ColocBoost：联合定位跨细胞类型、跨组学的共享遗传信号

v3 全文解读｜2026-09-06 选读。 原稿于 2025-04-20 首次公开，v3 于 2026-09-04 更新，尚未经同行评议。本次按 v3 正文、Methods、Table 2 和原图重新核验；所读 61 页 PDF 含补充图表图注，但不含独立 Supplementary Note 正文及补充数值表，相关补充实验按主文报告解释。v3 论文 · 全文 PDF

多信号共定位中的跨性状借力

单细胞 QTL 常受 donor 数量和稀有细胞检测功效限制：一个变异在 bulk 中信号很强，在某类细胞或疾病 GWAS 中可能较弱；同一区域还可能存在多个相互连锁的因果变异。ColocBoost 将变异选择和共享性状识别放进同一个拟合过程，研究重点是如何借助跨性状信息提高功效，同时避免把 LD 造成的信号重叠误判为共定位。它与先分别 fine-map、再做两性状共定位的分析路线形成了有价值的比较。

多任务回归与自适应联合更新

对性状 $l$，模型为 $Y_l=X_l\beta_l+\epsilon_l$，其中表型居中、基因型标准化，不同性状可以有不同样本量。共定位对应同一变异在两个或更多性状中具有非零效应；同一区域允许多个效应及不同的共享性状组合。输入可为个体层数据，也可为汇总统计与适配的 LD 信息。

每轮迭代在残差上寻找能同时改善多个性状拟合的变异，再决定哪些性状应共同更新。Single-Effect Coupler（SEC）并非仅凭两个 lead SNP 的 LD 高便宣布共定位：v3 的两性状说明同时考虑候选变异相同或高度相关，以及 profile likelihood 所反映的效应相近程度，再执行以下操作。

残差中的候选关系	更新方式
联合候选与两侧最佳候选均相容	用 SEC 联合安排弱更新，并保留各性状的平滑权重
联合候选与两侧均不相容	分别更新各自的最佳变异
一侧被更强的性状特异信号主导	用 D-SEC 暂缓联合更新，先处理强信号，再比较更新后的残差

这种递进过程旨在减少强信号遮蔽弱共享效应，以及 LD 导致的边际关联误配；一次迭代的相容性判断本身并不是共享因果变异的正式检验。疾病优先模式的 E-SEC 则以目标 GWAS 当前最佳候选为起点，在相容的分子性状中重新寻找联合候选，优先拟合与疾病有关的共享分量。

从 LD 平滑概率到 CoS 与 VCP

v3 对不确定性的构造给出了更完整的解释。对单个性状的一轮更新，算法用平滑概率分布替代硬选一个 SNP：

$$\omega_j^{(k)}= \frac{\delta_j^{(k)}\exp\{a_j^{(k)}/\tau\}} {\sum_m\delta_m^{(k)}\exp\{a_m^{(k)}/\tau\}}.$$

$a_j^{(k)}$ 来自变异与当前残差的关联强度，$\delta_j^{(k)}$ 同时利用与最佳候选的 LD 和残差关联证据，$\tau$ 控制分布的集中程度。这里的“proximity”主要指 LD 关系，而非基因组物理距离。作者将其解释为由平滑优化导出的 Gibbs 分布，明确区别于贝叶斯模型下的后验。

拟合后，算法把相关 SEC 轮次聚为单效应分量 $s$，按 profile log-likelihood 的改善量加权平均各轮概率，得到性状内的 $\xi_{jl}^{(s)}$。随后对共享性状集合 $T(s)$ 进行对数汇合并归一化：

$$\xi_j^{(s)}\propto \exp\left\{\frac{\nu}{|T(s)|} \sum_{l\in T(s)}\log\xi_{jl}^{(s)}\right\}, \qquad \nu=1.5\ \text{为默认值}.$$

**CoS（Colocalization Confidence Set）**按 $\xi_j^{(s)}$ 排序，取累计质量达到默认 0.95 的最小变异集合，并保留其共享性状配置；此外还过滤低 LD 纯度和贡献过小的分量。VCP再跨分量聚合：

$$\operatorname{VCP}_j=1-\prod_s\left(1-\xi_j^{(s)}\right).$$

因此 VCP 并非任意的排序分数，而是有明确概率构造和经验评估的变异层面共定位量；其用途类似 PIP，但不是由完整贝叶斯生成模型计算的后验包含概率。跨分量聚合采用条件独立近似，不能只因逐步残差拟合就把独立性视为已证明。95% 累计质量也不自动给出所有场景下的 95% 频率学覆盖或 FDR≤5% 保证。

ROSMAP 基因型模拟中的校准与功效

模拟使用 1,162 名 ROSMAP 个体的真实基因型，选取不同 TAD 中的 1,287 个 cis 区域，考察多个因果变异和不同共享性状配置。xQTL 主实验将每个因果变异的表型方差解释比例设为 5%；较弱的目标性状在主要疾病优先实验中设为 2%–4%。这些设定用于在给定样本量下比较强弱信号，不是对真实 GWAS 效应大小分布的完整模拟。

CoS 层面的 FDR 同时惩罚两类错误：集合未包含真实因果变异，或共享配置纳入了不共享该效应的性状。功效按正确捕获的真实变异–性状关系评估，不能与单纯的位点检出率混用。v3 延续主实验平均功效 0.934、FDR 低于 5% 的报告；在部分两性状场景 COLOC v5 表现相近，弱目标性状和较复杂配置更能体现联合建模的收益。

比较设置也影响解释：作者为 COLOC 等方法从变异概率构造类似的 95% 集合，COLOC 的共享假设要求高于其他假设，而非一律采用 $PP.H4>0.8$。与 OPERA 的比较则统一到基因／区域层面，不能把不同粒度的功效直接并列。

v3 Figure 2f–g 增补了单性状特例 FineBoost 的概率评估：其 VPA 与 SuSiE PIP 在图示模拟中相关约为 0.97–0.99，分箱概率与观测因果频率也较吻合。这加强了单性状概率解释的经验依据，但不能代替多性状 VCP 在各种残差相关和共享配置下的校准检查。

ROSMAP 的 17 组 QTL 与多组学信息增益

研究分析 16,928 个基因，整合 6 类脑细胞的单核 RNA-seq pseudobulk eQTL、4 组 bulk eQTL、6 组 productive／unproductive sQTL，以及 1 组 pQTL。bulk eQTL 中包含外周单核细胞，因此并非所有测定都来自脑组织。以下为 v3 Table 2 的实际分析样本量：

数据	donor 数量
6 类细胞 pseudobulk eQTL	各 419
bulk eQTL：DLPFC / AC / PCC / 单核细胞	784 / 593 / 441 / 226
bulk sQTL：DLPFC / AC / PCC，各含两类剪接	806 / 603 / 449
DLPFC pQTL	416

AC 沿用原表缩写，Methods 与 Table 2 对其全称存在不同表述。作者概述中的平均样本量 595 也不能直接由这 17 组样本量的简单平均重现，故以分层规模为准，不将其解释为完整配对的多组学 donor 数。

v3 正文报告 18,654 个共定位事件，涉及 11,257 个基因、16,504 个不同的 95% CoS；摘要仍为 16,503 个不同事件。事件数、基因数和去重集合数应分别理解，摘要与正文去重计数相差 1 的原因仍不明确。

10,237 个事件涉及至少一类脑细胞 eQTL。仅保留 10 个 eQTL context 的消融分析能发现其中 82.1%，其余 17.9% 需要加入 sQTL／pQTL 后才能检出。这支持跨分子层的统计信息增益；但“只在一类细胞检出”仍可能反映功效差异，不能直接推断其他细胞中的效应严格为零。

分样本重现与外部功能证据

v3 将 ROSMAP DLPFC eQTL 数据随机拆分后，与同一份 AD GWAS 共定位：二分之间共享的位点为 ColocBoost 26 个、COLOC 14 个。另将 UKB LDL GWAS 二分并固定 GTEx 肝脏 eQTL，跨分组共享位点分别为 30 和 19 个，完整数据发现的恢复率分别为 65.7% 和 51.5%。这是固定另一侧数据时的重现性分析；完整数据的发现不是已知真值，不能把恢复率解释成准确率或独立外部验证。

功能支持来自不同证据层级：K562 CRISPRi／STING-seq 的调控元件–基因关系、脑组织 promoter-capture Hi-C 的物理接触，以及 ENCODE-rE2G 的预测 enhancer–gene links。与这些目录的一致性提供相互补充的支持，但不能据此声称所有新增脑或 AD 位点都已完成相关细胞背景中的实验验证。

作者还把 VCP 汇总为连续功能注释，在 57 个复杂性状的 S-LDSC 中评估遗传力富集及条件贡献。富集说明注释与遗传力分布有关，不是这些分子表型介导疾病遗传力的比例。

AD 共定位：集合层面证据与变异定位不确定性

AD 联合分析的 188 个事件对应 120 个不同位点，成对 COLOC 结果并集（COLOC-union）为 48 个，因此 2.5 倍是位点层面的比较。Figure 6a 中有 63 个 ColocBoost 位点未与同一 GWAS 的 fine-mapping 集合重叠；正文的 61.8% 存在分母疑义，这里保留可由原图核对的计数。

遗传力的比较对象也必须区分：正文报告 ColocBoost 集合对应的 AD 遗传力接近 COLOC-union 的两倍；将 ColocBoost 与 GWAS fine-mapping 集合取并集后，估计解释量是单独 fine-mapping 的约 1.6 倍。不能把这两句合并成“ColocBoost 单独比 fine-mapping 高两倍”；作者也提醒单疾病 LDSC 估计可能不稳定。

BLNK 的 AD 关联为提示性水平（$p=1.1\times10^{-7}$）。其 CoS 包含 22 个高 LD 变异，最高 VCP 仅 0.095，却有集合层面的 AD、微胶质细胞及 bulk eQTL 共享证据。若仅用 VCP>0.1 筛选单变异，会漏掉这个集合；反过来，检测到 CoS 也不意味着已经确定其中某个变异为因果变异。

CTSH 有三组 CoS，其中只有一组与 AD 共享，同时涉及星形胶质细胞、兴奋性神经元 eQTL、unproductive sQTL 和 pQTL。该组含两个高相关变异（$r=0.975$），其中 rs2289702 的 VCP 为 0.415；另外两组并未与 AD 共定位。表达、剪接和蛋白效应的对应关系为调控机制提供线索，尚不能据此确定唯一因果变异、作用方向或中介链条。

对方法开发的启发与边界

当前默认实现不显式建模跨性状残差相关。v3 Discussion 明确报告：残差相关 $\rho\geq0.7$ 时，部分因果配置会出现 FDR 膨胀。ROSMAP 中较低的估计残差相关不能转化为“样本重叠总是安全”；共享样本和残差相关是相关但不同的问题。

LD 参考不匹配同样会影响定位和错误控制。v3 报告的不同 LD panel 敏感性实验主要针对单性状 FineBoost，不能直接推广为多性状 GWAS–xQTL 联合分析的保证。大量高度相关的 ATAC 或甲基化特征仍有计算扩展问题，当前线性模型也不能自动捕获非线性调控关系。

对方法开发，可考虑把 AlphaGenome 等功能预测作为平滑或联合更新的辅助信息，但需要重新检查信息重复使用、概率校准和 FDR。v3 将功能注释引入 SEC 仍列为未来方向，这不是当前版本已完成的功能。

代码与复现：ColocBoost R 包 · 官方教程 · 论文分析代码与数据 · 数值结果存档