编辑推荐：
在基因组研究中，mQTL 分析面临计算挑战，现有工具存在局限。研究人员开展 FastQTLmapping 相关研究，开发出一款软件。结果显示其速度大幅提升、内存使用减少。这一成果有助于推进 mQTL 研究，为计算基因组学发展助力。
在生命科学的基因组研究领域，甲基化定量性状位点（mQTL）分析就像是一场庞大而复杂的拼图游戏。研究人员试图通过它来揭示基因组变异与 CpG 位点之间的关联，这对于理解基因调控、疾病发生机制等方面有着至关重要的意义。理想情况下，mQTL 分析需要在大规模人群样本中进行，这样才能保证有足够的统计效力，同时还要纳入协变量来控制混杂因素，并且要全面细致地分析以实现全基因组范围的高分辨率研究。
然而，这场 “拼图游戏” 困难重重。mQTL 分析规模巨大，常常涉及数万亿次的回归计算，这对计算能力提出了极高的要求。现有的工具，比如 MatrixEQTL 和 FastQTL，虽然在基于 CPU 的系统上提高了计算通量，但在效率、输入输出（I/O）速度以及内存管理方面仍然存在诸多限制。而一些基于 GPU 的解决方案，像 TensorQTL，虽然性能有所提升，但它需要大量的显存，这对于普通个人用户来说成本过高，难以负担。这些问题就像一道道屏障，阻碍着 mQTL 研究的顺利推进。
为了突破这些障碍，来自多个机构的研究人员携手合作，其中包括中国的金陵医院国家临床研究中心、中国科学院上海营养与健康研究所计算生物学重点实验室、中国科学院北京基因组研究所基因组与精准医学重点实验室，以及沙特阿拉伯的奈夫阿拉伯安全科学大学法医学系等。他们开展了关于 FastQTLmapping 的研究，致力于开发一款能够应对大规模 mQTL 分析挑战的工具。
研究人员成功开发出 FastQTLmapping，这是一款基于 Linux 系统、利用 Intel MKL 和 GSL 库加速的预编译 C++ 软件。它可以从命令行运行，接受文本格式和 PLINK 二进制格式的输入文件，并以文本格式输出所有回归的检验统计量。这款软件的出现，就像是为 mQTL 研究打开了一扇新的大门。
研究人员运用了一系列关键技术方法来实现这一成果。在计算加速方面，他们采用了两步设计。首先进行初始筛选，通过均值插补缺失值、单精度浮点运算以及将变量投影到协变量的正交基上等细粒度策略来加速计算；同时利用 OpenMP 并行化框架进行粗粒度加速，动态分割数据并实现中间变量的快速 I/O，从而有效控制内存。在多重检验校正方面，他们引入了一种快速且高效内存的 Storey 和 Tibshirani 假发现率（ST - FDR）算法，避免使用 R 语言 qvalue 包中的 pi0estimate 函数，通过计数器对 T 统计量进行分箱，并利用二进制搜索提高计算速度，还用 C++ 重新实现了相关算法来优化 pi0 的估计 。
在性能测试中，研究人员将 FastQTLmapping 与其他工具进行了对比。在 GSE40364 数据集上，FastQTLmapping 与已有的 QTL 分析软件得出的结果高度相关，这表明它在低缺失率情况下能够准确重现已有工具的研究结果。在另一组测试中，研究人员从 GEO 数据库获取数据，生成不同规模的测试集，在多种线程设置下对 FastQTLmapping、MatrixEQTL、FastQTL 和 TensorQTL 进行评估。结果发现，在没有缺失数据时，四个工具的结果相同；但存在缺失数据时，其他三个工具在较高显著性阈值下出现显著偏差，而 FastQTLmapping 依然保持准确。在计算速度上，FastQTLmapping 在各种测试条件下均优于其他工具，单线程模式下比 MatrixEQTL 快 1.7 - 1.9 倍，四线程时快 3.6 - 4.0 倍，十六线程时快 6.7 - 10.0 倍，也远超 FastQTL 和 TensorQTL。在 I/O 速度方面，除了在串行处理最大数据集时稍慢于 MatrixEQTL 和 TensorQTL 外，在其他情况下，FastQTLmapping 的 I/O 吞吐量都超过这两个工具，且比 FastQTL 也有明显优势。在内存使用上，FastQTLmapping 的峰值内存使用始终低于其他工具，随着并行度和显著结果数量的增加呈线性增长，但增长幅度较小 。在大规模 mQTL 研究中，FastQTLmapping 分析了来自 3523 名中国汉族个体的 6.14 万亿个 SNP - CpG 关联，在调整多个协变量后，仅用 4.5 小时就完成分析，峰值内存使用仅 13.1GB 。
综合来看，FastQTLmapping 在解决大规模 mQTL 分析的计算难题上表现出色。它不仅速度快、内存效率高，而且易于部署，能够在普通服务器上进行大规模的成对回归分析，为 mQTL 研究以及其他类似的高维基因组研究提供了有力的支持。这一成果有助于推动计算基因组学的发展，让研究人员能够更深入地探索基因组的奥秘，为未来的精准医学、疾病预防和治疗等方面的研究奠定坚实的基础。不过，目前 FastQTLmapping 主要集中在计算优化上，在数据处理和质量控制方面还有提升空间，研究人员也计划在未来对其进行进一步拓展和完善 。
