Beyond exons：多基因性与非编码遗传力的分布

全文解读｜AJHG 校正校样，2026-09-04 在线发表，已同行评议。 本文依据 14 页 PDF 主文、Methods 和原图；附件不含独立补充材料，补充分析按正文报告。页脚的 2026-10-01 为卷期日期，与在线日期分别处理。论文 · 在线日期记录 · 作者代码归档

研究问题与数据

本文问的是：不同性状不仅需要不同数量的遗传变异解释，其 SNP 遗传力是否也分布在不同的基因组区域？这里必须区分三件事：注释区域每个 SNP 的平均遗传力是否富集；该区域占全部 SNP 遗传力的多少；该注释能多大程度改善 GWAS 统计量分布的拟合。三者分别涉及富集、遗传力份额和本文的 annotation contribution score（ACS），不能互换。

作者从 70 个欧洲祖源 GWAS 中按遗传相关阈值 $r_g=0.3$ 筛选，并优先保留 SNP 遗传力较高的性状，最终分析 34 个，涵盖精神、神经、心血管代谢、血液和免疫等表型。它们来自不同研究，不是一个统一样本量的队列；逐性状样本信息位于 Table S2，本次附件未包含该表。LD 参考为质控后的 1000 Genomes 欧洲祖源 489 人。主分析保留 MAF >0.5% 的变异，排除扩展 MHC；阿尔茨海默病另排除整条 19 号染色体。因此，下文百分比指这一分析范围内的 SNP 遗传力，不能直接扩展到全部罕见变异、结构变异或双生子研究的遗传力。

模型：性状多基因性与注释方差需要分开理解

MiXeR 的一般框架采用 spike-and-slab 效应分布：

$$\beta_i\sim(1-\pi_i)\delta_0+\pi_iN(0,\sigma_i^2).$$

多基因性 $\pi$ 表示模型中具有非零效应的变异比例，区别于达到全基因组显著性的位点数；它依赖模型、参考变异集合和效应分布假设。本文跨性状比较使用 MiXeR 的多基因性估计，并以 sLD4M 及多非零方差组分模型检查排序稳定性。

但本文用于遗传力分区和主要 ACS 结果的注释模型采用无穷小近似，固定 $\pi_i=1$，MAF 依赖参数固定为 $S=0$。这不是在每个注释内同时估计独立的稀疏程度。其核心是让每个 SNP 的效应方差随注释改变：

$$\sigma_i^2=\sigma_{A,0}^2+\sum_{p=1}^{74}\mathbf1(i\in A_p)\sigma_{A,p}^2.$$

其中全基因组共享一项基础方差；一个 SNP 可同时属于多个注释，各项非负方差相加。令 $H_i=2f_i(1-f_i)$，$\ell_{jp}=\sum_{i\in A_p}H_ir_{ij}^2$，则标签 SNP 的边际统计量按

$$Z_j\sim N\!\left(0,\omega_0^2+N_j\sum_{p=0}^{74}\ell_{jp}\sigma_{A,p}^2\right)$$

建模。作者最大化带 LD 权重的边际对数似然，在对数方差空间用解析梯度优化；$\omega_0^2$ 吸收非多基因性膨胀。这不是把所有相关 SNP 的 $Z$ 向量作为完整多元正态分布直接拟合。

完整模型拟合后，以 $\widehat h_i^2=H_i\widehat\sigma_i^2$ 加总各 SNP 的贡献，再汇总到互不重叠的 RefSeq 外显子、内含子和基因间区。跨转录本同时属于外显子和内含子的碱基优先归为外显子。区域份额由完整 74 注释模型得到，并非分别对三个区域单独做 GWAS 或只拟合三个类别。

ACS 到底量化什么？

作者分别拟合 core（只有共享方差）、partial（共享方差加一个注释 $C$）和 full（完整注释集合）模型，定义：

$$\mathrm{ACS}(C)=\frac{\log L_{\mathrm{part}(C)}-\log L_{\mathrm{core}}}{\log L_{\mathrm{full}}-\log L_{\mathrm{core}}}.$$

如果 ACS 为 0.6，意思是：只加入这个注释，就恢复了完整模型相对 core 的 60% 拟合改善。它不表示该注释解释 60% 遗传力，也不表示其中变异有 60% 因果概率。partial 模型没有条件化其余 73 项注释；高度重叠的注释可以各自取得高 ACS，各分数也无需加和为 1。它尤其不能作为 leave-one-annotation-out 的独立增量贡献来解释。

与按 SNP 计算的 fold enrichment 相比，ACS 同时受到注释范围和效应分布差异影响。极小但高度富集的类别未必带来最大的整体拟合改善。不过，ACS 仍依赖所选 full 模型作分母，换注释集合会改变解释基准。本文只保留二元注释，替换基因结构定义、加入二元 GPN-MSA 等轨道，再按 Dice 相似度 0.8 去冗余，得到 74 项；这是特定注释面板下的比较。

34 个性状的主要结果

外显子占基因组碱基的 2.55%，在 34 个性状中平均贡献 14.52% 的 SNP 遗传力（文中报告跨性状离散程度为 ±4.72%）；内含子和基因间区合计约 85.49%。因此，外显子相对基因组覆盖仍然富集，只是绝对遗传力份额小。这里的区域分类也不能直接当作“蛋白改变机制”与“调控机制”的实验鉴定。

Figure 1 把区域份额对 $\log_{10}\pi$ 回归，使用区域交互项及按性状聚类的标准误。多基因性每增加十倍，外显子份额平均降低 4.38 个百分点（95% CI −6.20 至 −2.55；$p=2.6\times10^{-6}$），基因间区增加 4.87 个百分点（3.06 至 6.67；$p=1.4\times10^{-7}$）。内含子变化为 −0.49 个百分点（−2.49 至 1.51；$p=0.63$），通常占总量约一半。“稳定”描述的是所分析性状间的总体趋势，不是所有性状都有相同份额。

具体而言，厌食症、神经质和精神分裂症的外显子份额分别为 10.06%、10.37% 和 8.51%；身高、皮层表面积和性激素结合球蛋白则分别为 19.58%、21.69% 和 29.44%。这些例子体现的是连续变化及性状差异，不能概括为所有精神性状或所有躯体性状各有一个固定比例。

Figure 3 将性状按多基因性排序后显示：较高多基因性性状的拟合改善更多由保守性与变异效应注释捕获，如 phastCons、GERP、CADD、Eigen 和 ReMM；较低多基因性性状中，启动子、转录起始和部分染色质标记更突出。保守性注释贡献升高并不与外显子份额降低矛盾：作者进一步把保守性与区域交叉分层，报告随多基因性增加的保守序列遗传力主要位于内含子和基因间区。这个分层结果见补充 Figure S5，本次只核验到正文叙述。

还应避免把“变异效应注释”这一类别的总体趋势推广到每个序列模型。本文把 GPN-MSA 的碱基分数先汇总、再按阈值二元化，纳入同一面板；它没有比较各模型的连续输出，更没有验证具体等位基因在特定细胞中的调控效应。注释对总体遗传结构有信息，与单个位点的功能预测准确，是两个需要分别验证的问题。

比较、敏感性分析与解释边界

本文的主要价值是把跨性状多基因性、区域遗传力和注释拟合贡献放到同一个分析中；它没有开展 fine-mapping 方法的准确率或 PIP 校准竞赛。正文报告：sLDSC 与 sLD4M 遗传力份额相关 $r=0.996$；MiXeR 与 sLD4M 多基因性排序的 Spearman $r=0.91$；无穷小与非无穷小注释模型 ACS 的 Pearson $r=0.92$。非无穷小敏感性分析是在固定遗传力分布后拟合 $\pi$，不能理解为完全不受主模型结构约束的重复分析。详细补充图本次未获取。

首先，这是性状间的相关性分析。负选择、细胞上下文复杂性和远端调控是作者提出的机制解释，本文没有通过实验或识别设计证明“多基因性增加导致遗传力转移”。三个区域份额总和为 1，本身存在组成约束；外显子与基因间区的负相关也不是一项独立因果证据。

其次，欧洲祖源 GWAS 与较小 LD 参考限制了跨祖源外推；剔除高遗传相关性状减少重复信息，却不保证剩余性状完全独立。二元化、跨组织合并及非负可加方差模型会压缩连续功能差异，也不能确定具体细胞类型、靶基因或作用通路。正文还指出 X 染色体注释覆盖不完整。最后，GWAS Catalog 注释在敏感性分析中取得最大的拟合改善，但它可能与输入 GWAS 循环使用证据，作者因此没有将其纳入主要结论。

对功能先验的启发（方法推论）

这项结果支持一个值得检验的方向：功能先验不必对所有性状使用完全相同的注释权重，可以按性状学习保守性、启动子或细胞类型注释的组合。但 ACS 不能直接归一化成 SuSiE 的 SNP 先验概率：它是注释层面的边际拟合贡献，包含重叠信息；拟合得到的效应方差也不能自动等同于非零效应概率。

若要延伸为方法，需要用独立染色体或独立队列学习权重，明确注释改变的是非零概率还是条件效应大小，再在未用于训练的数据中比较校准、可信集覆盖与大小，以及预测表现。特别是 GWAS Catalog 或其他 GWAS 派生注释，必须控制信息泄漏。本文提供了性状间功能结构不同的证据，尚未证明这种自适应先验会改善 fine-mapping。