IF31.7｜多性状分析揭示主动脉瓣功能与狭窄遗传基础

深度学习+多性状GWAS发现166个遗传位点，PCSK9和LDLR在列，为主动脉瓣狭窄预防提供新靶点。

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

主动脉瓣狭窄是一种高发病率、高死亡率的瓣膜疾病，目前除手术或经导管瓣膜置换外缺乏有效的药物治疗，且通常仅用于重症患者。近年来，全基因组关联研究（GWAS）已发现多个与主动脉瓣狭窄临床诊断相关的常见遗传变异，但最大规模的研究仅报告了32个位点。定量内表型分析（如主动脉直径、左心室射血分数）在健康人群中具有更高的遗传发现效率，例如2022年一项仅3.8万人的升主动脉直径GWAS就发现了82个位点，远超基于疾病诊断的GWAS。相位对比心血管磁共振成像（cMRI）可无创测量主动脉瓣血流速度，为在健康人群中研究主动脉瓣功能提供了可能。

科学问题

卡在哪里： 此前主动脉瓣狭窄的GWAS样本量有限，发现的遗传位点较少；且基于临床诊断的研究难以区分正常变异与早期病理改变。利用cMRI衍生的连续内表型进行遗传分析有望提高发现效率，但相关研究尚属空白。

本文要回答： 利用深度学习从cMRI中提取主动脉瓣功能定量指标，结合多性状GWAS（MTAG）整合疾病诊断数据，系统鉴定主动脉瓣功能和狭窄的遗传变异，并评估其对疾病风险的预测价值及潜在因果通路。

技术路线

作者主要用了：深度学习、GWAS、MTAG、Mendelian randomization、scRNA-seq、PGS。

作者首先利用深度学习模型从UK Biobank的相位对比cMRI中自动分割升主动脉并提取三个主动脉瓣功能指标：主动脉瓣面积（AVA）、峰值流速和平均跨瓣压差。随后对这三个连续性状分别进行GWAS，并对主动脉瓣狭窄进行跨队列meta分析。接着使用MTAG整合连续性状和疾病GWAS的汇总统计量，以提高统计功效。最后通过多基因评分（PGS）在外部队列中验证预测能力，并利用孟德尔随机化（MR）和单细胞转录组富集分析探究因果通路和细胞类型特异性。

图 1　Fig. 1。图1展示了从UK Biobank的相位对比cMRI中提取主动脉瓣功能指标的全流程：深度学习分割升主动脉（a），生成速度图并计算AVA、峰值流速和平均压差（b），随后进行GWAS和MTAG分析（c）。图中男女分布用不同颜色表示，直观呈现了三个指标在人群中的分布特征。

核心亮点

亮点 1｜深度学习提取主动脉瓣功能内表型

作者开发了基于U-Net的深度学习模型，从UK Biobank的相位对比cMRI中自动分割升主动脉并提取AVA、峰值流速和平均跨瓣压差。经过严格质控，最终纳入59,571名无心血管疾病的参与者进行GWAS。这三个指标在健康人群中呈正态分布，且相互高度相关（r>0.7），为后续遗传分析提供了可靠的内表型。

图 2　Fig. 2。图2为MTAG后三个连续性状（AVA、峰值流速、平均压差）的曼哈顿图，红色点表示P<5×10⁻⁸的显著位点，并标注了最近的基因。与原始GWAS相比，MTAG显著增加了显著位点数量，尤其是峰值流速和平均压差的位点大幅增加，体现了多性状整合的统计增益。

亮点 2｜GWAS发现61个主动脉瓣功能相关位点

对三个连续性状分别进行GWAS，共发现90个位点（43个AVA、27个峰值流速、20个平均压差），其中61个为独立位点。多个位点（如LPA、PDE3A、HMGA2、CDK8等）在三个性状中均达到全基因组显著，且部分位点（如LPA、CTAGE1）与既往主动脉瓣狭窄GWAS重叠。敏感性分析排除中重度主动脉瓣狭窄个体后，位点数量增至64个，表明遗传信号主要来自正常变异。

图 3　Fig. 3。图3为MTAG后主动脉瓣狭窄的曼哈顿图，蓝色点表示与连续性状共享的位点，红色点表示仅与主动脉瓣狭窄相关的位点（如PCSK9、IL6R）。该图清晰展示了MTAG如何通过借用连续性状的信息来增强疾病GWAS的发现能力，同时保留了疾病特异性的信号。

亮点 3｜MTAG整合分析将主动脉瓣狭窄位点扩至134个

通过MTAG整合三个连续性状和主动脉瓣狭窄meta分析（40,000+病例，150万对照），主动脉瓣狭窄的独立位点从92个增至134个，连续性状的独立位点从61个增至134个，共鉴定出166个独特位点。新发现的位点包括PCSK9和LDLR，这两个基因编码LDL受体通路的关键蛋白，提示脂质代谢在主动脉瓣狭窄中的核心作用。此外还发现了APOE、TRAF1、IL6R等炎症相关位点。

图 4　Fig. 4。图4展示了MTAG分析中至少一个性状显著的位点，按参考等位基因对主动脉瓣狭窄的风险方向分为左右两栏。每个位点用不同颜色表示对四个性状的效应方向和大小，直观揭示了大多数位点对连续性状和疾病风险具有一致的效应方向，支持共同的遗传基础。

亮点 4｜多基因评分预测主动脉瓣狭窄风险

基于MTAG增强的GWAS构建多基因评分（PGS），在All of Us队列（496例，243,954对照）中，主动脉瓣狭窄PGS每增加一个标准差，发病风险增加64%（HR=1.64，P=8.7×10⁻³⁰）；前5%高风险个体相比其余95%风险增加3.32倍（P=8.8×10⁻²²）。在MGB Biobank中结果一致（HR=2.76，P=7.8×10⁻¹⁵）。连续性状的PGS同样具有预测能力，表明正常瓣膜功能的遗传变异可预测未来疾病风险。

图 5　Fig. 5。图5为All of Us和MGB Biobank中主动脉瓣狭窄多基因评分前5%与其余95%的Kaplan-Meier累积发病率曲线。在两个队列中，前5%高风险组的发病率均显著高于其余人群，且曲线在随访早期即分离，表明该PGS具有早期风险分层潜力。

亮点 5｜孟德尔随机化支持脂质和磷酸盐的因果作用

两样本孟德尔随机化显示，遗传预测的ApoB和Lp(a)水平升高与AVA减小、峰值流速和平均压差增加以及主动脉瓣狭窄风险升高显著相关，而ApoA无此关联。此外，遗传预测的血清磷酸盐水平升高与主动脉瓣狭窄风险增加相关（OR=1.22，P=1.5×10⁻¹¹），但对连续瓣膜功能指标无显著影响，提示磷酸盐可能作用于疾病进展而非起始阶段。血压和BMI也显示出因果证据。

亮点 6｜单细胞转录组富集分析定位瓣膜相关细胞类型

利用MAGMA对MTAG增强的GWAS进行细胞类型富集分析，发现主动脉瓣的瓣膜间质细胞和内皮细胞显著富集，而白细胞不富集。在升主动脉中，血管平滑肌细胞、周细胞和成纤维细胞富集；在左心室中，活化成纤维细胞和成纤维细胞亚群富集。这些结果提示瓣膜和邻近组织的成纤维细胞及内皮细胞是主动脉瓣狭窄遗传效应的主要作用细胞。

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： 深度学习、GWAS、MTAG、Mendelian randomization、scRNA-seq、PGS
• 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： 从事心血管遗传学、多性状GWAS方法开发或临床转化研究的科研人员。

带走一句

连续内表型与疾病GWAS的多性状整合能大幅提升遗传发现效率，且正常变异的遗传信号可预测疾病风险，为复杂疾病的遗传解析提供了可复用的分析框架。