IF31.7｜ADRD全基因组Meta分析锁定91个风险位点

三大联盟联合Meta分析揭示ADRD遗传结构，16个新位点浮出水面。

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

阿尔茨海默病及相关痴呆（ADRD）的遗传学研究已发现超过90个风险位点，主要来自欧洲血统样本的大规模全基因组关联研究（GWAS），包括IGAP、EADB和PGC-ALZ等联盟。这些研究虽然部分重叠，但使用了不同的填补面板和分析方法，结果存在不一致。此外，许多研究纳入了大型生物库样本，通过ICD编码或亲属报告来定义ADRD病例，这虽然增加了统计功效，但也可能模糊AD与非AD痴呆的遗传信号。因此，ADRD的遗传结构仍需要更精细的刻画，尤其是区分临床诊断AD和广义ADRD的遗传基础。

科学问题

卡在哪里： 此前研究对ADRD的遗传位点识别存在分歧，且由于纳入了代理病例和生物库样本，导致AD与非AD痴呆的遗传信号混杂。此外，已报道的位点中，哪些真正影响临床诊断的AD，哪些仅与广义ADRD相关，尚不清楚。

本文要回答： 通过整合三大联盟的GWAS数据，进行共识Meta分析，以更准确地鉴定ADRD风险位点，并评估这些位点对临床诊断AD的特异性。

技术路线

作者主要用了：GWAS Meta分析、条件分析、多基因评分、神经病理关联分析。

作者首先合并了来自52个研究的128,681例ADRD病例和849,833例对照的GWAS数据，进行固定效应Meta分析。然后通过条件分析识别独立信号，并根据P值阈值将位点分为Tier 1和Tier 2。为了区分AD和广义ADRD，作者进行了敏感性分析，分别排除代理病例和大型生物库样本。最后，利用Tier 1位点构建多基因评分，在ACT和ADC/NACC队列中评估其与11种神经病理内表型的关联。

图 1　Fig. 1。图1展示了主分析、no-proxy和no-biobank分析中每个位点的显著性分类。Tier 1位点用深色表示，Tier 2位点用浅色表示。可以直观看出，大多数位点在主分析中显著，但在no-biobank分析中仅部分保持显著，反映了代理病例和生物库样本对广义ADRD信号的贡献。

核心亮点

亮点 1｜91个Tier 1位点，16个新发现

主Meta分析鉴定出91个达到全基因组显著（P≤5×10-8）的位点，其中16个在欧洲血统样本中为新位点，包括EIF4G3、PTPRC、MGAT5等。此外，通过逐步条件分析，在16个位点中识别出25个独立的次级信号，其中CD33、HLA、PICALM和RHOH位点的独立信号为新发现。这些结果扩展了ADRD的遗传图谱。

图 2　Fig. 2。图2比较了多基因评分与11种神经病理内表型的关联。在最小调整模型中，评分与AD相关病理（Braak、CERAD、淀粉样斑块）和LATE-NC显著相关；进一步调整AD病理后，仅Braak和CERAD保持显著，表明评分主要捕捉AD特异性病理。

亮点 2｜敏感性分析区分AD与广义ADRD

在排除代理病例的no-proxy分析中，91个位点中有75个保持全基因组显著；在排除大型生物库的no-biobank分析中，56个位点保持显著，表明这些位点与临床诊断AD相关。其中UBFD1和LRRC25两个新位点在no-biobank分析中也显著，提示它们可能特异影响AD。此外，12个已知位点（如NCK2、MME、APP）在聚焦临床诊断AD后变得显著。

图 3　Fig. 3。图3显示了多基因评分十分位与Braak分期和CERAD评分的关联。相比中位组，最高十分位个体风险显著升高，最低十分位个体风险显著降低，呈现剂量反应关系。这支持多基因评分在预测AD神经病理严重程度方面的潜力。

亮点 3｜多基因评分主要关联AD神经病理

基于Tier 1位点（排除APOE）构建的多基因评分在ADC/NACC队列中与AD相关神经病理显著相关，包括Braak神经原纤维缠结分期、CERAD神经炎性斑块评分和淀粉样斑块。评分最高十分位个体相比中位组，Braak分期>4的风险增加2.05倍，CERAD中重度风险增加1.96倍。调整AD神经病理后，与LATE-NC的关联减弱，提示评分主要捕捉AD特异性病理。

亮点 4｜新位点功能注释指向免疫和脂质通路

通路分析显示，关联信号富集于tau、淀粉样蛋白、脂质、免疫和内体/溶酶体相关通路。单细胞富集分析表明，ADRD风险基因在小胶质细胞中过表达。此外，PheWAS将一些新位点与脑脊液磷酸化tau水平、脑室容积等表型联系起来，支持部分Tier 2位点的有效性。

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 Meta分析、条件分析、多基因评分、神经病理关联分析
• 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AD遗传学、神经病理学或多基因风险评分研究的科研人员。

带走一句

大规模共识Meta分析结合敏感性分析，能有效区分AD与广义ADRD的遗传信号，为后续功能研究和精准医学提供更可靠的位点列表。