编辑推荐：
为探究能否用 LDpred2 从甲基化组关联研究（MWAS）推导 DNA 甲基化评分（MS），研究人员以精神分裂症数据为样本开展研究。结果显示，基于 LDpred2 的模型表现略优于传统方法，但结构先验选择并非关键。该研究为 MS 构建提供新方向。
在生命科学和健康医学领域，DNA 甲基化研究一直是热门话题。DNA 甲基化就像细胞中的 “小卫士”，它能在不改变 DNA 序列的情况下，影响基因的表达，进而对各种生物过程产生作用。在复杂精神障碍方面，比如精神分裂症，研究 DNA 甲基化与疾病之间的关系，有助于揭示疾病的发病机制，找到潜在的治疗靶点。
以往，在甲基化组关联研究（MWAS）中构建甲基化评分（MS）时，常用的修剪和阈值（P + T）方法存在一定局限性。而在多基因风险评分（PRS）领域，已经有许多先进方法，如基于贝叶斯回归、正则化线性回归等技术的方法，表现优于 P + T 方法，但这些方法在 MS 构建中的应用还未得到充分探索。其中，R 包 LDpred2 在 PRS 构建中表现出色，它利用外部参考连锁不平衡（LD）相关图作为先验，通过吉布斯采样计算后验效应大小。然而，LD 并不适用于甲基化，所以寻找合适的替代先验，成为将 LDpred2 应用于 MS 构建的关键问题。
为了解决这些问题，来自挪威卑尔根大学临床科学系、豪克兰大学医院医学遗传学系等多个研究机构的研究人员，开展了一项关于利用 LDpred2 技术构建甲基化评分的研究。他们旨在探究能否将 LDpred2 进行调整，使其适用于从 MWAS 中推导 MS，并比较基于 LDpred2 构建的 MS 与传统 P + T 方法的优劣。
研究人员用到的主要关键技术方法如下：首先，使用了多个 R 包，如 CoMeBack 版本 0.1.0、bigsnpr 版本 1.12.2（包括 bigstatsr 和 LDpred2）。其中，CoMeBack 用于计算共甲基化区域（CMRs）并分配探针，bigsnpr 中的 LDpred2 则是核心分析工具。其次，研究采用了多种聚类方法，如以 CMRs、拓扑相关结构域（TADs）、滑动窗口法创建聚类，还设置了随机聚类作为对照。此外，使用训练数据和测试数据进行模型构建与评估，训练数据来自之前发表的精神分裂症 EWAS 荟萃分析，测试数据则是经过预处理的 NORMENT TOP 样本中的个体外周血甲基化数据。
研究结果
- 不同先验模型的构建与评估：研究人员用 LDpred2 测试了两种先验（CMRs 和 TADs）来创建 MS。基于 CMRs 先验构建了两个模型，一个包含单例簇，一个排除单例簇。同时，使用 CoMeBack 创建了六种不同窗口大小（5kb、10kb、20kb、100kb、500kb 和 1Mb）的滑动窗口模型，并创建了十组随机聚类作为 TAD 模型的空模型。之后，通过逻辑回归将这些模型与现有的 P + T 模型进行比较。
- 模型性能比较：包含单例簇的基于 CMRs 的模型表现不佳，因为它在相关矩阵中仅创建了部分块结构，为算法提供的相关信息过少。排除单例簇后，模型性能虽有显著提升，但出现的负h2值表明相关矩阵可能存在负特征值，模型因此被舍弃。TADs 为基础的模型表现略好，不过由十组随机聚类组成的空模型与 TAD 模型结果近乎相同，这表明可能是算法本身及其在计算后验效应大小时对探针 - 探针相关性的使用，而非 TAD 结构，提升了模型性能。滑动窗口模型的结果与 TAD 模型也几乎一样，即便 5kb 滑动窗口仅将 74% 的探针聚类成非单例簇，其表现仍与 TAD 簇相当，且较小的簇大小并未对模型产生负面影响。
研究结论与讨论
该研究表明，基于 LDpred2 的模型在构建 MS 时，性能略优于传统的 P + T 方法，这说明将 PRS 方法应用于 MS 构建是可行的。同时，研究结果支持了之前的研究发现，即约 3.5% 的精神分裂症表型变异可由 DNA 甲基化通过 MS 解释 。在 MS 构建过程中，CMRs 先验在分析中表现不佳，TAD 先验也未显著优于随机聚类空模型，这意味着在 MS 创建过程中，关键步骤可能是通过修剪（如 P + T 方法）或正则化（如 LDpred2）来限制纳入的探针数量。
此外，该研究也存在一定局限性。例如，LDpred2 模型仅在单一数据集和单一表型上进行了测试；矩阵中的块是使用测试集创建的，存在数据泄露风险；模型构建使用的 LDpred2 - auto 函数虽无需验证集调整超参数，但理想情况下应使用独立验证集和 - grid 模型进行测试；训练 MWAS 和测试样本的样本量分别为 2015 和 1227，可能限制了 MS 的效力，后续可能需要更大样本量的测试。
尽管如此，这项研究仍为 MS 构建提供了新的思路和方法，为深入探究 DNA 甲基化与精神分裂症等复杂疾病的关系奠定了基础。未来，研究人员可以进一步探索其他类型的算法，如随机森林或神经网络，这些不依赖标准线性统计方法的算法，可能会为 MS 构建带来新的突破，帮助人们更好地理解和应对复杂精神障碍疾病。
