基于祖先重组图的可扩展混合模型分析:提升复杂性状遗传解析效率的新方法

《Cell Genomics》:Leveraging ancestral recombination graphs for scalable mixed-model analysis of complex traits

【字体: 大 中 小 】 时间:2025年12月11日 来源:Cell Genomics 9

编辑推荐:

  本研究针对大规模基因组数据中利用祖先重组图(ARG)进行混合模型分析的计算瓶颈问题,开发了ARG-RHE方法。通过亚线性时间复杂度的ARG矩阵运算和随机化算法,实现了在337,464名UK Biobank参与者中高效进行遗传力估计和基因区域关联检验。研究结果显示,该方法在线性混合模型(LMM)框架下比单纯基因型填充多发现8%的基因-性状关联,为复杂性状研究提供了有力工具。

  
随着现代生物样本库计划的推进,基因组和表型数据的积累呈指数级增长。这些数据在检测表型关联、研究复杂性状结构和开发多基因评分等方面发挥着关键作用。然而,如何有效利用样本间的遗传和系谱关系模式来解析表型变异,始终是研究人员面临的挑战。祖先重组图(ARG)作为基因组水平系谱关系的详细模型,虽然能通过捕捉未观测变异的影响来补充基因型填充,但在大规模线性混合模型分析中的应用一直受限于计算复杂度。
传统方法需要显式构建n×n的ARG遗传关系矩阵(ARG-GRM),这在样本量超过数千时变得计算不可行。针对这一瓶颈,由Pier Francesco Palamara领导的国际合作团队在《Cell Genomics》上发表了创新性研究成果。他们开发了ARG-RHE方法,通过结合随机化Haseman-Elston回归和ARG矩阵运算,实现了高效的遗传力估计和方差组分关联检验。
研究团队采用了几个关键技术方法:首先是ARG矩阵乘法算法,利用图遍历和记忆化技术实现亚线性时间复杂度的矩阵运算;其次是随机化奇异值分解(SVD)用于GRM的特征分解;第三是Hutchinson迹估计器用于近似计算矩阵迹;最后将UK Biobank的337,464名无关英国白人样本的基因型数据与52种血液性状相关联进行分析。
ARG矩阵乘法的可扩展性
研究团队首先评估了ARG矩阵乘法的计算效率。与传统数值库相比,ARG矩阵乘法在样本量接近50万时实现了超过15倍的加速。在较小的10kb窗口分析中,仍能保持5-10倍的加速效果。这种优势在复杂数值例程中更为明显,如使用ARG矩阵乘法计算GRM的前20个主成分时,在100万样本量下比PLINK2软件快约15倍。
ARG-RHE的可扩展性、准确性和效能
研究人员通过大量模拟验证了ARG-RHE的可扩展性、准确性、p值校准和统计效能。与需要显式构建ARG-GRM的GCTA-REML方法相比,ARG-RHE在2万样本量下节省了300倍计算时间和24倍内存。该方法还能并行分析多个性状,分析50个性状与分析单个性状的计算成本相当。
在遗传力估计准确性方面,ARG-RHE在10Mb基因窗口上估计的相对偏差范围为-3.6%到1.0%,与将RHE算法应用于基因型数据的结果一致。在较小的10kb窗口上,估计值略显保守,相对偏差在-2.6%到-19.4%之间,具体取决于等位基因频率与效应大小关系的参数α。
UK Biobank的ARG分析
在实际应用层面,研究团队将ARG-RHE应用于包含337,464名UK Biobank参与者的ARG,测试了21,159个蛋白质编码和非编码RNA区域与52个血液性状的关联。与基于HRC填充变异的分析方法相比,ARG-RHE单独识别出10,374个独特的基因座-性状关联,其中1,054个(10%)未被HRC-RHE或ACAT-V发现。
这些独特信号通常位于较短、重组率较高且填充信息分数较低的基因区域,表明ARG-RHE在填充质量较差的区域特别有效。与基于外显子组测序数据的罕见变异关联相比,ARG-RHE检测到的信号更可能重叠罕见变异关联,提示该方法对填充效果不佳的罕见变异信号具有更高敏感性。
研究结论表明,ARG-RHE方法通过结合矩量估计遗传力方法和随机化尾部概率近似算法,实现了基于ARG的遗传力估计和方差组分关联检验的高度可扩展性。与显式计算ARG-GRM的方法相比,ARG-RHE的计算效率提高了数个数量级,同时保持良好的准确性和校准性。
该方法的一个重要优势是能够捕获未被基因分型或可靠填充的变异贡献,特别是在参考面板代表性不足的人群中。通过时间分层分析,ARG-RHE还能评估不同时间尺度上变异的表现型贡献,为研究自然选择对多基因性状相关变异的作用提供了新视角。
尽管当前研究主要关注关联检验,但ARG矩阵乘法框架可扩展到其他基因组分析任务,如多基因预测(BLUP)和混合模型关联。这些方法为利用推断的ARG补充基因型填充在混合模型分析中提供了高效计算框架,有望在更大规模的人群数据集中得到广泛应用。
研究的局限性包括目前仅支持数量性状,未来可扩展至支持病例对照不平衡的二元性状关联分析。此外,实施不同的加权和修剪标记策略可能在不同性状结构假设下提高效能。随着推断ARG准确性的不断提高,稳健的时间分层遗传力分析将成为未来工作的有趣方向。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号