mfSuSiE能够实现多细胞类型的精细映射和在老化的大脑中染色质可访问性QTLs的多原子集成
Anjing Liu1,2, Philip L De Jager3,4,5, David Bennett6
1Center for Statistical Genetics, The Gertrude H. Sergievsky Center, Columbia University, New York, NY, USA.
bioRxiv : the preprint server for biology
|December 15, 2025
概括
一种名为mfSuSiE的新方法联合分析了数千种细胞类型的分子特征,以确定影响基因调节的因果变异. 这种方法增强了复杂的基因组研究中的发现和解决,特别是染色体可访问性.
科学领域:
- 基因组学和生物信息学
- 分子生物学分子生物学
- 神经科学是一个神经科学.
背景情况:
- 分子定量特征位点 (QTL) 研究在多种细胞类型和分子环境中产生了大量的基对解析数据.
- 传统方法面临着大量的多重测试负担,并且无法考虑复杂的基因组数据中的链接不平衡和空间相关性.
- 像mvSuSiE和fSuSiE这样的现有精细映射工具在处理数千个基本分辨率测量或联合分析多个上下文方面存在局限性.
研究的目的:
- 引入 mfSuSiE,一种新的方法,集成多变量分析和基于波形函数的功能回归,用于在多种细胞类型中联合精细映射数千种基础分辨率特征.
- 克服分析密集,多组和多细胞类型基因组数据的现有方法的局限性.
- 提高识别因果变异及其对分子特征的影响的准确性和分辨率.
主要方法:
- 开发和应用mfSuSiE,一种结合多变量分析和基于波形函数的功能回归的方法.
- 模拟研究将mfSuSiE与现有方法 (fSuSiE,mvSuSiE) 进行比较.
- 应用到六种人类大脑细胞类型的单核色素可访问性数据,并与表达QTL,表观QTL和GWAS数据进行整合.
主要成果:
- 与模拟中的fSuSiE相比,mfSuSiE在识别因果变异和受影响的分子特征方面表现出更高的准确性.
- 对人类大脑数据的应用显示,染色体可访问性QTLs (caQTLs) 的发现和分辨率大幅增加,在样本有限的细胞类型中功率得到改善.
- 多细胞类型分析发现了对染色质可访问性的监管效应的广泛共享,与其他omics数据的整合提供了对疾病局部复杂监管机制的洞察.
结论:
- mfSuSiE提供了一个强大的框架,用于联合精细绘制大规模,多组和多细胞类型基因组数据.
- 该方法使系统的多基因组合成为可能,并增强对基因调节及其在阿尔茨海默氏症等复杂疾病中的作用的理解.
- mfSuSiE在识别因果变异和调控机制方面取得了重大进展,特别是在具有挑战性的数据集中,如单核表观遗传学数据.
