IF31.7｜Quickdraws：变分推断提升混合模型GWAS功效

用贝叶斯机器学习同时实现高功效与高扩展性，在UK Biobank多发现5%关联。

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

全基因组关联研究（GWAS）是解析复杂性状和疾病遗传基础的核心手段，现代生物样本库的规模扩张带来了海量数据，也催生了可扩展的线性混合模型算法，如BOLT-LMM、SAIGE、FastGWA和REGENIE。其中BOLT-LMM采用贝叶斯混合先验，功效最高但计算昂贵，且对不平衡病例对照比例的二元性状可能产生统计膨胀；SAIGE、FastGWA和REGENIE虽高度可扩展，但依赖正态先验或稀疏遗传关系矩阵，假设性状完全多基因，在非多基因遗传结构下功效受限。因此，当前GWAS方法在计算效率和统计功效之间存在权衡，难以兼得。

科学问题

卡在哪里： 现有可扩展GWAS方法（如REGENIE、FastGWA）假设遗传效应服从正态分布，即完全多基因模型，这导致在非多基因性状（如由少数因果变异驱动）中功效下降。BOLT-LMM虽采用混合先验提升功效，但计算复杂度高，且对低患病率二元性状可能产生统计膨胀。因此，缺乏一种既能建模非多基因遗传结构、又能在百万级样本上高效运行的方法。

本文要回答： 开发一种同时实现高统计功效和高计算效率的GWAS方法，适用于定量性状和二元性状，并在大规模生物样本库中验证其性能。

技术路线

作者主要用了：spike-and-slab先验、随机变分推断、GPU加速、转移学习、LOCO。

Quickdraws采用两阶段流程：模型拟合和检验。在模型拟合阶段，先估计遗传和环境方差组分（定量性状用RHE，二元性状用网格搜索），然后利用贝叶斯回归进行留一染色体（LOCO）预测，其中变异效应采用spike-and-slab先验，以建模非多基因遗传结构。通过随机变分推断和GPU矩阵运算加速，并利用全基因组效应估计初始化LOCO运行以加速收敛。在检验阶段，利用估计的遗传效应计算基于评分的检验统计量，并通过匹配有效样本量进行校准，对二元性状还采用近似Firth逻辑回归校正病例对照不平衡。

图 1　Fig. 1。图1展示模拟数据中Quickdraws相对于线性/逻辑回归在因果变异上的平均χ2统计量提升百分比。a图显示定量性状，随着因果变异数从5,000增加到50,000，Quickdraws的提升幅度从约12%逐渐下降，但在低多基因性下优势明显。b图显示二元性状（患病率30%），Quickdraws在1,250个因果变异时提升约13%，随着因果变异数增加，优势减小。误差棒表示均值标准误。该图直观展示了Quickdraws在非多基因遗传结构下的功效优势。

核心亮点

亮点 1｜模拟数据中功效超越现有方法

在50,000样本的模拟中，Quickdraws在定量性状上匹配BOLT-LMM的功效，且显著优于REGENIE、FastGWA和线性回归，尤其在低多基因性下优势更大（例如5,000因果变异时平均χ2提高≥11.46%）。在二元性状中，Quickdraws功效高于SAIGE、REGENIE和FastGWA-GLMM，相当于增加最多13.4%的样本量。同时，Quickdraws在所有模拟条件下（包括群体结构、亲缘关系和低患病率）均保持校准，而REGENIE在高亲缘关系下膨胀，BOLT-LMM在低患病率下膨胀。

图 2　Fig. 2。图2展示UK Biobank真实数据分析结果。a图比较Quickdraws、REGENIE和FastGWA检测到的GWAS位点数量，每个点代表一个性状，垂直线连接同一性状在Quickdraws和REGENIE中的结果，显示Quickdraws在多数性状中检测到更多位点。b图展示在Biobank Japan中复制的位点总数，Quickdraws在定量和二元性状中均复制出更多位点。c图展示Quickdraws与线性回归的衰减比，两者接近，表明Quickdraws校准良好。

亮点 2｜UK Biobank中多发现数千个关联

在405,088名英国白人样本中分析79个定量性状和50个疾病性状，Quickdraws比REGENIE多发现4.97%和3.25%的独立关联，比FastGWA多22.71%和7.07%。在血浆蛋白性状中，Quickdraws比REGENIE多发现5.54%的位点。这些增益在遗传力高或多基因性低的性状中更明显，例如平均血小板体积增加8.04%，站立身高增加26.1%。

亮点 3｜复制分析验证新发现关联

利用Biobank Japan和FinnGen的汇总统计进行复制分析，Quickdraws在53个性状中比REGENIE和FastGWA复制出更多位点（二项检验P=0.014和P=7×10^-4）。对于30个定量性状，Quickdraws比REGENIE多复制2.5%，比FastGWA多15.72%；对于23个疾病性状，分别多1.07%和3.38%。复制率在各方法间保持一致，表明新增关联并非假阳性。

亮点 4｜计算成本与REGENIE相当

在UK Biobank RAP上，Quickdraws分析50个定量性状（N≈405,000）耗时149.3小时，成本£93；REGENIE耗时50.0小时，成本£24.2；FastGWA耗时128.4小时，成本£37.3。对于50个二元性状，Quickdraws耗时682.3小时，成本£395.9；REGENIE（含Firth回归）耗时869.9小时，成本£506.8；SAIGE耗时12,024.4小时，成本£2,834.9。Quickdraws利用GPU加速，在保持高功效的同时，成本与高度可扩展方法相当，远低于BOLT-LMM。

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： spike-and-slab先验、随机变分推断、GPU加速、转移学习、LOCO
• 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/bulik/ldsc、https://github.com/fastlmm/PySnpTools；本地已克隆：ldsc
• 谁该点开原文： 从事大规模GWAS分析、关注统计功效与计算效率平衡的生物信息学与统计遗传学研究者。

带走一句

Quickdraws证明用贝叶斯机器学习（spike-and-slab先验+变分推断+GPU）可以在不牺牲计算效率的前提下提升GWAS功效，尤其适合非多基因性状和二元性状，值得在大型生物样本库分析中尝试。