IF31.7｜UKB全基因组、外显子组与插补策略的遗传关联产出比较

WGS比WES+IMP多测5倍变异，但关联信号仅多1%，样本量才是关键。

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

大规模遗传关联研究是揭示复杂性状遗传基础、推动药物靶点发现的核心手段。目前主流策略包括：芯片基因分型加插补（IMP）、全外显子组测序（WES）和全基因组测序（WGS）。IMP擅长捕获常见变异，WES可发现罕见编码变异，WGS则覆盖全基因组所有频率的变异。已有研究显示，WES+IMP组合能同时捕获常见和罕见编码变异，而WGS理论上能提供最全面的变异信息，但其实际关联发现增益尚缺乏系统评估。

科学问题

卡在哪里： 以往研究多单独评估各平台性能，缺乏在数十万样本规模下对WGS、WES+IMP等策略的关联产出进行头对头比较。WGS虽然测得的变异总数远多于WES+IMP，但这些额外变异多为极罕见非编码变异，其对关联发现的实际贡献未知。

本文要回答： 在UKB 149,195名个体中，系统比较WGS、WES、IMP及WES+IMP在100个复杂性状上的单变异和基因关联产出，并评估样本量对产出的影响。

技术路线

作者主要用了：WGS、WES、IMP、REGENIE关联分析、单变异检验、基因聚合检验。

作者选取UKB中同时拥有WGS、WES和IMP数据的149,195名个体，对100个数量性状和二元性状进行关联分析。首先比较各平台捕获的变异数量和类型，然后分别进行单变异关联检验和基于基因的聚合检验，最后通过改变样本量（47,545和468,169）评估样本量对关联产出的影响。

图 1　Fig. 1。图1展示了各平台捕获的变异数量和类型。a显示WGS变异总数远高于WES+IMP，但b显示编码区变异数相近。c显示个体平均变异数几乎相同。d显示WGS特有变异多为极低等位基因计数，而e显示WES+IMP中编码变异主要来自WES，非编码变异主要来自IMP。

核心亮点

亮点 1｜WGS与WES+IMP变异捕获差异巨大

WGS共鉴定599,385,545个变异，WES+IMP为125,694,205个，WGS多出约5倍。但个体平均变异等位基因数几乎相同（WGS：3,595,704，WES+IMP：3,585,289），因为WGS特有变异中47%为单例变异，仅存在于极少数个体。编码区变异总数和个体平均编码变异数在两种策略间几乎一致。

图 2　Fig. 2。图2展示了各平台在不同样本量下的单变异和基因关联信号数量。a显示WGS和WES+IMP在149,195人中信号数几乎相同，而b显示基因信号也类似。样本量变化对信号数影响显著，从47,545到468,169，信号数增加约20倍。

亮点 2｜单变异关联信号产出几乎相同

在149,195人中，WES+IMP发现3,506个全基因组显著信号，WGS发现3,534个，差异仅1%。97.2%的信号为两平台共享，96%指向同一变异。平台特异信号多为边缘显著、由罕见变异驱动且缺乏邻近变异支持，复制率低，提示可能为平台特异假象。

亮点 3｜基因聚合检验结论一致

基因聚合检验中，WES+IMP发现546个显著基因-性状对，WGS发现538个，差异1%。95%的信号为两平台共享。平台特异信号同样多为边缘显著或由单个平台特有变异驱动，复制率较低。

亮点 4｜样本量对产出影响远超平台选择

将样本量从149,195减少至47,545，单变异信号从约3,500降至约750，基因信号从约540降至约125；将样本量增加至468,169，单变异信号增至15,329，基因信号增至2,441。约10倍样本量增加带来约20倍信号增加。

亮点 5｜WES+IMP在资源有限时更优

WES+IMP与WGS在关联产出上无实质差异，但WES+IMP在实验和计算资源上更节省。WES+IMP数据在UKB中更早可用（2021年11月 vs 2023年11月），且扩大样本量能带来更大收益。

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： WGS、WES、IMP、REGENIE关联分析、单变异检验、基因聚合检验
• 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/DecodeGenetics/graphtyper；本地已克隆：graphtyper
• 谁该点开原文： 设计大规模遗传关联研究、权衡测序策略与预算的遗传学家和生信从业者。

带走一句

在UKB规模下，WES+IMP与WGS关联产出相当，优先扩大样本量比升级到WGS更能提升发现。