CIGMA：量化跨细胞类型共享与特异的 eQTL 架构

研究问题

常见的单细胞 eQTL 研究以显著 SNP–gene 配对为单位比较不同细胞类型。这个做法有一个结构性问题：共享效应通常更容易被检出，而弱的、细胞类型特异的效应需要更大样本量。因此，“显著 eQTL 中有多少是细胞类型特异的”会同时受到真实遗传架构和统计功效影响。

CIGMA 不逐个判定 SNP 是否显著，而是估计一个基因附近一组变异共同解释的表达变异，并把它拆成共享与细胞类型特异两部分。

模型

对个体 $i$、细胞类型 $c$ 的某个基因，作者使用细胞类型 pseudobulk 表达 $Y_{ic}$：

$$Y_{ic} = \mu_c+ \sum_{l=1}^{L}G_{il}(\alpha_l+\gamma_{lc}) +e_{ic}+\epsilon_{ic}.$$

其中：

• $G_{il}$ 是个体 $i$ 在变异 $l$ 上的基因型；
• $\alpha_l$ 是跨细胞类型共享的遗传效应；
• $\gamma_{lc}$ 是变异 $l$ 在细胞类型 $c$ 中额外的效应；
• $e_{ic}$ 表示个体层面的非遗传变异及未建模遗传成分；
• $\epsilon_{ic}$ 表示有限细胞数、实验噪声和细胞状态差异带来的 pseudobulk 测量变异。

随机效应方差写为

$$\alpha_l\sim N\!\left(0,\frac{\sigma_g^2}{L}\right), \qquad \gamma_{lc}\sim N\!\left(0,\frac{v_c}{L}\right).$$

$\sigma_g^2$ 表示共享遗传方差，$v_c$ 表示细胞类型 $c$ 的特异遗传方差。作者用

$$S=\frac{\bar v}{\sigma_g^2+\bar v}, \qquad \bar v=\frac{1}{C}\sum_{c=1}^{C}v_c,$$

概括一个基因的 eQTL 细胞类型特异性。$S$ 接近 0 表示调控效应主要共享；$S$ 较高表示不同细胞类型中的遗传效应差异较大。

为什么要校正细胞内变异

不同个体、不同细胞类型的细胞数并不相同。pseudobulk 均值的测量方差因此也不相同。CIGMA 利用细胞层数据估计每个个体–细胞类型组合内的变异 $\delta_{ic}$，在方差组分估计中将其扣除。Figure 2c 显示，忽略这一项时，共享和特异遗传方差会明显向下偏。

这一步不是把每个细胞当作独立遗传样本。遗传信息的独立重复仍然来自 donor；更多细胞主要改善每个 donor 的表达均值精度。

参数估计与检验

作者使用 method-of-moments / Haseman–Elston 型回归估计方差组分，并通过 jackknife 估计标准误和进行检验。该路线比逐基因拟合复杂 REML 模型更适合成千上万个基因，但方差组分在单基因水平仍可能很噪，尤其当 donor 数量有限、真实遗传方差很小时。

主模型假定：给定共享效应后，各细胞类型的特异效应相互独立。论文也拟合了允许任意细胞类型遗传协方差的扩展模型；当前样本量下，完整协方差矩阵的单基因估计较不稳定，因此主要结论仍来自较简约的模型。

模拟与校准

Figure 2a 的两类置换检验回答不同问题：

• genotype permutation：打断基因型与表达的全部关系，共享和特异遗传方差都应接近 0；
• cell permutation：在个体内打乱细胞类型标签，保留总体遗传效应，但应消除真正的细胞类型差异。

Figure 2b 表明样本量增加主要缩小方差组分估计的不确定性。Figure 2c 更关键：如果忽略 $\delta_{ic}$，或者用不匹配该数据结构的方法，估计会出现系统偏差。这里的 benchmark 重点不是预测准确率，而是共享与特异遗传方差能否在已知真值下被正确恢复。

实证结果

OneK1K 主分析使用 928 名个体、7 类常见 PBMC 和 10,288 个基因。cis 区域定义为基因体上下游 500 kb 内、MAF 大于 5% 的常见变异。作者检出 193 个经 Bonferroni 校正后显著的 cell-type-specific eGenes，但论文的核心结论来自全转录组方差分布，而不是只来自这 193 个基因。

平均来看，cis eQTL 方差约 30% 为细胞类型特异；把 cis 和跨染色体 trans 变异联合建模后，trans eQTL 方差约 60% 为细胞类型特异。特异性还随 cis 窗口变宽而上升，提示较远端的调控更依赖细胞环境。

细胞类型特异性较高的基因更受 loss-of-function 约束、连接更多增强子，并在共表达网络中具有更高连接度。作者进一步用 LDSC 检验基因集合周围注释的遗传力富集：高特异性基因在 7 个血液相关性状中的 4 个显示富集，而共享 eGene 集合没有相同模式。

与常规 sc-eQTL mapping 的区别

CIGMA 回答的是基因层面的遗传方差架构。它不能告诉我们某个位点中是哪一个变异具有因果作用，也不能直接给出某个 SNP 的细胞类型特异效应。

因此它与单变异 association、SuSiE fine-mapping 和 colocalization 是互补关系：

1. CIGMA 可用于识别遗传调控高度依赖细胞类型的基因；
2. 对这些基因，再在具体细胞类型或状态中进行 SNP-level eQTL mapping；
3. 使用 LD-aware fine-mapping 区分同一位点中的多个信号；
4. 最后检验 GWAS 与分子 QTL 是否共享因果变异。

不能把 CIGMA 的高特异性分数直接当作某个变异的 fine-mapping prior，因为它是基因和变异集合层面的量。

局限

• 细胞类型由离散标签定义，连续激活状态和细胞类型内部异质性会被 pseudobulk 平均掉；
• 方差组分依赖表达尺度，log-normalized expression 与原始计数模型的解释并不完全相同；
• trans 方差包含大量变异，单基因估计比 cis 更噪；
• 方法不能直接进行 SNP-level colocalization；
• 对低表达基因、较少见细胞类型或 donor 数较少的数据，特异方差可能出现较大标准误或边界估计。

小结

CIGMA 的主要贡献不是多检出一批 eQTL，而是说明：只统计已显著的 eQTL 会低估细胞类型特异调控。对复杂性状而言，尚未被常规 eQTL 研究稳定发现的弱、特异调控效应可能比共享的大效应更相关。