遗传共定位分析（coloc）
GWAS 找到的显著区域里往往有几十个高度连锁的 SNP 和多个候选基因。遗传共定位分析（colocalization）回答的问题是：同一个区域里，疾病 GWAS 信号和某个分子性状（基因表达 eQTL、剪接 sQTL、蛋白水平 pQTL 等）的信号，是不是来自同一个因果变异。如果是，就为「该变异通过调控这个基因影响疾病」提供了证据，可以帮助锁定目标基因或药物靶点。最常用的是 R 包 coloc 中基于贝叶斯因子的 coloc.abf，它只需要两个性状在同一区域的汇总统计。共定位的结果是概率，而不是 P 值，读法与常规关联分析不同。
什么时候用
- GWAS 显著区域有多个候选基因，想借助 eQTL 判断哪个基因的表达可能介导风险
- 做 cis-pQTL 或 cis-eQTL 的单基因 MR 后，排除 LD 造成的假阳性关联
- 判断两种疾病在同一位点上的信号是否共享因果变异
- 按组织或细胞类型逐一检验，寻找疾病相关的调控组织
- 为药物靶点优先排序提供遗传证据
不适合的情况
- 区域内两个性状都没有达到一定强度的关联：后验会集中在 H0 到 H2，无法判断是否共享
- 两份数据来自不同祖源人群：LD 结构不同，共享变异也可能被判为不同
- 把高 PP.H4 理解为因果方向已确定：共定位不区分谁影响谁
需要准备的数据
- GWAS 区域汇总统计
- lead SNP 上下游一段区域的全部 SNP，含 BETA、SE（或 P）、MAF、样本量；二分类需提供病例比例
- QTL 汇总统计
- 同一区域内候选基因的 eQTL 或 pQTL 全部位点结果，而不只是显著位点；常见来源 GTEx、eQTLGen
- SNP 对应信息
- 两份数据需按 rsID 或 染色体:位置:等位基因 匹配，基因组版本一致，效应等位基因对齐
- LD 矩阵（多信号时）
- 使用 coloc-SuSiE 时需要与研究人群匹配的区域 LD 矩阵，最好来自原 GWAS 样本或同祖源参考面板
分析步骤
- 1
选择候选区域
以 GWAS 独立信号的 lead SNP 为中心，常取上下游 500 kb 或 1 Mb 的窗口，也可用重组热点划分的 LD 区块。区域太窄会漏掉真实因果变异，太宽会把不相关信号混进来。
- 2
准备 QTL 数据
对区域内每个候选基因，提取其在目标组织中的全部 cis-QTL 结果，而不只是通过显著阈值的位点。coloc 需要整个区域的关联强度分布来计算贝叶斯因子，只给显著位点会让后验失真。同时记录每个基因的样本量和性状类型。
- 3
对齐与过滤
按位点合并两份数据，统一效应等位基因，剔除重复位点和 MAF 缺失位点。合并后保留的位点数如果远少于原始数，先检查基因组版本和 ID 格式是否一致。
- 4
设定数据类型
coloc 中每个数据集需要声明 type：连续性状为 quant，并提供 sdY 或让程序用 MAF 和样本量估计；病例-对照为 cc，并提供病例比例 s。类型设错会影响贝叶斯因子的计算。
- 5
运行 coloc.abf
用 coloc.abf 计算 PP.H0 到 PP.H4。PP.H4 高说明共享因果变异；PP.H3 高说明两个性状在该区域都有关联但因果变异不同。同时检查 PP.H4 最高的 SNP 是否就是两者的 lead SNP 附近。
- 6
多信号区域处理
coloc.abf 假设每个性状在区域内最多一个因果变异。区域内存在多个独立信号时，先用 SuSiE 做精细定位，再用 coloc.susie 对每对信号分别检验，避免真实共享信号被另一个信号掩盖。
- 7
敏感性与可视化
用 coloc 自带的 sensitivity 函数查看在不同 p12 取值下 PP.H4 是否稳定，并画两个性状的 -log10(P) 对比图（LocusCompare 风格）和区域堆叠图。结论只有在常用先验范围内都成立、图上两个信号峰也确实重合时，才算稳健。
关键参数与决策
先验 p1、p2、p12
p1、p2 分别是某 SNP 只与性状 1、只与性状 2 相关的先验概率，coloc 默认均为 1e-4；p12 是同时关联两者的先验，默认 1e-5。有研究认为默认 p12 偏宽松，建议使用 5e-6 等更保守的值。
PP.H4 判定阈值
常用经验阈值为 PP.H4 大于 0.8，也有研究用 0.75 或 0.5 作为提示。还可同时报告 PP.H4/(PP.H3+PP.H4)，在两者都有信号的前提下看共享的相对证据。
区域窗口
cis-eQTL 常在基因转录起始位点附近 1 Mb 内定义，共定位窗口应覆盖 GWAS 信号所在的 LD 区块。不同窗口下 PP.H4 变化很大时，说明区域内可能有多个信号。
QTL 组织选择
优先选择与疾病病理相关的组织，例如冠心病看动脉和肝脏，精神疾病看脑组织。只在全血中检验可能漏掉组织特异的调控信号，同时检验多个组织时需注意多次检验带来的假阳性。
常见错误
- 只输入显著位点：coloc 依赖全区域的关联模式计算贝叶斯因子，把数据按阈值截断后，后验会向 H4 或 H0 偏移，得到的概率没有意义，应提交区域内的全部位点。
- 忽视 PP.H3：PP.H3 高说明两个性状各有不同的因果变异，常见于基因密集区，直接说「无共定位」会丢失这一信息。
- 多个独立信号仍用 coloc.abf：该方法假设每个性状在区域内最多一个因果变异，较强的信号会主导计算，另一对真实共享的信号被误判为 H3 或 H1，应先做精细定位再逐对检验。
- MAF 来自错误的人群或缺失：coloc 用 MAF 计算贝叶斯因子，MAF 偏差会影响结果，尤其对只提供 P 值的数据集。
- GWAS 与 QTL 数据的效应等位基因未对齐：coloc.abf 本身不依赖效应方向，但后续用效应方向解释上调或下调时会得出相反结论。
- 对几十个基因和组织逐一检验后只挑 PP.H4 最高的结果报告：这等于隐性的多重比较，应把全部检验结果列出，并说明筛选标准和检验次数，否则结论难以重复。
结果怎么看
后验概率表
每个基因-组织组合一行，列出 PP.H0 到 PP.H4 和参与计算的 SNP 数。PP.H4 大于 0.8 视为强证据；PP.H0、PP.H1 或 PP.H2 占主导说明至少一个性状在区域内关联不足，不能下结论。
LocusCompare 对比图
横纵轴分别是 GWAS 和 QTL 的 -log10(P)，颜色表示与 lead SNP 的 r²。共定位时点沿对角线呈一条线，两个 lead SNP 重合或高度连锁；出现两簇分离的点提示不同因果变异。
区域堆叠图
上下对齐展示两个性状在区域内的关联峰。峰的位置一致、形状相似支持共享同一个因果变异；峰形状明显不同或峰顶相距较远时，即使 PP.H4 中等也要谨慎。图上出现两个分离的峰，说明需要按多信号的方式重新分析。
先验敏感性图
展示 PP.H4 随 p12 变化的曲线。在常用的 p12 范围内 PP.H4 都保持高位，结论可靠；只有在宽松先验下才超过阈值的，应作为提示性结果报告。曲线在阈值附近来回穿过时，建议补充区域图和其他方法一起判断。
和相近方法怎么选
coloc 与 SMR-HEIDI
SMR 以 QTL 顶端 SNP 为工具估计表达对性状的效应，HEIDI 检验区分共享变异与连锁。coloc 不估计效应大小，而是比较五种假设的后验概率。SMR 需要较强 QTL 信号，coloc 对弱信号更保守，两者常一起报告。
共定位与 TWAS
TWAS（如 FUSION、S-PrediXcan）用表达预测模型把 GWAS 结果转换为基因水平的关联，优点是可以全基因组扫描，一次得到大量候选基因。但 TWAS 显著也可能由 LD 引起，常见做法是对显著基因再做共定位，确认两个性状是否共享因果变异。
coloc.abf 与 coloc-SuSiE
coloc.abf 只需汇总统计和 MAF，假设每个性状最多一个因果变异，计算快、结果稳定，适合大批量筛查。coloc-SuSiE 允许区域内有多个因果变异，信息量更大，但需要准确的区域 LD 矩阵；LD 与研究人群不匹配时，精细定位的可信集会出错。
常见问题
PP.H4 多少算共定位？
最常用的经验阈值是 PP.H4 大于 0.8，部分研究用 0.75。0.5 到 0.8 之间可以作为提示性证据，并配合 LocusCompare 图和先验敏感性分析一起判断。阈值应在分析前确定并写进方法，而不是看完结果再调整，否则结论的可信度会下降。
coloc 只有 P 值没有 beta 能做吗？
可以。coloc.abf 接受 P 值加 MAF 和样本量的输入方式，此时需要提供与研究人群匹配的准确 MAF，二分类性状还需病例比例。有 beta 和 SE 时优先使用这组输入，结果更稳定，也便于在后续解释中说明效应方向。
PP.H3 很高说明什么？
说明两个性状在该区域都有关联，但很可能由不同的因果变异驱动。这在基因密集区和 LD 复杂的区域很常见。此时不应把该基因作为 GWAS 信号的目标基因，可以检查其他组织或其他候选基因。
共定位和孟德尔随机化可以一起做吗？
可以，而且很常见。用 cis-eQTL 或 cis-pQTL 做单基因 MR 时，MR 给出效应的方向和大小，共定位用来排除工具 SNP 与邻近另一个因果变异连锁所造成的假关联。两者都支持时证据更完整，只有一方支持时需要在讨论中说明。
在 Codar 里怎么做
在 Codar 里给出 GWAS 汇总统计和关心的区域或基因后，会先确认分析方案，提取区域数据并与 eQTL、pQTL 等分子 QTL 结果对齐，进行遗传共定位分析，输出各假设的后验概率与先验敏感性；有多个候选基因或靶点时，还会结合分子 QTL 证据做因果优先排序。交付后验概率表、LocusCompare 对比图、区域堆叠图、候选基因排序表、报告和可复现脚本。
我有一份类风湿关节炎 GWAS 汇总统计，想对 1 号染色体 PTPN22 附近的显著区域和 GTEx 全血 eQTL 做 coloc，看哪个基因的表达和疾病信号共定位