LO-HDL：一种基于最大似然估计的局部遗传相关性预测新方法

《Current Bioinformatics》：LO-HDL: A New Method for Prediction of Local Genetic Correlation Based on Maximum Likelihood Estimation

　　

摘要

引言：遗传相关性在阐明复杂性状和疾病背后的共同遗传结构方面起着关键作用。局部遗传相关性能够高效地定位特定的基因组区域，从而提高基因相关性分析的精确度。然而，由于局部基因组区域的连锁不平衡和研究样本的重叠，准确估计局部遗传相关性仍然具有挑战性。

方法：在这项工作中，我们提出了一种基于高维最大似然估计的新方法，称为LO-HDL。LO-HDL利用全基因组关联研究（GWAS）的汇总统计量构建边际统计量，并结合1000基因组计划第三阶段的数据作为参考面板。

结果：为了评估LO-HDL的统计功效，我们在具有三种不同样本重叠程度的模拟数据上，将其与其他局部遗传相关性估计方法进行了比较分析。在没有样本重叠的情况下，LO-HDL方法提高了具有高局部遗传协方差的病例的统计功效。在部分样本重叠和完全样本重叠的情况下，LO-HDL显示出整体统计功效的提高。作为应用示例，我们使用LO-HDL来估计四种自身免疫性疾病之间的局部遗传关联，发现LO-HDL能够识别出31个具有显著关联的区域。

讨论：LO-HDL方法可以识别共同影响多种复杂性状的基因或基因组区域，从而揭示这些性状之间的共同遗传结构。这种方法阐明了性状之间的遗传关系，并为解释它们的关联提供了基础。在模拟数据中，当局部遗传协方差介于（0.002–0.004）之间时，LO-HDL的统计功效略低于之前的方法。然而，在部分或完全样本重叠的研究场景以及真实的GWAS数据分析中，LO-HDL表现出更优的性能。通过LO-HDL，研究人员可以更准确地定位疾病之间的遗传相关区域。例如，6号染色体上的TRIM27基因与四种疾病表现出显著关联，可能成为未来治疗的潜在靶点。

结论：LO-HDL是一种基于高维最大似然估计的局部遗传相关性估计新方法。通过在模拟数据集和四种自身免疫性疾病中的应用，LO-HDL提高了局部遗传相关性估计的准确性，该方法适用于揭示遗传变异与特定性状或疾病之间的关系。