。将基于 GEE 模型的 SPA_GRM方法（如 SPA_GRM(GEEexc)和 SPA_GRM(GEEarl)）与基于 LMM 的 SPA_GRM方法进行比较，结果表明基于 GEE 模型的方法在某些情况下能产生更显著的 P 值，且 SPA_GRM(CCT)在不同性状分析中表现稳定，能达到与最有效方法相当的 P 值78。
5. 计算效率：评估了 SPA_GRM的计算效率，发现其计算 GRM 和 IBD 共享概率的时间成本较低。在分析纵向 BMI 数据时，SPA_GRM的运行时间比 TrajGWAS 长，但内存使用更高效。

研究结论和讨论部分指出，SPA_GRM是一种可扩展且准确的分析框架，通过将基因型视为随机变量，利用 IBD 和 Chow-Liu 算法近似基因型联合分布，有效控制样本相关性，广泛适用于复杂性状研究。SPA_GRM能很好地控制 I 型错误率，比 TrajGWAS 更具功效，且通过不同方式计算或更新模型残差可进一步提高功效。同时，研究人员提出 SPA_GRM(CCT)来聚合不同模型的结果，可作为一种广泛有效的方法。然而，SPA_GRM也存在一些局限性，如假设基因型边际上遵循二项分布，需进行 HWE 检验；基于得分检验，不拟合完整模型；在 UK Biobank 数据分析中仅关注纵向轨迹的均值和 WS 变异性；当前版本仅支持分析常染色体等。尽管如此，该研究为 GWAS 研究提供了新的思路和方法，在生命科学和健康医学领域具有重要的推动作用，有望为后续研究奠定基础，助力更深入地探索遗传与疾病的关系。