全基因组关联分析
识别与T2D和血糖性状相关的位点
使用TOPMed WGS数据，对T2D（SAIGE模型）和血糖性状（GENESIS线性混合模型）进行单变异关联分析，调整性别、年龄、BMI、遗传主成分等。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
使用NHLBI Trans-Omics for Precision Medicine (TOPMed)项目中不同人群的全基因组序列将eQTL与2型糖尿病和血糖性状共定位
Colocalization of eQTLs With Type 2 Diabetes and Glycemic Traits Using Whole-Genome Sequences in Diverse Populations From the NHLBI Trans-Omics in Precision Medicine (TOPMed) Program
实验完整度
高包含GWAS关联分析、条件分析、精细定位、共定位等多层级遗传分析，并在UK Biobank进行验证。
主要模型
21,913例T2D病例和61,036例对照 50,011例无糖尿病个体 TOPMed eQTL数据（白细胞、PBMC、T细胞、单核细胞） GTEx等外部eQTL数据
重点核对
WGS数据覆盖度和来源（TOPMed Freeze 9b） 样本量：T2D 82,949例、FG 50,011例、FI 38,696例、HbA1c 24,533例 人群分组：非洲裔美国人、美洲印第安人、亚裔、白人、西班牙裔、萨摩亚人 关联分析模型：SAIGE（T2D）、GENESIS（血糖性状），校正性别、年龄、BMI、遗传主成分等 共定位方法：coloc Bayesian框架，PPcoloc > 0.5
摘要
大规模多祖先全基因组关联研究已识别出数百个与2型糖尿病(T2D)和血糖性状相关的位点，但基因分型芯片的填补限制了对低频和稀有变异的检测。全基因组测序(WGS)提供了更完整的遗传变异视图，尤其是在不同人群中。我们分析了来自国家心肺血液研究所Trans-Omics for Precision Medicine计划的21,913例T2D病例、61,036例对照以及最多50,011例无糖尿病个体（具有空腹血糖、空腹胰岛素和HbA1c）的高覆盖度(38×)WGS数据。我们进行了单变异关联检验、条件分析、精细定位和贝叶斯共定位，以识别遗传信号并评估糖尿病相关组织中的调控相关性。我们在34个位点识别出76个不同的关联信号，包括DUSP9处与T2D相关的新变异，以及ROBO1、NDN和MYT1处与HbA1c相关的新变异。精细定位缩小了可信集并提高了因果变异分辨率。共定位突出了糖尿病相关组织中的80个表达信号，将遗传关联与功能性调控机制联系起来。我们的发现证明了WGS在不同人群中揭示新变异、增强位点分辨率并将调控变异与疾病相关组织联系起来的能力。这项工作细化了T2D和血糖性状的遗传结构，并支持针对不同人群的精准医学工作。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 利用全基因组测序在不同人群中探究2型糖尿病和血糖性状的遗传结构，发现新变异、细化位点并将其与调控机制联系起来。
- 核心机制
- 共定位分析将遗传关联与糖尿病相关组织（如胰腺胰岛、脂肪组织、骨骼肌）中的表达数量性状位点联系起来，揭示组织特异性的调控机制。
- 主要证据
- 对TOPMed WGS数据进行单变异关联分析，识别出76个信号，包括新的T2D变异DUSP9和新的HbA1c变异ROBO1、NDN、MYT1；精细定位将可信集缩小，并在UK Biobank中成功复制了29个关联区域；共定位识别出80个表达信号。
- 研究意义
- 该研究细化了T2D和血糖性状的遗传结构，为精准医学方法提供了支持，并强调了在不同人群中进行WGS研究的价值。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
条件分析和精细定位
识别独立信号并细化因果变异
对每个位点进行条件分析以识别独立信号，并使用贝叶斯因子计算后验概率，构建99%可信集；对多信号位点使用SuSiEx进行敏感性分析。
UK Biobank复制
验证发现信号的普遍性
在UK Biobank WGS数据中对索引变异和可信集变异进行关联分析，检查效应方向一致性。
eQTL共定位
将遗传关联与基因表达调控联系起来
使用coloc Bayesian框架，将TOPMed和外部eQTL数据与条件关联统计相结合，评估共定位概率。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 单变异关联分析 | 样本量、WGS覆盖度、变异过滤标准、人群分组、统计模型及协变量（性别、年龄、BMI、遗传主成分） 阅读提示：Research Design and Methods 中 'Single-Variant Association Analysis' 部分 |
| 条件分析和精细定位 | 条件分析窗口、显著性阈值、可信集构建方法、SuSiEx参数 阅读提示：Research Design and Methods 中 'Conditional Analysis and Statistical Fine-Mapping' 部分 |
| 共定位分析 | eQTL数据集、共定位方法及阈值（PPcoloc > 0.5） 阅读提示：Research Design and Methods 中 'Colocalization of Association Signals and eQTLs' 部分 |
| UK Biobank复制 | 样本量、表型定义、统计模型、显著性阈值 阅读提示：Research Design and Methods 中 'Replication in UK Biobank' 部分 |