IF31.7｜深度集合网络整合变异注释提升罕见变异关联检验

DeepRVAT用深度集合网络学习基因损伤评分，大幅提升罕见变异关联发现与表型预测。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

罕见变异可对表型产生强效应，但因其频率低、携带者少，统计功效受限，且多重检验负担重。传统罕见变异关联检验（RVAT）通常将基因区域内变异聚合，依赖功能注释（如保守性、剪接效应、蛋白结构预测）来过滤或加权变异。已有方法如STAAR、Monti等通过整合多种注释或使用方差成分检验提高功效，但仍依赖预设的过滤和加权方案，且难以用于表型预测。

科学问题

卡在哪里： 现有RVAT方法中，变异注释的整合方式多为人工设定，缺乏数据驱动的灵活学习；少数能学习注释权重的方法计算代价高、可扩展性差，且无法直接用于表型预测。

本文要回答： 开发一种数据驱动的罕见变异关联检验框架，自动学习基因损伤评分，同时支持基因发现和表型预测，并在大规模生物库数据上验证其优势。

技术路线

作者主要用了：深度集合网络、全外显子组测序、UK Biobank、REGENIE、PRS。

DeepRVAT采用端到端基因型到表型模型：先通过基因损伤模块（深度集合网络）将每个基因内的罕见变异及其注释映射为标量损伤评分，再以该评分线性预测多个训练表型。训练时利用传统RVAT方法筛选种子基因，通过交叉验证避免数据泄漏。训练完成后，基因损伤评分可直接用于关联检验（类似负担检验）或作为特征加入PRS模型。

图 1　Fig. 1。图1展示DeepRVAT整体框架：a为端到端基因型到表型模型，b为基因损伤模块的深度集合网络结构，c为利用损伤评分进行关联检验，d为将损伤评分加入PRS进行表型预测。核心是基因损伤模块通过集合网络聚合任意数量变异及其注释，输出标量评分。

核心亮点

亮点 1｜基因发现数量大幅提升

在UKBB 200k外显子组数据的21个数量性状上，DeepRVAT识别出272个基因-性状关联（FWER<5%），比burden/SKAT组合方法多75%，比Monti等方法多19%，比STAAR多6%。在13个未参与训练的性状上同样表现优异，表明损伤评分具有跨性状泛化能力。

图 2　Fig. 2。图2展示在UKBB 200k外显子组21个数量性状上的基因发现结果：a显示DeepRVAT累计发现数量高于其他方法；b为Q-Q图显示P值校准良好；c显示DeepRVAT关联在外部数据中复制率更高；d展示损伤评分与表型的剂量反应关系；e显示计算效率优势；f和g显示在13个未训练性状上同样具有发现数量和复制率优势。

亮点 2｜关联结果复制率更高

与两个大规模UKBB外显子组研究（Backman等、Wang等）的显著关联比较，DeepRVAT发现的关联在更严格的显著性阈值下复制率始终高于其他方法，说明其不仅功效更高，且假阳性更少。

图 3　Fig. 3。图3展示表型预测结果：a显示加入罕见变异负担后R2相对提升分布，DeepRVAT中位数提升0.92%；b显示预测极端表型时AUPRC相对提升，DeepRVAT最高达258.73%；c显示DeepRVAT模型预测值与PRS差异最大的个体更可能处于表型极端；d显示DeepRVAT预测极端表型个体富集程度高于其他方法。

亮点 3｜极端表型预测优势显著

将DeepRVAT基因损伤评分与常见变异PRS结合，在33个UKBB性状上，预测极端表型个体（如最低1%碱性磷酸酶）的平均精度相对提升最高达258.73%，远超基于单一注释的负担模型。在预测极端表型个体时，DeepRVAT模型比PRS-only模型多富集3.61%的表型异常值。

图 4　Fig. 4。图4展示与REGENIE结合的结果：a显示在包含亲属和多祖先的UKBB 200k数据上，DeepRVAT+REGENIE发现数量增加；b显示二分类性状Q-Q图，DeepRVAT+REGENIE校准良好而其他方法膨胀；c显示低患病率性状上其他方法假阳性过多；d显示DeepRVAT+REGENIE发现数量是REGENIE默认检验的两倍以上。

亮点 4｜与REGENIE结合稳健处理二分类性状

对于63个二分类性状，DeepRVAT单独使用或STAAR、Monti等方法在低患病率性状上P值膨胀，而DeepRVAT+REGENIE保持校准，且发现数量是REGENIE默认负担/SKAT检验的两倍以上。在全UKBB 470k外显子组数据上，共发现1,153个显著关联，其中88个来自二分类性状，43个为UKBB中首次报道。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 深度集合网络、全外显子组测序、UK Biobank、REGENIE、PRS
• 公开数据： 原文未给出公开组学登录号
• 代码： 公开仓库 https://github.com/PMBio/deeprvat、https://github.com/PMBio/deeprvat-analysis；本地已克隆：deeprvat-analysis
• 谁该点开原文： 从事罕见变异关联分析、多基因风险评分建模或生物库数据挖掘的遗传学与生物信息学研究者。

带走一句

DeepRVAT用深度集合网络自动学习基因损伤评分，摆脱了人工注释加权，可无缝接入REGENIE等工具，显著提升罕见变异关联发现和极端表型预测。