IF31.7｜教育领域选择的遗传关联与结构解析

GWAS揭示教育领域选择具有遗传基础，并归纳出技术-社会与实践-抽象两大维度。

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

教育领域的选择塑造职业、幸福感与社会技能分布，但遗传因素对所学专业的影响尚不清楚。以往研究多关注受教育年限这一垂直指标，而忽视了同等教育水平下不同专业方向的“水平分层”。教育领域选择受社会因素（性别、家庭背景、地理）和个体心理特质（外向性、开放性）影响，且双生子研究表明学科选择具有遗传性。然而，利用现代基因组学方法在全基因组水平上探究教育领域选择的遗传关联仍属空白。

科学问题

卡在哪里： 此前研究缺乏大规模全基因组关联分析来识别与教育领域选择相关的遗传变异，也不清楚这些遗传关联是否独立于受教育程度、是否反映直接遗传效应，以及不同专业选择之间遗传结构如何。

本文要回答： 本文旨在利用芬兰、挪威和荷兰的大规模人群数据，鉴定与十大教育领域相关的遗传变异，评估遗传关联是否独立于教育水平，区分直接与间接遗传效应，并揭示教育领域选择的遗传结构及其与多种表型的遗传相关性。

技术路线

作者主要用了：GWAS、LD score回归、Genomic SEM、GWAS-by-subtraction、PCA、PGI分析。

作者首先在芬兰FinnGen和挪威MoBa队列中对十个ISCED教育领域进行GWAS荟萃分析，鉴定遗传关联并估计SNP遗传力。随后通过控制教育程度、出生地和父母教育领域来排除混杂，并在荷兰Lifelines独立队列中利用多基因指数和家系内设计验证直接遗传效应。接着利用遗传相关矩阵进行主成分分析，提炼出教育领域选择的两个主要维度，并对主成分进行GWAS。最后，将主成分与96个人类表型进行遗传相关分析，以揭示其生物学和社会学意义。

图 1　Fig. 1。图1展示了十个教育领域的SNP遗传力估计值及标准误。平均遗传力为7%，其中自然科学、数学与统计最高（14%），健康与福利最低（3%）。控制教育程度后，遗传力普遍下降，平均降至4%，表明遗传关联部分独立于教育水平。

核心亮点

亮点 1｜十个教育领域GWAS发现17个显著位点

对463,134名欧洲血统个体进行GWAS荟萃分析，在7个教育领域中共鉴定出17个独立的全基因组显著SNP，其中健康与福利领域关联位点最多（4个）。各领域SNP遗传力平均为7%，范围从3%（健康与福利）到14%（自然科学、数学与统计）。所有显著位点均具有领域特异性，未发现跨领域共享的位点。

图 2　Fig. 2。图2比较了在Lifelines队列中，十个领域的多基因指数与领域选择的关联效应（总体效应与直接遗传效应）。点估计和99.5%置信区间显示，大多数领域的直接遗传效应与总体效应重叠，未观察到显著差异，表明遗传关联主要反映直接遗传效应而非混杂。

亮点 2｜遗传关联独立于教育程度

控制教育程度后，平均SNP遗传力从7%降至4%，GWAS-by-subtraction方法得到中位遗传力为3%。仍有5个SNP关联保持显著，表明遗传信号部分特异于领域选择而非单纯反映教育水平。遗传相关分析显示大多数领域与教育程度的遗传相关较低，但自然科学和社会科学仍与教育程度有约0.3的遗传相关。

图 3　Fig. 3。图3显示了在MoBa中控制出生地和父母教育领域后，十个领域的SNP遗传力变化。大多数领域的遗传力估计未显著降低，只有社会科学、新闻与信息的遗传力从11%降至7%（P=0.03），提示该领域可能存在一定的地理或家庭混杂。

亮点 3｜遗传关联主要反映直接遗传效应

在荷兰Lifelines独立队列中，10个领域中有8个的多基因指数与相应领域显著相关（P<0.005），效应量小但显著。在17,705人的子样本中控制父母多基因指数后，直接遗传效应与总体效应无显著差异，未发现明显的间接遗传效应或群体分层混杂。此外，控制出生地和父母教育领域后，遗传力估计未显著降低（除社会科学外），进一步支持遗传关联主要反映直接遗传效应。

图 4　Fig. 4。图4展示了十个教育领域之间的遗传相关矩阵热图。STEM领域（如ICT与自然科学）之间呈正相关（rg=0.51），艺术与人文学科与社会科学也呈正相关，而技术领域与社会领域之间多为负相关，反映了遗传结构上的分化。

亮点 4｜教育领域遗传结构呈现两大维度

基于遗传相关矩阵的主成分分析揭示两个主要维度：PC1为“技术-社会”轴，区分工程、制造、建筑与自然科学（技术端）和教育、健康与福利（社会端）；PC2为“实践-抽象”轴，区分服务、健康与福利（实践端）和社会科学、新闻、艺术与人文学科（抽象端）。前两个主成分共解释64%的方差。PC1与PC2的GWAS分别发现6个和0个全基因组显著位点。

图 5　Fig. 5。图5展示了主成分分析中十个教育领域在前两个主成分上的载荷。PC1（技术-社会）将工程、制造、建筑和自然科学与教育、健康与福利分开；PC2（实践-抽象）将服务、健康与福利与社会科学、新闻、艺术与人文学科分开。载荷图直观呈现了教育领域遗传结构的两个主要维度。

亮点 5｜主成分与人格、精神健康及社会经济表型广泛相关

PC1（技术-社会）与外向性（rg=-0.42）和宜人性（rg=-0.37）呈负相关，与记忆（rg=0.37）和智商（rg=0.19）呈正相关，与收入和非认知技能呈负相关。PC2（实践-抽象）与开放性（rg=-0.31）、自闭症（rg=-0.27）、精神分裂症（rg=-0.16）和双相障碍（rg=-0.12）呈负相关，与家庭关系满意度（rg=0.23）和BMI（rg=0.19）呈正相关。此外，PC2与职业地位、教育程度和儿童智商呈负相关，但与代表社会和经济稳定的因子呈正相关。

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： GWAS、LD score回归、Genomic SEM、GWAS-by-subtraction、PCA、PGI分析
• 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： 从事行为遗传学、教育遗传学、社会基因组学或复杂性状遗传结构研究的科研人员。

带走一句

教育领域选择具有可遗传的遗传基础，且遗传结构可归纳为技术-社会与实践-抽象两个维度，为理解职业兴趣和社会分层提供了新视角。