IF31.7｜脑细胞状态依赖性等位效应与情境孟德尔随机化

疾病状态会扭曲脑eQTL因果推断，仅用对照样本可发现更多真实关联。

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

表达数量性状位点（eQTL）被广泛用于推断基因与中枢神经系统表型之间的因果关系，孟德尔随机化（MR）利用遗传变异作为工具变量来评估暴露（如基因表达）对结局的因果效应。此前单细胞eQTL研究揭示了细胞状态依赖的基因调控动态，而双向MR提示多数疾病相关表达变化是疾病的结果而非原因。在脑疾病研究中，混合病例和对照的脑组织样本已被用于大规模eQTL和MR分析，但疾病本身对基因表达的影响可能混淆因果推断。

科学问题

卡在哪里： 现有研究通常将疾病状态作为协变量进行调整，但疾病对遗传调控的影响可能无法通过简单调整完全消除。使用混合病例和对照样本进行eQTL和MR分析，可能因疾病诱导的表达变化而导致因果推断偏差，甚至掩盖真实关联或产生虚假关联。

本文要回答： 系统评估脑疾病对单细胞eQTL的影响，并建立仅使用对照样本的孟德尔随机化框架，以无偏地推断基因与脑表型的因果关系。

技术路线

作者主要用了：snRNA-seq、单细胞eQTL、线性混合模型、共定位分析、孟德尔随机化。

作者首先在391例混合疾病和对照脑样本中进行单细胞eQTL发现，然后通过线性混合模型检验基因型与疾病诊断的交互作用，评估疾病对等位基因效应的修饰。接着，作者仅使用183例无脑疾病的对照样本重新进行eQTL发现和共定位分析，并基于共定位结果选择工具变量进行孟德尔随机化，以推断基因与30种中枢神经系统表型的因果关系。最后，利用血浆和脑蛋白质组数据验证单细胞MR发现的候选基因。

图 1　Fig. 1。图1展示了研究流程和eQTL发现概况。b图显示各细胞类型中eGene总数和独特eGene数，微胶质细胞和兴奋性神经元拥有最多独特eGene。c图显示单细胞eQTL在MetaBrain bulk eQTL中的复制率和方向一致性，大多数细胞类型复制率超过80%，方向一致性超过90%。d图显示单细胞eQTL发现比伪bulk分析多识别4898个eGene，凸显单细胞分辨率的优势。

核心亮点

亮点 1｜疾病状态广泛修饰eQTL效应

在391例混合样本中，作者发现16.7–40.8%的单细胞eQTL存在显著的基因型×疾病诊断交互作用（LRT q<0.05），表明疾病状态会改变遗传变异对基因表达的影响。例如，rs117934759与PTPN12在微胶质细胞中的关联受AD强烈影响（AD交互P=1.11×10^-10）。即使调整疾病状态和随机效应，疾病对遗传调控的影响仍无法完全消除。这一发现提示，在混合病例和对照样本中进行的eQTL分析可能产生偏差。

图 2　Fig. 2。图2展示了疾病交互作用分析框架和结果。a图概述了模型比较流程：M0（无基因型）、M1（含基因型）、M2（含基因型×诊断交互）。b图显示各细胞类型中具有显著疾病交互作用的eQTL比例，范围从16.7%到40.8%。c图展示交互作用在不同疾病中的分布，PD是最常见的驱动因素。d-g图展示了具体例子，如PTPN12在微胶质细胞中的eQTL受AD强烈影响，NAV3在星形胶质细胞中受MS和AD影响。

亮点 2｜共定位分析揭示疾病依赖性

在501个单细胞eQTL与30种CNS性状的共定位中，23.6%的共定位（118个）在lead SNP处存在显著的疾病交互作用（名义P<0.05）。例如，TP53INP1在少突胶质细胞中的表达与AD的共定位（PP.H4=0.91）在仅用对照样本时消失（PP.H4=0.04），表明该共定位完全由疾病样本驱动。这提示使用混合样本可能产生虚假的共定位信号。

图 3　Fig. 3。图3展示了共定位分析结果。a图显示各细胞类型与30种CNS性状的共定位数量，精神分裂症和智力共定位最多。b图显示单细胞eQTL共定位比伪bulk分析多识别超过一半的共定位。c图展示AD共定位的基因和细胞类型，包括BIN1、PICALM等已知风险基因。d图展示JAZF1在微胶质细胞中与AD的共定位曼哈顿图，显示强共定位信号。

亮点 3｜仅用对照样本发现新关联

仅使用183例对照样本进行eQTL发现和共定位分析，作者识别出256个共定位（PP.H4>0.8），其中91个（35.5%）未在更大的混合数据集中出现。例如，PEX13在兴奋性神经元中的表达与多发性硬化（MS）的共定位仅在对照队列中存在（PP.H4=0.87），而在全数据集中仅为0.08。这表明对照样本能够揭示被疾病状态掩盖的真实遗传关联。

图 4　Fig. 4。图4展示了疾病对共定位的影响和对照样本的价值。a图显示各性状共定位中具有疾病交互作用的比例。b图展示TP53INP1与AD的共定位在全队列中PP.H4=0.91，但在仅对照队列中降至0.04。c-d图展示该共定位lead SNP的eQTL效应在疾病样本中的差异。g-h图展示PEX13与MS的共定位仅在对照队列中出现，且lead SNP存在显著的疾病交互作用。

亮点 4｜对照样本MR鉴定因果基因

基于对照样本的共定位结果，作者进行孟德尔随机化，发现94个基因在特定细胞类型中的表达与22种CNS表型存在推定的因果关联（140个基因-细胞类型-性状三元组）。例如，EGFR在星形胶质细胞中的表达增加与AD风险升高相关（IVW P=2.35×10^-9，β=0.14），GPNMB在星形胶质细胞和OPC中的表达增加与PD风险升高相关（P=1.02×10^-8，β=0.27）。这些结果提供了方向性信息，有助于指导治疗策略。

图 5　Fig. 5。图5展示了孟德尔随机化结果和蛋白验证。a图显示140个显著MR关联的概况，涵盖22种CNS性状。b图展示与AD相关的基因在不同细胞类型中的效应方向和置信区间，EGFR在星形胶质细胞中增加AD风险。c-d图展示血浆蛋白MR验证结果，11个基因-性状对在血浆蛋白水平显著。e图展示脑蛋白MR验证结果，20个基因-性状对中90.9%显著。

亮点 5｜血浆蛋白验证MR发现

在UK Biobank Pharma Proteomics Project的血浆蛋白数据中，94个MR基因中有15个具有可测量的血浆蛋白，代表20个基因-性状对。其中16对（80%）在蛋白水平与同一性状共定位（PP.H4>0.8），11对（55%）在MR中显著（IVW P<0.05）。例如，CR1与AD、GPNMB与PD、TNFRSF1A与MS的关联在血浆蛋白水平得到复制。这支持这些基因作为外周生物标志物的潜力。

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： snRNA-seq、单细胞eQTL、线性混合模型、共定位分析、孟德尔随机化
• 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/johnsonlab-ic/singlecell-MR；本地已克隆：singlecell-MR
• 谁该点开原文： 从事脑疾病遗传学、单细胞eQTL和孟德尔随机化研究的生信从业者和研究生。

带走一句

做脑eQTL和MR分析时，务必考虑疾病状态对遗传调控的修饰作用；仅用对照样本可避免反向因果混淆，发现更多真实关联。