SPLENDID：连续祖源交互与稀疏多祖源预测
用基因型×祖源主成分交互刻画连续变化的预测效应，以 group-L0L1 选择变异组，再进行限制变异并集大小的稀疏集成。精读重点是筛选、非凸优化与独立调参的分工，以及预测优势中有多少真正来自交互。
结果非欧洲祖源验证样本中，九性状平均partial R²相对PRS-CSx提高65.8%；LDL-C的具体比较为0.068对0.041，而不是增加65.8个百分点。
4 篇论文
连续祖源、局部单倍型与遗传背景依赖
四篇精读：SPLENDID的group-L0L1与连续祖源交互；四单倍型MPRA的非加性对比；APOE分层GWAS的效应差异；AoU多祖源PRS的数据组合与后验不确定性。
邻近变异的四单倍型 MPRA：背景依赖与非加性
对7,285对相距不超过75 bp的变异设计全部四种单倍型，区分单变异效应、邻近背景与双变异非加性。关键不只是105/178的比例，而是DESeq2对比、共享参照造成的协方差，以及实验反事实与人群LD可识别性的差别。
结果强活性/强差异筛选后的178个集合中，105个满足作者的95%置信区间不重叠规则；59%不是全基因组非加性发生率。
APOE 分层 GWAS：分组发现、效应差异与正式交互
按APOE基因型分层开展AD GWAS，再以分层效应差异、等位基因剂量趋势和统一logistic交互模型分别检验背景依赖。DDHD1是有价值的案例，但全基因组正式交互检验、名义eQTL证据和表达介导不能混为一谈。
结果分层效应比较采用29个位点的0.0017阈值；全基因组SNP×APOE交互扫描仅APOE区域显著，DDHD1为P=1.62×10⁻⁶。
AoU 多祖源 PRS：更大训练集为何未必更好
比较AoU、UKB及其单祖源/多祖源组合在32个性状中的PRS表现。增加训练样本量通常有帮助，但大效应祖源富集变异和队列差异会改变最优组合；Figure 5的个体指标测量后验估计不确定性，不是个体表型预测R²。
结果AoU-AFR中跨biobank多祖源PRS的定量性状中位incremental R²为0.021，对比AoU-only 0.013和UKB-only 0.016；部分血细胞性状反而以AoU-only更优。
背景依赖需要什么证据
本期四篇从不同层面讨论遗传效应的背景依赖。SPLENDID在预测模型中允许效应随祖源坐标变化；MPRA主动改变局部单倍型；APOE研究先按遗传背景分层，再比较效应；AoU研究则说明训练数据更多，未必在所有性状和目标群体中都更好。
SPLENDID优先读模型和补充优化算法：group-L0L1如何联合选择主效应与G×PC项，为什么需要独立调参，以及无交互消融如何分解收益。MPRA优先读四单倍型对比：log2尺度的加性假设、共享参照协方差，以及强信号筛选如何限制59%的解释。
APOE分层GWAS提供“分层显著”与“效应差异显著”的实例，DDHD1的疾病关联、名义eQTL和表达介导需要分层评价。AoU多祖源PRS与SPLENDID配读：一个改变模型，一个改变训练来源；尤其应区分群体增量R²和个人PRS的后验估计不确定性。
四篇均有独立详情页，分别展开模型/算法、样本与实验设计、主要结果、局限和可检验的研究设想。MPRA为9月11日预印本，其余三篇为9月14日正式发表；本页日期为推荐刊期，并非论文公开日期。
正文依据已取得的全文，详情页明确列出补充材料核读范围；没有将未取得的文件或未运行的个体水平分析写成已验证结果。