遗传力与遗传相关分析（LDSC）
遗传力回答「性状的个体差异有多少来自遗传」，遗传相关回答「两个性状在多大程度上共享遗传基础」。SNP 遗传力只计算常见位点能解释的部分，通常低于双生子研究的估计。LD score 回归（LDSC）利用一个规律：多基因性状中，与更多位点处于 LD 的 SNP 平均关联统计量更大。把每个 SNP 的卡方统计量对其 LD score 回归，斜率反映遗传力，截距反映群体分层等混杂；对两份 GWAS 的 Z 值乘积做同样的回归，就得到遗传相关 rg。LDSC 只需汇总统计，适合公共 GWAS 之间的大规模比较。Genomic SEM 则在多性状遗传协方差矩阵上拟合结构方程模型，提取共同遗传因子。
什么时候用
- 想估计某个性状由常见 SNP 解释的遗传力，并判断 GWAS 是否有足够信号
- 比较两种疾病或性状是否共享遗传基础，如精神疾病之间、代谢与心血管性状之间
- 判断 GWAS 的统计量膨胀来自多基因性还是群体分层
- 想知道遗传力在哪些组织特异注释或功能类别中富集
- 有多个高度相关的性状，想用 Genomic SEM 构建共同遗传因子或做多变量 GWAS
不适合的情况
- GWAS 样本只有几千例或更少：LDSC 估计的标准误很大，遗传力和 rg 常无法与零区分
- 跨祖源的两份 GWAS 直接用同一套 LD score 算 rg：需要专门的跨人群方法
- 用遗传相关推断因果方向：rg 是对称的相关，不说明谁影响谁
需要准备的数据
- GWAS 汇总统计
- 需含 SNP、A1、A2、Z 或 BETA 与 SE、P、样本量 N；二分类性状需另记病例数和对照数
- LD score 文件
- 需与 GWAS 人群祖源一致，如欧洲人群常用 1000 Genomes 欧洲样本计算的 eur_w_ld_chr
- 位点列表
- 常用 HapMap3 位点列表（w_hm3.snplist）限定分析位点，保证填充质量较高且各 GWAS 可比
- 患病率（二分类性状）
- 样本患病率和人群患病率，用于换算到易感尺度；人群患病率应来自与研究人群匹配的流行病学数据
分析步骤
- 1
整理汇总统计
用 munge_sumstats.py 读入汇总统计，配合 --merge-alleles 只保留 HapMap3 位点，脚本会过滤低 INFO、低 MAF 和链方向歧义的位点。运行日志里要看保留位点数和平均卡方，保留位点过少通常是列名识别或基因组版本问题。
- 2
估计 SNP 遗传力
用 ldsc.py --h2 输入整理后的文件和 LD score，得到观测尺度遗传力、截距和比率。二分类性状加 --samp-prev 和 --pop-prev 得到易感尺度遗传力。遗传力 Z 值过低时，后续遗传相关通常不稳定。
- 3
解读截距
单性状截距接近 1 说明膨胀主要来自多基因信号；截距明显大于 1 提示分层或隐性亲缘未校正。比率（截距减 1 除以平均卡方减 1）表示膨胀中混杂所占比例，比率高时应回头检查 GWAS 的校正。
- 4
估计遗传相关
用 ldsc.py --rg 输入两份或多份整理后的文件，输出 rg、标准误、P 值和交叉性状截距。交叉截距反映样本重叠与表型相关，LDSC 的 rg 估计对样本重叠是稳健的，不需要事先剔除重叠样本。
- 5
多性状矩阵与校正
批量计算多个性状两两之间的 rg，对 P 值做 FDR 或 Bonferroni 校正后画成热图。性状较多时可按 rg 聚类，观察哪些性状形成遗传上的「家族」，为后续 MR 或 Genomic SEM 选择性状。
- 6
分区遗传力（可选）
用分层 LDSC 结合 baseline-LD 模型和组织特异注释，加 --overlap-annot 运行，看遗传力在各注释中的富集倍数和 P 值。富集到与疾病相关的组织（如免疫病富集到免疫细胞增强子），可以作为结果合理性的佐证。
- 7
Genomic SEM 建模（可选）
在 R 包 GenomicSEM 中用 munge 和 ldsc 函数得到遗传协方差矩阵，再用 commonfactor 或 usermodel 拟合因子模型，查看 CFI、SRMR 等拟合指标。模型合理后可用 userGWAS 做共同因子的多变量 GWAS。
关键参数与决策
人群患病率
易感尺度换算对人群患病率很敏感。病例对照研究中样本患病率常为 0.5，人群患病率可能只有百分之几，两者设置错误会让遗传力相差数倍。报告时应同时给出观测尺度结果和使用的患病率。
有效样本量
二分类 GWAS 若只给总样本量，可用有效样本量 4/(1/病例数 + 1/对照数) 代替，荟萃结果尤其需要。对每个位点样本量不同的汇总统计，保留逐位点的 N 列比用统一值更准确。
是否约束截距
默认截距自由估计。若已知两份 GWAS 无样本重叠，可用 --intercept-gencov 把交叉截距固定为 0，标准误会变小，但约束错误会带来偏倚。没有把握时保持自由估计。
MHC 等特殊区域
MHC 区 LD 极强、效应很大，容易主导回归。常见做法是在 munge 后排除该区域；自身免疫病等以 MHC 为主要信号的性状尤其需要，并在方法里说明。
常见错误
- LD score 与 GWAS 人群祖源不匹配：东亚 GWAS 用欧洲 LD score 会使斜率和截距同时偏离，遗传力和 rg 都不可信。
- 二分类性状只报告观测尺度遗传力：观测尺度值取决于病例比例，不同研究之间无法比较，应换算到易感尺度。
- 遗传力本身不显著时仍报告 rg：分母接近零，rg 可能超出 -1 到 1 的范围或标准误极大，结论没有意义。
- 汇总统计中 BETA 与 OR 混用或 Z 值方向错误：munge 后 Z 符号反转，rg 的方向会整体颠倒。
- 把 rg 显著等同于存在因果关系：共享的多效性位点或共同的上游因素同样会产生遗传相关，因果需另用 MR 检验。
- 用双生子遗传力和 SNP 遗传力直接比较却不说明口径：两者定义不同，差距本身不代表分析出错。
结果怎么看
遗传力结果表
包括 h2 与标准误、截距、平均卡方、λGC 和比率。看 h2 是否显著大于零，截距是否接近 1。λGC 远大于 1 但截距接近 1，说明膨胀主要来自真实多基因信号而非混杂。
遗传相关热图
每格是两个性状的 rg，颜色表示方向和大小，星号标注校正后显著。看哪些性状聚成一组，以及与已知生物学是否一致。如果大量 rg 接近 1 或超出边界，先检查对应性状遗传力是否太低。
分区遗传力富集图
每个注释的富集倍数及置信区间，或按 -log10(P) 排序的条形图。关注与疾病机制相关组织是否排在前列。富集到所有组织都显著时，往往说明注释与 baseline 模型重叠，未被充分控制。
Genomic SEM 路径图
展示共同因子对各性状的载荷和残差方差。载荷高说明该性状的遗传变异主要由共同因子解释；某个性状残差方差为负或载荷大于 1，说明模型设定不合理，需要调整结构。
和相近方法怎么选
LDSC 与 GCTA-GREML
GREML 用个体基因型构建遗传关系矩阵，样本量中等时估计更精确，但需要个体数据并剔除近亲（常用关系阈值 0.025）。LDSC 只要汇总统计，适合比较大量公共 GWAS，但样本量小时标准误大。有个体数据且样本不大时优先 GREML。
LDSC 与 HDL
HDL（高清似然法）同样基于汇总统计，利用完整 LD 矩阵信息，估计 rg 的标准误通常比 LDSC 小。LDSC 使用更广、结果解读资料更多。两者可互为敏感性分析，方向一致时结论更稳。
全局遗传相关与局部遗传相关
LDSC 给出全基因组平均的 rg，正负效应区域相互抵消时可能接近零。局部方法（如 LAVA）在每个 LD 区块内估计 rg，能发现方向相反的区域。全局 rg 不显著但怀疑存在局部共享时可以补做。
常见问题
LDSC 遗传力很低或为负数是怎么回事？
常见原因是 GWAS 样本量太小、性状遗传力本身很低，或 munge 后保留的位点过少。负值说明估计不确定性大于信号，应看标准误而不是点估计。可检查平均卡方是否明显大于 1，平均卡方接近 1 时 LDSC 很难估出可靠的遗传力。
遗传相关 rg 大于 1 正常吗？
rg 理论上在 -1 到 1 之间，但 LDSC 的估计没有强制约束，一个或两个性状遗传力很低时可能超出边界。这种结果说明估计不稳定，应结合标准误报告。很多研究以遗传力 Z 值大于 4 左右作为计算 rg 的经验门槛。
样本有重叠还能用 LDSC 算遗传相关吗？
可以。样本重叠会让两份 GWAS 的统计量因非遗传因素也相关，这部分被交叉性状截距吸收，rg 估计本身不受影响。交叉截距明显不为零，本身就提示存在样本重叠或表型相关。
SNP 遗传力为什么比双生子遗传力低？
SNP 遗传力只包含基因分型和填充位点通过 LD 捕获的加性效应，罕见变异、结构变异和非加性效应大多不在其中。双生子估计包含全部遗传因素，还可能受共同环境影响。两者差距常被称为「缺失遗传力」。
Genomic SEM 和普通 LDSC 有什么区别？
LDSC 输出两两性状的 rg；Genomic SEM 以这些遗传协方差为输入，拟合结构方程模型，检验多个性状是否由共同因子解释，还能做以共同因子为表型的 GWAS。适合研究精神疾病、代谢性状等一组相关性状的共享遗传结构。
在 Codar 里怎么做
在 Codar 里提供一份或多份 GWAS 汇总统计并说明人群祖源和患病率，会先确认 LD score 来源和要比较的性状，然后完成汇总统计整理、SNP 遗传力估计（二分类性状换算到易感尺度）、两两遗传相关计算和多重校正；需要时继续拟合 Genomic SEM 共同因子模型。交付遗传力结果表、遗传相关热图、模型拟合结果、分析报告和可复现脚本。
我下载了抑郁症、焦虑症、失眠和 BMI 四份欧洲人群 GWAS 汇总统计，想用 LDSC 算各自遗传力和两两遗传相关，再试一个共同因子模型