大家好，本周给大家分享的是最近发表在NG上与稀有变异对复杂性状遗传力的贡献相关的一篇文章。
文章题目：Assessing the contribution of rare variants to complex trait heritability from whole-genome sequence data (从全基因组序列数据评估稀有变异对复杂性状遗传力的贡献)
期刊：Nature Genetics
影响因子： 2020_IF = 38.330; 中科大类: 综合性期刊1区; 中科小类: 综合性期刊1区; JCR分区: Q1
发文单位：澳大利亚昆士兰大学、美国华盛顿大学等229家单位。
文章作者：澳大利亚昆士兰大学Pierrick Wainschteine 为第一作者， Pierrick Wainschteine、Jian Yang和Peter M. Visscher 为共同通讯作者。
摘要：对于人类复杂性状和疾病来说，大约三分之一到三分之二的遗传力是由普通的SNP表征的。然而，尚不清楚剩余的遗传力是否是由于普通SNP对致病变异的不完善标记导致，尤其是致病变异是否稀有，或者是否由于系谱数据推断的偏差而被高估。作者根据25465名欧洲血统的无关个体的全基因组序列数据估计了身高和体重指数（BMI）的遗传力。身高的估计遗传力为0.68（标准误差0.10），体重指数的估计遗传力为0.30（标准误差0.10）。低连锁不平衡（LD）中的低次要等位基因频率变异与相邻变异的遗传力丰富，蛋白质发生改变变异的遗传力更高，与负向选择一致。结果表明，稀有变异，尤其是连锁不平衡程度较低区域的变异，是复杂性状和疾病仍然缺失遗传力的主要来源。
主要结果：
1、利用WGS数据估计身高和体重指数的遗传力
作者选择了25465个欧洲血统的基因组子集，使用千人基因组和人类基因组多样性（HGC）作为参考，对常见和罕见变异进行两步主成分分析（PCA）。首先，作者在欧洲样本中使用已知与身高和BMI相关的常见变异来测试每个队列中每个特征的多基因评分（PGSs）预测能力的一致性，发现预测结果与之前报道的一致。然后，为了验证结果，作者重复基于普通SNPs的h2SNP先前估计值，从序列变异中选择约992000个HM3 SNPs，并使用软件包GCTA中GREML方法估计身高和BMI的h2SNP。作者使用SNP特定的LD指标，获得的估计值称为h2G+IMP。身高的估计值在0.50-0.56（s.e.=0.06-0.07）之间，BMI的估计值在0.16-0.21（s.e.=0.07）之间（图1）。当用已测序的基因型替换填充的SNP时，遗传力的估计值持续增加，大多数差异来自低LD组中0.0001<MAF<0.001的变异，其中填充的准确性最低。总的来说，作者在很大程度上重复了以前研究中常见或填充变异的结果。研究发现基于WGS数据（h2WGS）的遗传力估计值始终大于h2G+IMP。h2WGS和h2G+IMP之间的差异主要是由稀有的变异解释的，尤其是那些较低LD附近的变异。
图1. GREML-LDMS使用HRC参考面板对n=25465个样本填充Illumina InfiniumCore24、GSA 24和Affymetrix Axiom阵列中的SNPs后，用8个bins校正的20个PCs进行估计。a、身高的h2G+IMP估计值介于0.50和0.56之间（s.e.=0.06–0.07）。b、BMI的估计值在0.16到0.21之间（s.e.=0.07）。MAF在0.0001和0.0010之间的变异的估计值的s.e.值较大，可以用该MAF bin中大量的填充变异来解释，因为基于SNP的遗传力估计的抽样方差与独立变异的有效数量成正比。分析中包括总计约19.0×106至约20.0×106的变异。误差条表示s.e。
2、LD注释的影响
为了进一步检查结果的稳健性，作者通过选择一组更大的变量来比较GREML-LDMS估计值，同时还测试了一种不同的相关性估计。此外，作者还测试了基于GRM元素的QC是如何影响遗传力估计的。这些分析表明质量控制步骤确保了遗传力估计的稳健性。作者还研究了LD注释的影响，首先使用来自UK10K数据集的样本内或样本外LD/MAF，并观察到一致的遗传力估计，表明从TOPMed注释中得出的推断不会因使用另一个数据集的MAF和LD分层而产生偏差。然后作者研究了LD分区的效果，发现将每个MAF bin分为3或4个LD bins可以适当地捕捉稀有变异MAF分组的LD异质性，将48个PCs作为固定协变量进行拟合，可以将身高的h2WGS增加到0.67–0.68（s.e.=0.10），BMI增加到0.28–0.32（s.e.=0.10）（图2）。
图2. 25465个样本中身高和BMI的GREML-LDMS，每个MAF bin使用3或4个LD组，校正根据WGS变量计算的48160或320个样本。每个变异根据其LD分数分配到三分位数或四分位数。a、使用三个LD bins估算身高：0.68（s.e.=0.09–0.10）。b、使用三个LD bins估算BMI：0.30-0.32（s.e.= 0.10）。c、使用四个LD bins估算身高：0.67-0.68（s.e.= 0.10）。b、使用四个LD bins估算BMI：0.28-0.30（s.e.= 0.10）。误差棒代表s.e.
3、功能注释
从WGS数据中估计并划分了加性遗传方差，并研究了估计的稳健性，然后作者探讨了是否可以通过功能基因组注释进一步划分方差。为了研究MAF < 0.1的低LD变异对遗传力的具体贡献，利用SnpEff对低MAF变异和低LD变异进行了进一步的分类。蛋白质改变组包括功能丧失和非同义变异，而保留的变异集包括同义、调控或非编码变异。在LD组和MAF组中，蛋白质改变变异的比例不同，低MAF组的比例增加，这与对这类变异的纯化选择一致。总的来说，作者考虑了总共11个分组（MAF>0.1的变异有2个bins，MAF<0.1的变异有3个MAF bins；每个MAF bin进一步分为3个组：低LD蛋白改变、低LD非蛋白改变和高LD）。当对这11个bins进行GREML-LDMS分析时，这11个bins与48个PCs相匹配，身高0.61（s.e.=0.09）的总估计值保持相似，体重指数0.24（s.e.=0.10）的总估计值略有增加，由于只使用了两个LD bins，这些估计值向下偏移。有趣的是，与非蛋白质改变变体（低LD）或高LD变体相比，具有蛋白质改变变体（低LD）的bins的每个变异解释的平均方差更大（图3）。
图3. GREML-LDMS的每个变异解释的方差（遗传方差的估计值除以每个bin中的变异数），低LD和低MAF（<0.1）变异根据变异的SnpEff假定效应（蛋白质改变或非蛋白质改变）分为两个不同的类别，校正了n=25465样本中WGS变异的48个PCs。该分析共有11个遗传成分。a-b、对于身高（a）和体重指数（b），蛋白质改变组（低LD）的遗传力明显高于非蛋白质改变组（低LD）或高LD变异。误差条表示s.e。
总之该研究中，作者通过从全基因组序列（WGS）数据中估计身高和体重指数（BMI）的加性遗传方差，对来自TOPMed项目的25465名无关个体的大样本进行估计，来说明仍然缺失的遗传力在很大程度上是由于罕见变异没有被普通SNP充分标记。
文中所有图片均来自Assessing the contribution of rare variants to complex trait heritability from whole-genome sequence data
文中有表述不当的地方，是我的问题，请在后台与小编联系修改，也可以自行阅读原文，谢谢理解与支持。如有团体或个人认为本文侵犯您的权利，请及时联系小编删除。
文章链接地址：https://www.nature.com/articles/s41588-021-00997-7
参考文献：
Wainschtein, P., Jain, D., Zheng, Z. et al. Assessing the contribution of rare variants to complex trait heritability from whole-genome sequence data. Nat Genet 54, 263–273 (2022). https://doi.org/10.1038/s41588-021-00997-7
