GWAS 精细定位（SuSiE、FINEMAP）

GWAS 显著区域里往往有几十到上百个高度连锁的 SNP，P 值最小的那个不一定是真正起作用的变异。精细定位（fine-mapping）综合区域内各变异的关联强度和彼此的 LD，用贝叶斯模型估计每个变异是因果变异的后验包含概率（PIP），并给出可信变异集（credible set）：以设定概率（通常 95%）包含一个因果变异的最小变异集合。常用工具 SuSiE（R 包 susieR）和 FINEMAP 都允许一个区域存在多个独立信号。典型输入是 GWAS 汇总统计加上与研究人群匹配的 LD 矩阵，或直接用个体基因型。精细定位把候选范围从整段 LD 区间缩小到少数变异，为功能注释和实验验证打基础。

什么时候用

GWAS 已有全基因组显著位点，想知道区域内哪个变异最可能是因果变异
一个区域内疑似有多个独立信号，想区分各自的可信变异集
准备做 CRISPR 或报告基因实验，需要把候选 SNP 缩到少数几个
想把可信变异集与 eQTL、染色质开放区或编码变异叠加，推断目标基因
多祖源 GWAS 结果齐备，想利用不同人群 LD 差异提高定位分辨率

不适合的情况

区域内没有达到显著阈值的信号：模型会给出很宽且不可靠的可信集
手头只有不同人群或不同版本来源的 LD 参考，且样本量很大：LD 不匹配会产生假信号
把 PIP 当作功能已被证明的证据：它只是统计上的优先级

需要准备的数据

GWAS 汇总统计: 需含 SNP、位置、效应等位基因、BETA、SE（或 Z 值）和样本量；效应等位基因要与 LD 矩阵的编码方向一致
LD 矩阵: 首选来自同一 GWAS 样本的 in-sample LD；用外部参考时祖源、基因组版本和位点集合必须对齐
区域定义: 以 lead SNP 为中心上下若干百 kb 到 1 Mb，或按 LD 区块切分；区域过窄会切掉部分信号
功能注释（可选）: 编码变异、eQTL、开放染色质峰等，用于功能先验或在结果中做叠加解读

分析步骤

1
确定待定位区域
从 GWAS 的独立显著位点出发，按 lead SNP 划出窗口，相邻位点窗口重叠时合并成一个区域。检查区域内的位点数量和 MAF 分布，确认没有大段缺失；MHC 等 LD 结构复杂的区域通常单独处理或排除。
2
对齐等位基因与 LD
把汇总统计与 LD 参考按位置和等位基因匹配，翻转方向不一致的位点并同步翻转 Z 值符号，剔除无法判定链方向的回文位点。对齐后抽查几个高 LD 位点对，Z 值符号关系应与 r 的符号一致。
3
检查 LD 一致性
用 susieR 的 estimate_s_rss 估计汇总统计与 LD 的不一致程度，或用 kriging_rss 画出观测 Z 值与预测 Z 值的散点图。明显离群的位点往往是等位基因翻转错误或 LD 参考不匹配所致，需先排查再运行模型。
4
运行 SuSiE 或 FINEMAP
SuSiE 用 susie_rss 输入 Z 值、LD 矩阵和样本量，L 设为区域内可能的最大信号数；FINEMAP 准备 .z 和 .ld 文件，用 --n-causal-snps 限定最大因果数。运行后看模型收敛情况和各信号的可信集大小。
5
整理可信变异集
对每个可信集记录包含的变异、各自 PIP、累计覆盖度和纯度（集合内变异间最小绝对相关）。SuSiE 默认会过滤纯度低于 0.5 的可信集。一个信号的可信集里只有一两个变异、且 PIP 集中，说明定位分辨率高。
6
叠加功能注释
把可信集变异与编码后果、剪接位点、eQTL、启动子和增强子注释叠加。落在编码区的错义或无义变异、位于组织特异开放染色质里的变异，通常排在实验验证名单前列。
7
位点到基因排序
综合多条证据为每个区域打分：可信集内是否有编码变异、与哪个基因的 eQTL 共定位、染色质互作连到哪个启动子、到基因的距离，以及基因层面的关联结果。输出每个区域的候选基因排序和支持证据清单。

关键参数与决策

最大信号数 L 或 --n-causal-snps

susieR 中 L 的默认值是 10，模型会自动把多余的效应收缩为零；FINEMAP 的最大因果数设得过小会把多信号区域硬压成单信号。可以先用较大的 L 运行，再看实际保留下来几个可信集。

可信集覆盖度

常用 95%，表示可信集以 95% 后验概率包含一个因果变异。改成 99% 会让集合变大；在报告中应写明覆盖度，否则不同研究的可信集大小没法比较。

LD 来源

in-sample LD 最可靠。只能用外部参考时，参考样本的祖源要匹配，样本量越大的 GWAS 对 LD 误差越敏感。荟萃分析结果做精细定位时，可用各队列样本量加权的 LD 或只在 in-sample LD 可得的队列中做。

效应先验

SuSiE 的 prior_variance 默认会在拟合中估计；FINEMAP 可设置先验标准差。使用功能先验（如 PolyFun 计算的先验）时，要确认注释与研究组织相关，否则可能把 PIP 推向无关变异。

区域宽度

窗口太窄会漏掉与 lead SNP 中等 LD 的二级信号，太宽会增加计算量并引入更多 LD 误差。常见做法是 lead SNP 上下 500 kb 左右，再根据区域图上的 LD 衰减调整。

常见错误

用 1000 Genomes 小样本 LD 对数十万例 GWAS 做精细定位：LD 估计误差被放大，可能出现 PIP 很高却毫无生物学依据的假因果变异。
汇总统计与 LD 参考的效应等位基因方向不一致却没翻转：Z 值与 LD 矛盾，模型会人为拆出多个信号或给出空的可信集。
只看 PIP 最高的那一个变异：可信集里多个变异 PIP 接近时，任何一个都可能是因果变异，实验验证应覆盖整个高 PIP 子集。
对填充质量差的位点不加过滤：低 INFO 位点的 Z 值被衰减，真正的因果变异可能因填充差而排名靠后。
把可信集最近的基因直接当目标基因：增强子可以调控数百 kb 外的基因，距离只是证据之一。
区域内信号很弱仍强行定位：P 值远未达显著时，可信集往往覆盖整个区域，没有解释价值。

结果怎么看

PIP 区域图

横轴为位置，纵轴为每个变异的 PIP，常和 -log10(P) 区域图上下对照。理想情况是少数变异 PIP 突出、可信集用不同颜色区分。若 PIP 平均分散在几十个高 LD 变异上，说明该区域 LD 太强，单靠统计无法区分。

可信变异集表

每行一个可信集，列出变异数、累计 PIP、纯度、lead 变异和其中的功能注释。可信集只有 1 到 5 个变异时分辨率较好；纯度很低的集合说明内部变异并不相关，往往是 LD 不一致造成的伪信号。

Z 值一致性诊断图

kriging_rss 输出的观测 Z 值对预测 Z 值散点图，大多数点应落在对角线附近。少数点远离对角线且标为可能翻转，说明这些位点的等位基因编码有误，需要修正后重跑。

候选基因证据表

每个区域列出候选基因和对应证据：编码变异、eQTL 共定位、染色质互作、距离等。证据来自多个独立来源的基因更可信；仅靠距离排第一的基因应标注为证据较弱。

和相近方法怎么选

SuSiE 与 FINEMAP

两者都支持多因果变异。SuSiE 把信号拆成若干单效应的和，直接输出每个信号的可信集，运行快，R 中易于集成；FINEMAP 用随机搜索枚举因果组合，可报告不同因果数的后验概率。条件允许时两者都跑，结果一致的可信集更可靠。

精细定位与条件分析（COJO）

条件分析通过逐步回归判断区域内有几个独立信号，给出的是每个信号的代表 SNP，没有不确定性度量。精细定位给出每个变异的 PIP 和可信集，更适合挑选实验候选。常见做法是先用条件分析了解信号数，再用精细定位细化。

精细定位与共定位

精细定位回答单个性状的区域里哪个变异是因果的；共定位回答两个性状（如 GWAS 与 eQTL）是否共享同一个因果变异。coloc-SuSiE 把两者结合，先对每个性状做精细定位，再逐对比较可信集。

常见问题

PIP 多高才算可信的因果变异？

没有统一阈值。很多研究把 PIP 大于 0.5 或 0.9 的变异作为高置信候选，但 PIP 依赖 LD 参考和先验设置。更稳妥的做法是同时报告可信集，看因果概率在几个变异之间如何分配，而不是只挑一个最高值。

没有个体基因型，能做精细定位吗？

可以。susie_rss 和 FINEMAP 都支持只用汇总统计加 LD 矩阵。关键是 LD 矩阵要和 GWAS 人群匹配，并且最好先做 Z 值与 LD 的一致性检查。如果只能用小样本公共参考，结果应作为探索性证据。

credible set 为什么有时是空的？

SuSiE 会丢弃纯度低于阈值的可信集，区域信号太弱、LD 不匹配或等位基因方向错误都会导致没有通过的集合。先检查区域是否有显著信号，再看 Z 值一致性诊断图，排除方向错误后再判断。

多个人群的 GWAS 如何一起做精细定位？

不同祖源的 LD 结构不同，把它们结合能缩小可信集。可以分别在各人群中精细定位后比较，也可以用专门的跨祖源方法（如 SuSiEx）在统一模型中利用各人群自己的 LD。前提是每个人群的 LD 都与各自样本匹配。

精细定位之后怎么确定目标基因？

把可信集变异与 eQTL 共定位、染色质互作、编码后果和基因层面关联结果结合，形成证据清单。Open Targets 等平台提供的位点到基因评分可作参考。最终仍需要扰动实验，例如敲除增强子后看哪个基因表达变化。

在 Codar 里怎么做

在 Codar 里提供 GWAS 汇总统计和关注的区域，会先确认 LD 来源与区域划分，再完成等位基因对齐和 LD 一致性检查，运行多信号精细定位，输出每个变异的 PIP 和各信号的可信变异集。随后综合编码后果、eQTL、染色质证据和距离，对每个位点做到基因的优先排序。交付 PIP 区域图、可信集表、候选基因证据表、分析报告和可复现脚本。

可以这样提问

我有一份 2 万例东亚人群的血脂 GWAS 汇总统计，第 19 号染色体有个强信号，想用 SuSiE 做精细定位，并排一下最可能的目标基因

了解群体遗传学插件