IF31.7｜精细祖先成分揭示人类群体间遗传效应高度保守

用127个祖先成分替代主成分，GWAS分层校正更干净；混合个体中效应量几乎不随祖先背景改变。

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）已发现大量影响复杂性状的遗传位点，但群体分层是主要混杂因素，可导致假阳性。主成分分析（PCA）和混合模型是常用校正方法，但精细的群体结构仍可能扭曲效应量估计。多基因评分（PGS）在跨群体预测时准确性下降，部分归因于因果变异在不同群体中频率和连锁不平衡（LD）模式不同，但基因-环境或基因-基因互作是否也导致效应量差异仍存在争议。此前有研究利用混合个体分解局部祖先，发现局部互作并非主要因素，但跨大陆祖先个体间效应量差异仍可能由基因-环境互作引起。

科学问题

卡在哪里： 现有方法难以有效区分局部LD差异与全局效应量变化对PGS跨群体可移植性的影响；同时，基于主成分的校正可能过度或不足，导致假阳性或假阴性。

本文要回答： 开发精细祖先推断流程和评估效应量相似性的统计方法，并应用于UK Biobank数据，以改进分层校正并量化跨群体遗传效应一致性。

技术路线

作者主要用了：ChromoPainter、fineSTRUCTURE、NNLS、HAPMIX、GWAS、LDSC、PGS、ANCHOR。

作者首先构建了一个包含127个全球区域的祖先参考面板，利用ChromoPainter和fineSTRUCTURE对参考单倍型进行聚类和标注。然后对UK Biobank的487,409名个体的基因型进行定相和填补，再用ChromoPainter将目标单倍型与参考面板比对，通过非负最小二乘（NNLS）推断每个个体的祖先成分（ACs）。接着，作者比较了ACs与主成分（PCs）在GWAS分层校正中的表现。为了评估效应量相似性，作者开发了ANCHOR方法，利用混合祖先个体的局部祖先信息，分别计算欧洲和非洲祖先片段上的多基因评分（EPGS和APGS），并通过回归模型估计各自对表型的预测能力，从而推断效应量相关性ρ。

图 1　Fig. 1。图1展示了祖先推断流程的主要步骤：输入个体基因型数据，经过定相和填补，与包含127个预聚类群体的绘画参考面板比对，最后通过混合拟合推断每个个体的祖先成分系数。右侧地图显示英国不同地区个体平均祖先成分的地理分布，颜色代表不同区域，表明DNA信息可以预测出生地。

核心亮点

亮点 1｜127个祖先成分揭示英国精细群体结构

对434,781名出生于英国或爱尔兰且自报为白人英国/爱尔兰（WBI）的UKB参与者，平均祖先成分为：British–Irish (BI) 94.9%、Dutch 1.35%、Swiss 0.79%、Norwegian 0.49%、Polish 0.29%、Danish 0.19%。对于自报为“其他白人背景”的个体，BI比例降至25.5%。出生在爱尔兰共和国的个体平均爱尔兰祖先为74.2%，包含在98.4%的BI祖先中。此外，41.5%的英国出生个体有超过50%的祖先来自单一区域，其中59.2%与出生地匹配，若扩展到邻近区域则升至82.7%。伦敦的祖先熵最高，表明混合程度最强。

图 2　Fig. 2。图2展示了按出生地分层的UKB WBI个体祖先成分分解。每个条形图代表一个区域，每列是一个个体，颜色对应地图上的区域。左图显示英国境内精细结构，右图显示亚洲、大洋洲和部分东非国家出生个体的祖先构成。可以看出非英国出生个体普遍携带BI祖先，且存在特定模式，如乌干达和肯尼亚出生个体中Gujarat祖先比例较高。

亮点 2｜祖先成分校正优于主成分，减少假阳性

以出生地纬度作为对照表型，使用100个PCs校正后仍观察到470个独立关联信号，LDSC截距为1.6608，表明存在严重膨胀。而使用127个ACs校正后，关联信号减少至7个（其中5个与PC结果共享），LDSC截距接近1。对于“英格兰就业评分”这一区域定义性状，PC特有信号中仅18%与既往GWAS信号重叠（OR=1.6, P=0.44），而AC特有信号中71%重叠（OR=18, P=1.8×10⁻¹⁰），且显著富集于教育程度和社会经济地位相关性状（OR=16, P=0.005），提示PC特有信号可能为假阳性。

图 3　Fig. 3。图3比较了ACs和PCs在GWAS分层校正中的表现。a和b显示ACs能较好预测PCs，但反向预测较差，说明ACs包含额外信息。c-e分别展示出生地、就业评分和腰围三个性状的GWAS结果，散点颜色表示SNP是否在既往GWAS中显著。AC校正显著减少了出生地性状的关联信号，并在就业评分中富集更多真实信号，在腰围中揭示了PC校正遗漏的位点。

亮点 3｜祖先成分校正揭示PC过度校正导致的假阴性

在腰围等99个非区域定义性状中，AC与PC校正的P值和LDSC截距总体相似，但AC校正发现了5个PC校正未检出的独立信号。这些信号位于与特定PC高载荷SNP强LD的区域，例如腰围GWAS中15:84311431:TA:T变异，在OpenTargets中与多种人体测量性状强相关。这表明PC校正可能因局部基因组区域与PC强相关而过度校正，导致假阴性。

图 4　Fig. 4。图4阐释了ANCHOR的原理和模拟结果。a展示局部祖先和全局祖先对PGS预测能力的不同影响。b显示在模拟数据中，当真实ρ=1时，ANCHOR估计的ρ在不同祖先比例分箱中均接近1，验证了方法准确性。c显示真实数据中53个性状的平均ρ估计值在不同祖先比例分箱中均与1重叠，表明效应量高度保守。d以身高为例，展示欧洲祖先片段的βEu与纯欧洲个体相似，而非洲祖先片段βAf显著降低。

亮点 4｜ANCHOR估计效应量相关性接近1

对53个UKB数量性状，ANCHOR估计的ρ（欧洲祖先片段效应量与欧洲参考群体效应量之比）在不同全基因组祖先比例分箱中均接近1，联合bootstrap得到总体ρ=0.98±0.07。对于站立身高，欧洲祖先片段的预测能力（βEu）与纯欧洲祖先个体相似，而非洲祖先片段预测能力（βAf）显著降低，解释了PGS可移植性下降主要由局部LD和等位基因频率差异导致，而非基因-基因或基因-环境互作。仅少数性状如FEV1、用力肺活量和坐高显示ρ<1（名义显著），白细胞计数、红细胞计数和白蛋白显示ρ>1（名义显著），但经Bonferroni校正后均不显著。

图 5　Fig. 5。图5展示了53个UKB数量性状的ANCHOR结果。第一列显示每个性状的ρ估计值及95%置信区间，绝大多数包含1。第二列显示在100%非洲祖先个体中欧洲祖先片段的预测能力比值，同样接近1。第三列显示非洲祖先片段的预测能力比值，普遍低于1，反映局部LD差异。少数性状如FEV1显示ρ<1，白细胞计数显示ρ>1，但均未通过多重检验校正。

亮点 5｜模拟验证ANCHOR的准确性和均值中心化的必要性

在ρ=1的模拟中，使用均值中心化的EPGS和APGS，96%的性状95%置信区间包含真实值1；而不进行均值中心化则导致严重向下偏倚。在ρ<1的模拟中，ANCHOR估计的ρ保持良好校准。此外，模拟显示非洲祖先片段的预测能力下降幅度小于真实数据，提示真实因果变异可能在群体间频率差异更大，可能与自然选择有关。

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： ChromoPainter、fineSTRUCTURE、NNLS、HAPMIX、GWAS、LDSC、PGS、ANCHOR
• 公开数据： 原文未给出公开组学登录号
• 代码： 公开仓库 http://github.com/fuopen/UKB_anc、https://github.com/MyersGroup/ANCHOR、https://github.com/danjlawson/pcapred；本地已克隆：ANCHOR、pcapred
• 谁该点开原文： 从事群体遗传学、GWAS、PGS跨群体应用或复杂性状遗传结构研究的生信从业者和研究生。

带走一句

做跨群体PGS时，优先考虑改进因果变异标记（如使用多祖先参考面板或功能注释），而非重新估计效应量；GWAS校正可尝试用精细祖先成分替代或补充主成分。