IF31.7｜心衰及其亚型的大规模全基因组关联研究

190万人GWAS揭示66个心衰易感位点，其中37个为新发现。

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

心力衰竭（HF）是全球发病率和死亡率的主要贡献者。临床上根据病因和左心室射血分数（LVEF）可区分不同的心衰亚型，但其遗传决定因素仍不清楚。既往心衰GWAS提供了有价值的转化见解，但受限于表型异质性和缺乏按病因分层。许多心衰病例继发于心肌梗死、瓣膜病等主要危险因素，这些上游驱动因素可能掩盖心衰本身的遗传易感性。因此，研究无主要继发病因的心衰（非缺血性心衰，ni-HF）可能更好地捕捉直接影响心衰易感性的遗传因素。

科学问题

卡在哪里： 既往心衰GWAS样本量有限，且未系统区分缺血性与非缺血性病因，也未按LVEF进一步分层。这导致对心衰亚型特异性的遗传位点、效应基因和通路认识不足，尤其是对射血分数保留的心衰（HFpEF）遗传基础了解甚少。

本文要回答： 通过大规模GWAS荟萃分析，鉴定心衰及其亚型的遗传位点，优先排序效应基因，并刻画关键通路、组织和细胞类型，以阐明心衰病因学。

技术路线

作者主要用了：GWAS荟萃分析、功能精细定位、基因优先排序、组织/细胞类型富集、PheWAS、共定位、孟德尔随机化。

作者首先在42个队列、194.6万人中定义心衰及其亚型（HFall、ni-HF、ni-HFrEF、ni-HFpEF），进行跨种族固定效应IVW荟萃分析鉴定易感位点。随后利用功能精细定位和多种基因优先排序方法（PoPS、V2G、TWAS、ABC、Mendelian、coloc）预测每个位点的效应基因。接着通过组织/细胞类型遗传力富集分析（LDSC-SEG）和单核转录组数据确定关键生物学组分。最后通过PheWAS、网络分析和共定位将位点映射到病因学簇，并用孟德尔随机化评估危险因素对心衰亚型的因果效应。

图 1　Fig. 1。图1展示了心衰表型定义和GWAS结果。a部分显示表型分层方案：从HFall中排除缺血性、瓣膜性和先天性心脏病得到ni-HF，再按LVEF分为ni-HFrEF和ni-HFpEF。b部分曼哈顿图显示四个表型的全基因组关联信号，可见多个显著位点。c部分总结了66个位点在不同表型间的效应分类，区分了ni-HF位点和仅与HFall相关的位点。

核心亮点

亮点 1｜66个心衰易感位点，37个新发现

GWAS荟萃分析共鉴定出66个独立基因组位点与心衰及其亚型相关（P<5×10−8），其中37个位点此前未报道。HFall、ni-HF、ni-HFrEF和ni-HFpEF分别鉴定出59、10、5和1个条件独立变异。46个位点（70%）通过多重检验校正（P<5×10−8/4）。46个位点与至少一个非缺血性亚型相关（ni-HF位点），其余20个仅与HFall相关（其他HF位点）。成功复制了87%的既往报道变异。

图 2　Fig. 2。图2展示了142个候选基因的优先排序结果。圆形热图显示每个基因的预测得分和布尔分类器得分（ABC、Mendel、Coloc），蓝色表示真值，红色高亮每个位点优先排序的基因。整体得分是PoPS、TWAS统计量和V2G的加权平均。该图直观呈现了基因优先排序的证据整合过程。

亮点 2｜效应基因优先排序揭示心肌病与动脉粥样硬化基因

通过两阶段基因优先排序，在每个位点提名一个最佳效应基因。ni-HF位点富集心肌发育和心肌病基因（如ACTN2、BAG3、FLNC、HSPB7、NKX2-5）以及心律失常基因（PITX2、KLF12、ATP1B1）。仅与HFall相关的位点则富集动脉粥样硬化基因（LDLR、LPL、ABCG5、LPA）。通路富集分析显示细胞生长和衰老通路在HFall和ni-HF中均高度富集，其中衰老相关分泌表型基因IGFBP7在ni-HFpEF位点被优先排序。

图 3　Fig. 3。图3展示了206种组织和细胞类型在12个器官/系统中的遗传力富集结果。每个心衰表型的前五个组织/细胞类型被高亮。心脏组织在HFall、ni-HF和ni-HFrEF中富集最强，而ni-HFpEF中肾脏和胰腺富集最高。该图强调了心衰病因中非心脏组织的重要性。

亮点 3｜心肌细胞是ni-HF的主要效应细胞类型

遗传力富集分析显示心脏组织在HFall、ni-HF和ni-HFrEF中富集最强，而ni-HFpEF中肾脏和胰腺富集最高。利用单核转录组数据（185,185个细胞核）发现心肌细胞是ni-HF的主要效应细胞类型，血管平滑肌细胞仅对HFall富集。在衰竭心脏中，30%的ni-HF基因差异表达，主要发生在成纤维细胞和心肌细胞中。NR3C1（糖皮质激素受体）在衰竭心脏的14种细胞类型中有12种上调，支持糖皮质激素信号通路在HF中的潜在保护作用。

图 4　Fig. 4。图4展示了基于PheWAS结果的网络图。节点代表遗传位点（按优先排序基因标记）和表型，边代表位点-表型关联。节点大小与中心性度量成正比，边厚度代表关联强度。社区检测算法识别出18个病因学簇，不同颜色代表不同表型类别。该图揭示了心衰遗传位点的多效性模式。

亮点 4｜PheWAS网络揭示心衰病因学簇

对66个HF位点进行PheWAS分析，在FDR<1%下发现207个多效性关联，涉及79种疾病。网络分析识别出18个病因学簇，最大簇与动脉粥样硬化相关（仅与HFall相关），簇2包含心律失常和扩张型心肌病（与ni-HF相关），簇3以ALDH2为中心，簇4与高血压相关，簇5包含与肥胖、糖尿病和腕管综合征相关的ni-HF和ni-HFpEF位点。

图 5　Fig. 5。图5展示了心衰位点与24个相关表型的共定位分析。弦图显示42个位点与22个表型之间共享因果变异（PPcoloc H4>0.8）。b和c部分分别总结了每个位点共定位的表型数量和每个表型共定位的位点数量。该图突出了心衰与心血管生理、肾功能等表型的遗传共享。

亮点 5｜孟德尔随机化揭示亚型特异性危险因素

MR分析显示，遗传预测的高收缩压和较高BMI与所有心衰表型风险增加相关，但效应大小在亚型间不同：SBP对ni-HFrEF影响最大（OR=1.92），BMI对ni-HFpEF影响最大（OR=1.87）。CAD仅与HFall相关，与ni-HF无关。吸烟和饮酒与HF风险增加相关。较低的LVEF与除ni-HFpEF外的所有心衰表型风险增加相关，而肥厚型心肌病对ni-HFrEF有保护作用。

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： GWAS荟萃分析、功能精细定位、基因优先排序、组织/细胞类型富集、PheWAS、共定位、孟德尔随机化
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事心衰遗传学、复杂疾病GWAS或功能基因组学研究的科研人员。

带走一句

大规模GWAS结合精细定位、基因优先排序和多组学整合，可系统解析复杂疾病亚型的遗传基础，为后续功能研究和药物靶点发现提供路线图。