人的基因信息已成为研究人的结构与功能并让人类改造自我的是最具活力的领域之一，具有日益广泛的社会影响。在《基因序列是如何决定人的多方面性状智力及疾病特征的？》中，佳学基因讨论了该领域的最新成就、正在进行的努力和未来的挑战。技术进步、统计方法和研究规模的不断扩大都为基因解码提供了许多见解，让人们了解了导致当前遗传变异模式的过程。人类特征和疾病的大量遗传关联图谱使人们能够对其遗传结构进行表征。最后，对遗传变异的分子和细胞效应的基因解码为人们了解疾病背后的生物学过程提供了见解。虽然还有许多悬而未决的问题，但随着该领域越来越多地使用遗传数据来了解我们物种的历史及其在改善人类健康方面的应用，它已准备好取得突破性发现。

佳学基因为什么要探索基因序列是如何决定人的多方面性状及智力特征的？

佳学基因将 20 世纪理解遗传信息结构和内容的进展分为四个阶段。每个阶段约占四分之一世纪：发现染色体；定义 DNA 的分子结构；发现基因功能的分子机制；最终确定整个基因、支架和基因组的序列。这些成就推动了整个遗传学领域在 21 世纪初进入基因组时代。

在21世纪的第一个 25 年即将结束，我们可以回顾一下基因组学在这一时期取得的最高成就：人类群体遗传变异的特征描述和其对表型变异的贡献的发现。自人类基因组序列草图公布以来，人类遗传学在遗传数据的多样性和质量方面都经历了显著增长，同时人们对遗传变异与各种表型之间的关联有了更深入的了解（图 1a）。这些发展证明了遗传学在表征人类生物学（从分子到生理水平）以及我们物种的进化历史和复杂性状的进化方面发挥着根本性作用，正如我们在本综述中讨论的那样。

这些投资也受到人类基因研究增进人类健康的潜力的推动。这可以通过两种协同途径展开。准确预测遗传对疾病风险的影响可以改善诊断、预后和治疗选择。虽然基因组医学已经对罕见疾病产生了变革性的临床影响 ，但复杂疾病中的类似应用由于多基因风险评分基因解码技术的出现而开始应用（图 1b ）。除了预测之外，人类遗传学还通过识别与疾病有关的致病基因和分子机制来促进新药和干预措施的开发（图 1c）。这种模式得到了遗传证据支持的药物靶标成功率较高的良好支持。这需要表征遗传疾病关联的功能机制，这些遗传预测和机制理解目标的基础是群体遗传学，它描述了导致和维持人类遗传变异的过程。

存在于人群的基因变异的来原及其模式

群体遗传学起源于一个多世纪前，与现代统计学同时出现，是一门研究群体内遗传变异起源和进化的学科。传统上，“群体”在生物学意义上是指随机交配的个体群体。然而，当应用于我们自己物种时，这个术语通常用于划分人类群体，从而暗示人类遗传变异的离散单位，这与全人类共享的惊人变异量形成鲜明对比 。佳学基因在普及基因解码知识时从生物学技术意义上使用“群体”，但越来越多的学科呼吁改变将人类群体标记为离散独立单位的呼吁，特别是当社会制度影响了这些单位标签 。事实上，美国国家人类基因组研究所的战略计划中提出了十大“到 2030 年人类基因组学的大胆预测”之一：“人类基因组学研究将超越基于种族等历史社会结构的群体描述。” 

Hubby 和 Lewontin 率先使用凝胶电泳法来证明自然种群在基因层面上的变异，他们引用了这样的观点：“对一个种群的基因变异的描述是进化研究的基本数据。”因此，关注一个种群的基因变异的群体遗传学研究对于理解复杂性状的遗传基础至关重要，而未来的许多研究机会都存在于人类群体遗传学和统计遗传学的交叉点上。

群体遗传学的基因组时代数据集

早期与人类基因组计划同时开展的项目使人们对近代人类种群历史有了更多的了解，特别是人类基因组多样性小组 (HGDP) ；和国际 HapMap 计划（以下简称“HapMap”）。HGDP 包含来自全球分布人群的 1064 个个体的淋巴母细胞系，用于表征人类群体遗传变异。HapMap 是一项国际合作，始于 2002 年，专注于开发人类基因组单倍型图谱，其特定目的是推进遗传关联研究。HapMap 最终导致在 2009 年发布了来自 11 个人群的 1301 个样本的超过 160 万个单核苷酸变异 (SNV) 。 1000 基因组计划于 2008 年启动，是 HapMap 项目的延续，旨在对人类基因组中在研究人群中频率至少为 1% 的变异进行分类。该计划将关注点从 SNV 扩展到其他类型的遗传变异，并使用低覆盖率和高覆盖率的全基因组和外显子组测序，开启了专注于分析全基因组序列的群体遗传学新阶段。1000 基因组计划的数据包括来自 26 个种群的 2,500 多个个体的序列。

除了专注于描述一般人群遗传变异的项目外，由于数据资源可访问但与供体表型无关，为复杂性状基因图谱创建的大型病例对照数据集（见下文）也用于群体遗传推断。今天，这种趋势仍在继续，人们越来越重视生物库数据集，这些数据集结合了来自多达数十万个体的基因数据集进行全面的表型分析，通常利用医疗保健系统和基因型登记。生物库对于群体遗传研究的一个主要好处是，由于其规模以及远亲和近亲的存在，它们可以提供过去几百年来基因流动、选择性交配和种群结构的高分辨率洞察。例如，英国生物库包含超过 40,000 个一级和二级亲属对，FinnGen 包含超过 30,000 个一级和二级亲属对。

虽然早期以疾病为重点的病例对照数据集中来自非欧洲血统的数据很少，但在生物库时代取得了一些进展 — — 至少在非欧洲捐献者的绝对数量上，例如日本生物库和 All of Us。但是，欧洲血统仍然在大多数生物库中占主导地位，例如英国生物库、FinnGen、deCODE 和爱沙尼亚生物库。不幸的是，尽管非洲人群对于理解人类遗传变异的起源具有特殊价值，但在遗传数据集中仍然未得到充分研究和代表性不足。此外，对大规模和生物库数据集的研究通常仍然忽略来自少数群体的数据，这不仅强调了多样化数据对于分析的重要性，而且强调了处理不平衡数据集和不同程度的连锁不平衡（LD，不同遗传变异的等位基因相关性）的方法在人类遗传研究中的重要性。在基因研究多样化过程中，对数据和方法的需求与伦理、法律和社会问题密不可分。从 HGDP 开始，许多人口遗传学研究都曾面临并将继续面临有关从参与个人及其社区收集和使用基因数据的伦理问题。对于生物库项目和其他基因研究，知情同意实践至关重要，同时还需要社区参与和向利益相关者发布结果。

从遗传学研究洞察人类种群历史

应用于自然种群遗传变异数据的种群遗传学方法能够基于四个基本过程推断过去：突变、重组、漂移（由有限的种群规模引起）和选择。第五个过程——迁移（基因流动）越来越受到重视，它被认为是在多个时间尺度上塑造人类遗传变异的力量。总之，对这些过程的分析为了解人类种群历史及其对当代人类遗传变异模式的贡献提供了宝贵的见解。

群体遗传学研究的主要重点领域之一是描述人类在漫长时间尺度上的迁徙特征。最近，人类起源的新模型凸显了非洲深层人口结构的复杂性，这反过来又为扩大古代基因渗入现代人类的研究重点提供了途径，超越非洲以外的模式。在许多地理区域，数千年来的局部迁徙使遗传距离和地理距离之间呈现出高度相关性。然而，殖民化和奴隶制等历史事件进一步导致了混合种群的建立和存续——这些种群是两个或多个先前分离的源种群之间基因流动的后代，其后代个体随着时间的推移从源种群中获得不同比例的血统。基因组时代测序技术的进步和医学研究大规模数据集的引入，使人们能够深入了解最近和更局部的基因流动，例如美国南部非洲裔美国人大迁徙（1910-1970 年）。虽然一些迁徙事件从考古学和历史记录中相对知名，但捕捉生物祖先的基因数据为人类历史上的人口流动提供了独特的见解。

人类历史中大部分时期的种群建立事件导致遗传变异急剧减少。再加上人类物种在非洲的起源相对较晚，导致了一种模式：人类个体基因组之间的遗传差异非常小，比许多其他物种的差异要小；常见变异往往是跨种群共享的；大多数人类遗传变异相当罕见，仅限于单一大陆祖先。虽然单核苷酸变异出现在基因组 3.1% 的位点中，但绝大多数已编目的变异都极为罕见，因此任何两个个体之间的差异平均只有几百万个单核苷酸变异，占基因组的不到 0.1%。由于连续奠基者效应，遗传变异的数量随着人口与非洲的距离而减少：最近为协调 HGDP 和 1000 Genomes 高质量全基因组序列数据而做出的努力计算出每个非洲个体平均有 6.1M 个 SNV，其他个体有 5.3M 个 SNV，结构变异也有类似的模式。在成对比较中，两个约鲁巴人对测序的单核苷酸变异有 4,897,091 个成对差异，比两个法国人或两个东亚人高出 38% 以上。LD 在非洲血统中也是最低的，其次是欧洲、亚洲和美国血统。

人类疾病和特征的遗传结构

将遗传变异与表型联系起来并了解其背后的生物学机制一直是人类遗传学的基本目标，但实现这一目标的手段在过去几十年中发生了巨大变化。最初的努力集中于对患有严重或高度家族性疾病的个体进行基因分型，以确定他们共有的致病突变，假设这些突变具有高度渗透性且数量很少。与此同时，连锁研究收集了患病和未患病个体的家族，并追踪了病例中过度表达的基因片段，有时暗示了许多基因的大单倍型。随着基因分型成本的下降，共同性状的研究转向关联研究，其中对大量不相关的病例和对照进行基因分型，并测试单个变异与感兴趣性状的相关性。在候选基因关联研究的初始阶段，只对预先定义的区域进行基因分型和测试，导致了相互矛盾的发现，许多人质疑常见变异对常见疾病的贡献。然而，全基因组关联研究 (GWAS)的理论和实际应用，加上严格的多重检验校正，开始产生可在独立研究中重复的稳健关联。即使是这些早期的关联也常常出奇的薄弱，表明常见遗传变异对表型的贡献很小，或者涉及许多变异的高度多基因贡献。随着 GWAS 样本量的增长，常见性状多基因性的证据不断积累，这意味着需要进行非常大规模的研究才能识别出所有导致疾病的遗传变异。这促使了大型生物库的兴起，并推动了全基因组显著关联的数量达到数十万，从而能够高度精确地估计疾病结构：整个基因组中导致疾病的变异的数量、频率、基因组分布和疾病贡献。

最近，疾病基因解码又回到了原点，大规模的兄弟姐妹和基于家庭的 GWAS 出现了，这种研究与早期的连锁研究相似，但规模更大。基于家庭的研究可以将疾病结构划分为所谓的直接影响和间接影响；前者与个体内的变异有关，后者与其亲属共享的变异有关（可能通过共享环境起作用）。虽然这些研究规模仍然相对较小，但它们已经表明，许多明显的遗传关联实际上与环境对特征的影响有关，而不是因果关系，可能跨越几代人和社区。虽然常见特征的研究主要由常见变异的 GWAS 推动，这得益于廉价的基因分型阵列，但现在可以通过大规模的外显子组和基因组测序研究来量化罕见变异的贡献，这些研究可以捕捉到遗传变异的全谱。直接遗传关联研究通常对罕见变异的效力不足，导致使用负担测试来“压缩”测试基因中的所有变异。尽管实现方式和标准不同，但类似的方法通常包括连锁分析的特征，并应用于孟德尔疾病遗传学。

普遍存在的常见变异遗传性

在基因分型出现的几十年前，遗传因素对某一性状的总贡献，即可通过双胞胎和基于家庭的研究来估算。在某些严格的假设下，同卵双胞胎和异卵双胞胎之间或跨家庭关系中表型相关性的增强可分解为遗传和环境成分。大规模基因分型使得类似的原理能够应用于假定无关的个体，通过对比遗传相似性和表型相似性的细微模式来估算所谓的基因型、SNP或芯片遗传性。得到的参数量化了由所有基因型变异和与它们相关的任何未分类变异所解释的表型差异。已经设计出多种方法来估计 SNP 遗传力，要么使用个体层面的数据，要么使用多基因评分，要么仅仅使用汇总层面的数据，但所有这些方法都集中在一个普遍的发现上，那就是大多数常见性状都具有显著的 SNP 遗传力。例如，在英国生物库中，551 种常见表型在所有疾病和非疾病性状中的平均 SNP 遗传力分别为 10.9% 和 15.6% ；在日本生物库中，58 种连续性状的平均 SNP 遗传力估计为 8.6%。事实上，几乎每一种常见的生物库表型都与遗传学有某种相关性，FinnGen 生物库中 91% 的性状表现出至少一种全基因组的显著关联（对于病例数 > 10,000 例的性状）。因此，识别影响任何共同特征的一些遗传变异应该是预期而不是例外。

共同性状的极端多基因性

除 SNP 遗传力外，推动遗传学发现的另一个关键参数是性状多基因性：影响性状的因果变异总数及其效应大小的分布。高度多基因性状涉及许多弱因果变异，需要大量样本才能表征。由于大多数因果变异仍然未知，因此提出了各种性状多基因性的量化方法，例如对性状的非零效应数量、独立变异的有效数量或解释给定遗传力分数的因果变异的最小数量 。无论采用何种统计模型，多基因性一直被估计为非常高，范围从某些估计量的数千个因果变异到其他估计量的数百万个变异。这些惊人的估计值意味着，对于某些性状而言，许多因果变异平均通过基因组中的几乎每个基因起作用，并涉及一半以上的常见多态性。总体而言，细胞和色素沉着性状表现出最低的多基因性（数百种因果变异），而人体测量和认知/行为性状表现出一些最高的估计值（>10,000 种有效变异）。虽然具有相似遗传力的性状通常表现出不同程度的多基因性，但不同性状之间多基因性的差异通常低于预期，这表明选择（驱动多基因性的因素之一）可能对不同性状具有多效性，而不是对任何一种测量的表型起作用。最近，一项对 540 万参与者身高的 GWAS 研究表明，12,111 个联合显著变异解释了 40% 的表型变异（而总的 SNP 遗传率为 45%），为高性状多基因性提供了第一个直接证据。高多基因性的进化原因仍在积极研究中，但其含义很明显：了解人类特征需要提炼数万个变异的功能。

疾病多基因性的功能划分

与分区 SNP 遗传力类似，多基因性也可以分区，以量化给定的功能注释包含的变异对疾病的影响强还是弱。令人惊讶的是，分区多基因性的估计值与分区遗传力表现出非常高的相关性 (r =0.88) 。例如，与其他 SNP 相比，保守区域中的 SNP 在遗传力方面富集了 13 倍，在多基因性方面富集了 14 倍，这意味着它们对遗传力的过大贡献可能部分归因于因果变异数量的增加，而不是绝对效应大小的增加。这种模型被称为遗传力的“扁平化”，认为自然选择已经将功能重要区域中的因果变异分布（或“扁平化”）为更加多基因的。由于较高的多基因性也会导致 GWAS 功效下降，因此最显著的 GWAS 关联（以及在较小规模 GWAS 研究中发现的关联）可能并不位于功能上最“重要”的区域。遗传效应的“扁平化”也可能解释为什么许多复杂性状似乎是“全基因的” ：由少数对性状有直接影响的“核心”基因控制，而这些基因又受到负选择的不成比例的抑制，从而增加了与性状没有直接联系的“外围”基因的相对贡献。对扁平化和全基因模型的一种解释是，仅从顶级 GWAS 命中中映射“核心”基因可能很困难，因为较大的变异效应大小并不涉及最生物学相关的基因或药物靶点。有趣的是，最近的分析表明，无论效应大小、等位基因频率或 GWAS 年份如何，已批准的药物靶基因都富含 GWAS 关联证据7。因此，更大规模、更强大的 GWAS 可能继续为疾病机制和治疗方法提供重要见解，甚至提高相关性。

罕见变异遗传性

大型全基因组和全外显子组测序研究的出现开始使罕见和低频变异疾病结构的特征描述成为可能。最初，研究依靠参考数据的基因型推断来探索低频变异（0.5-5%）的遗传力。例如，在英国生物银行的 40 个特征中，编码变异解释的低频 SNP 遗传力（17%，富集 38 倍）比例大于常见 SNP 遗传力（2%，富集 7.7 倍），这与负选择将效应较大的（通常是编码）变异保持在较低频率的作用一致。尽管如此，所有编码和 UTR 变异（即通过外显子组测序捕获的变异）仍然只能解释 26.8% 的低频 SNP 遗传力，这表明全基因组测序对于识别大多数低频效应是必要的。

最近，利用来自 25,465 名无关个体的全基因组测序数据来估计总的 SNP 遗传力，包括罕见变异。这些总遗传力估计值为身高 68% 和 BMI 30%，而常见的 SNP 遗传力分别为 48% 和 24%。因此，与单独使用常见变异相比，罕见变异可能会使解释性状方差增加 1.25 到 1.4 倍。身高遗传力的主要贡献来自低 LD 的非常罕见变异，这些变异特别难以从参考图组中推断出来。尽管这是一项根本性的进步，但该研究也有局限性：使用复杂的遗传力划分来解释等位基因频率和 LD 偏差，以及使用传统的常见变异方法来解释种群结构（这可能不适用于罕见变异）。更多的数据、更多的性状和新颖的方法将继续阐明全基因组遗传力的问题。有趣的是，这两个估值都明显低于先前双胞胎研究的估值，这意味着双胞胎队列分析中存在额外的未分类的遗传变异（例如，由于结构变异）或系统偏差。

新兴方法（如负担遗传力回归）已将全基因组分区遗传力的估计扩展到罕见变异。假设稀有等位基因可能在基因内具有一致的效应，该方法量化了可通过所有基因的基因负担来解释的性状的总变异。当应用于英国生物银行中 22 种常见性状的 690 万个编码变异时，平均负担遗传力估计为 1.3%（对于功能丧失和频率低于 0.001 的错义变异）并且对于每种性状均显着非零。值得注意的是，在同一队列的独立分析中单独显着的基因通常可以解释很大一部分负担遗传力：例如，仅APOB就解释了 LDL 胆固醇 39% 的负担遗传力，172 种已知的肿瘤抑制基因解释了复合癌症表型 48% 的负担遗传力。如果准确的话，这些估计值将意味着罕见变异特征结构的多基因性远低于常见变异中经常观察到的极端多基因性。佳学基因解码提醒，罕见变异疾病结构的表征仍处于起步阶段，需要更大的队列来理解这些参数并超越相对简单的负担模型。

目前已经开展了几项大规模全外显子组关联研究，并发现了新的罕见变异关联。对英国生物银行中约 450,000 名个体的外显子组测序数据进行了约 4,000 种性状的关联测试，在 564 个基因中鉴定出 8,865 个显著关联。研究观察到了对疾病结构的多重洞察。首先，罕见编码关联在常见 GWAS 基因座附近显著富集，距离 GWAS 关联最近的基因富集率为 59.3 倍，而距离 GWAS 关联一兆碱基范围内的基因富集率降低至 11.4 倍。这些发现表明，罕见变异和常见变异对常见疾病的影响呈现出惊人的趋同。其次，FDA 批准的药物靶标基因表现出关联的可能性高出 3.6 倍，这与之前的发现一致，即具有人类遗传学证据的药物靶标更有可能获得批准。第三，77% 的关联只能使用负担分析来识别，而无法使用单一变异关联，强调负担遗传性是这一样本量发现的主要驱动力。第四，虽然降低疾病的关联可能是最具吸引力的药物靶点，但仅发现了五个这样的关联，并且都是之前已知的，表明在未确定的队列中检测保护作用的能力较低。虽然大多数罕见变异关联都是有害的，但一项针对 n=749,459 人吸烟行为的外显子组研究是迄今为止规模最大的研究之一，该研究发现了CHRNB2中的罕见变异与重度吸烟的几率降低 35% 相关。这一发现凸显了发现治疗常见表型的新手段的机会越来越多。

跨祖先遗传结构

虽然上述分析大多集中于假定同质群体的遗传结构，但在理解不同群体的遗传结构方面正在取得进展。理论和数据驱动的研究表明，即使潜在的因果变异是共享的，多基因评分中的个体变异关联和关联集合很可能很难转化为遗传距离较远的群体 。这种缺乏可转移性可能是由因果变异等位基因频率、非因果变异的连锁不平衡 (LD) 模式以及真正的潜在效应（例如，受基因-基因或基因-环境相互作用的调节）等多种差异造成的。最近，在一个大型混合生物库中，涉及 84 种性状的遗传距离和多基因风险评分预测准确度之间存在惊人的线性关系（遗传距离和准确度之间的平均 Pearson 相关性为 -0.95）。重要的是，虽然平均风险分数值也与遗传距离显著相关，但相关性的强度和方向在不同性状和人群中差异很大，凸显了校正跨祖先分值估计值的挑战。除了证明缺乏可移植性之外，频率、LD 和效应大小的贡献现在也正在量化。最近一项针对混血个体的研究使用当地血统来量化非洲和欧洲血统片段之间因果效应大小的相关性。该估计值非常高，在 38 种性状和三个非常不同的生物库中，平均因果效应大小相关性为 0.95+/-0.02。这种高度的遗传相关性也与之前的研究一致，表明多基因评分可移植性差可能主要由人群间频率和 LD 差异来解释，而不是不同的因果变异。有趣的是，在同一研究中对来自不同种群的非混合个体进行估计时，遗传相关性明显较低（0.50+/-0.07），先前的研究也显示跨祖先相关性范围从 0.46 到 0.85，通常远低于 1.0，鉴于现有多祖先队列的缺乏，这些发现和悬而未决的问题进一步强调了设计关联研究以最大限度地提高群体水平和个体水平遗传多样性的重要性。事实上，大型多祖先生物库已经展示出增强的识别和细化因果变异的能力。

多种方法正在涌现，以最大限度地提高跨种群和祖先的遗传数据的效用。许多研究表明，通过整合功能注释，可以改善多基因预测和变异精细定位。值得注意的是，多基因预测准确度增益中的跨祖先准确度通常比种群内增益高得多，这表明更好地识别因果变异可以减轻由于种群间频率或 LD 差异而导致的一些异质性。此外，可以通过将（可能异质的）变异级效应聚合到基因等集合中，然后将这些集合的效应跨种群结合起来，来提高功效。原则上，此类变异集可以在各种生物尺度（基因、途径）上聚合，其效应通过生物网络进一步传播。这些方法强调了如何将对跨性状和种群的因果生物网络的更深入理解重新纳入多祖先分析，以进一步提高功效。

人类群体遗传学与统计遗传学交叉领域的机遇

正如人类基因组计划从一开始就概述的那样，人类基因组学研究的动机是了解人类疾病和复杂性状的遗传基础。展望未来，此类研究必须借鉴来自人类物种多样性的群体遗传模型和数据。佳学基因检测概述了统计和群体遗传学交叉领域的一系列研究机会。

如上所述，遗传关联和多基因评分的跨祖先可转移性仍然是该领域的一个关键挑战，而许多非欧洲血统缺乏可靠的数据集，这加剧了这一挑战。虽然对混合人群的初步研究表明，因果效应大小可能在人群中大致相同，但基因-基因和基因-环境相互作用的全部范围，以及它们的种群或性状特异性，仍有待量化。了解这些参数将进一步为在整个人类多样性范围内设计准确的预测分数提供参考。需要群体遗传摘要和祖先模型来提高关联结果的可转移性，特别是对于混合血统的个体，本地祖先感知分数构建可能会提高预测准确性。多项研究表明，增加遗传多样性可提高统计精细作图的分辨率，从而提高多基因评分的准确性。因此，来自代表性不足的个体的数据的多样性将为所有个体带来直接利益。

此外，环境异质性遍及人类遗传学研究，混淆了我们对人类疾病和复杂性状的遗传基础的理解，导致仅根据遗传数据无法准确预测性状。选择性交配和血缘关系模型强调，违反随机交配和平衡种群动态的标准群体遗传学假设会夸大人类性状之间观察到的相关性。最近的聚类和对比学习方法强调了影响下游遗传效应估计的混杂因素。虽然基于家庭的研究可以估计遗传变异对某一性状的直接和间接影响，但基于家庭的直接影响估计可能会受到遗传混杂因素的影响，而使用全基因组关联结果估计易感性时，这种影响会加剧。生物库的规模、元数据和环境协变量的日益详细以及纵向跟踪工作的开展将使人们更加了解环境混杂因素并更好地控制这些因素，同时允许利用远亲来估计遗传效应并了解近期的人口遗传过程，例如谱系崩塌。对人际关系、环境相关性和相互作用的复杂性进行建模将提高遗传发现的因果有效性和普遍性。

为了在风险预测和遗传研究中确定性状的优先次序，复杂性状结构的进化模型是关键。最近关于稳定选择的研究表明，许多经过充分研究的复杂数量性状的性状结构在多基因性方面相似，并且这种选择模式可能导致关联结果在种群间转移性降低。此外，对适应度影响较小的性状产生的可转移关联较少，而弱负选择会产生更多种群特异性的性状结构。量化多基因选择和适应对复杂性状的程度仍然是一个巨大的挑战，部分原因是解开细微的种群分层的复杂性。检测精细种群结构的改进方法、更大规模的家庭内分析和全面的选择模型将使我们能够更全面地了解全基因组的进化过程。除了解答人类进化的基本问题之外，这些发现还具有实际意义：如何从数千个与性状相关的基因座中挖掘出与疾病最相关的基因和药物靶点，以及如何整合罕见和常见变异的发现。

除了了解已知关联的机制之外，还有许多机会整合新的或难以收集的变异。大型生物库强调了结构变异的重要作用，包括拷贝数变异和串联重复，它们对迄今为止发现的性状的影响大小最大 。结构变异通常不直接进行基因分型，也常常不被推断，这使得我们对单一变异以外的疾病机制的认识存在空白。直接从数据中识别复杂结构变化的方法，以及基因组组装的改进，可能会揭示全新类别的疾病相关变异。同样，虽然加性变异和显性变异的作用已通过大规模生物库和遗传力分析得到很好的表征，但上位效应的影响在很大程度上仍然是个谜。虽然遗传相互作用和热点在模型生物中广泛存在，但由于搜索空间的广度和统计限制，它们在人类中的表征一直具有挑战性。对于比简单的成对相互作用更复杂的关系尤其如此，在人类群体中甚至不可能列举这些关系。群体遗传建模和功能研究的整合可能会突破统计限制，并将我们对特征效应的理解扩展到更高层次。

继续研究群体遗传学和统计遗传学之间的关系，以及提高使用基于家庭和系谱的方法研究生物库中的特征的能力，将有助于改进变异发现和风险预测，同时识别出具有较大环境影响的特征，对于这些特征，需要额外的研究、数据和方法进行风险评估、治疗和预防。

基因变异的分子和细胞效应

影响复杂生理特征和疾病的遗传变异必然对分子功能产生近端效应，进而影响随后的细胞水平分子过程。揭示这些遗传关联的分子和细胞介质已成为当代人类遗传学的中心焦点，因为它可以为从分子层面理解疾病的因果过程提供见解。这一点的意义超出了基础生物学的范围，因为这些过程是潜在的干预目标 （图1c ）。此外，虽然变异的许多分子效应对生理表型没有影响（图 2），但它们代表了基因组序列变异的自然实验，有助于理解基因组功能的生物学。

分析遗传变异功能效应的方法

尽管变异的分子效应分析自诞生之日起就成为分子遗传学的一部分，但直到 21 世纪 DNA 杂交阵列技术出现后，全基因组分析才成为可能。这项技术进步导致了表达数量性状基因座 (eQTL) 作图，以识别与基因表达水平相关的变异，这种方法大约 15 年前首次应用于人类（图 3a）。从那时起，这种方法已经发展到涵盖从表观基因组测量到剪接和蛋白质水平的分子表型，统称为分子 QTL (molQTL)。大型项目已经为各种组织和细胞构建了 molQTL 资源，包括在体外刺激下，单细胞技术的使用也越来越多。迄今为止，大多数稳健鉴定的 molQTL 都是顺式的，即通过顺式调控机制影响附近的靶基因，因为只有通过大样本量和仔细控制混杂因素，才能可靠地鉴定基因组中变体和基因之间的反式QTL。

在体外细胞系统中进行的实验性基因组扰动已迅速成为可扩展地映射遗传变异分子效应的流行工具（图 3b）。这些方法包括 MPRA（大规模并行报告基因检测）等染色体外检测和使用 CRISPR 工具包的基因组扰动，以及对分子效应的各种读数。正在进行的研究如 IGVF（基因组变异对功能的影响）和 AVE（变异效应图谱），旨在更系统地将这些工具应用于非编码和编码变异。大多数这些方法的一个关键先决条件是高质量精细映射以针对相关基因座上的可能致病变异，因此 GWAS 社区不断改进的方法和资源将极大地增强这些实验工作。

此外，来自 ENCODE 等项目的大量功能基因组学数据集为预测推断遗传变异效应提供了强有力的基础，即使没有直接分析基因组变异（图 3c）。这些方法的开发是一个非常活跃的研究领域，特别是在预测编码和剪接影响变异的影响方面取得了进展，而预测转录调控变异的影响已被证明具有挑战性。

复杂性状基因座的分子结构

遗传变异可能通过数十种不同的分子机制影响生物体表型。在这些机制中，最容易解释的可能是编码变异，它直接影响蛋白质编码序列和功能。然而，与早期孟德尔遗传病变异图谱发现致病 SNP 几乎总是影响编码序列不同，GWAS 很早就揭示了复杂性状关联背后的遗传变异通常是非编码的，并且会影响基因表达。这些发现激发了人们对了解遗传变异如何影响基因调控，特别是如何影响基因表达水平的兴趣。

在过去十年中，已开发出多种统计方法并将其应用于不同的数据集，以识别 GWAS 基因座的功能富集。迄今为止所鉴定的最引人注目的 GWAS 功能富集位于染色质可及性高的区域或与增强子和启动子相关的组蛋白修饰区域。事实上，多种常见性状的大部分 SNP 遗传力可以定位到调控区域而非编码区域，据估计，在 11 种疾病中，高达 79% 的 SNP 遗传力位于 DNAse I 超敏位点（涵盖 16% 的变异，富集 4.9 倍），或在 17 种常见性状中，15% 的 SNP 遗传力位于增强子元素中（涵盖 0.4% 的变异，富集 37.5 倍）。此外，哺乳动物中保守的区域估计包含 35％ 的 SNP 遗传力（涵盖 2.6％ 的变异，富集率 9.6 倍），这与进化受限元素在塑造疾病结构中的预期作用一致。

据报道，GWAS 位点在与多种类型的调控变异相关的变异中也富集。正如预期的那样，这些变异包括影响基因表达水平调控的遗传变异，例如通过影响 DNA 甲基化、组蛋白修饰水平和染色质可及性。 eQTL 精细定位的 SNP 中性状遗传力的富集与增强子区域中的性状遗传力的富集相似（非特异性 eQTL/增强子约为 5 倍，在性状相关细胞类型中特异性识别的 eQTL 或增强子约为 20 倍。然而，估计由重叠 eQTL SNP 的常见变异解释的总体性状遗传力（通过中介或富集分析估计的性状平均分别为 11%或 14%）往往比重叠增强子和启动子区域的遗传力（23.9-79.2%）小得多。尽管 11-14% 和 80% 的估计值可能分别代表由增强子或启动子中的 eQTL 和变异解释的遗传力的保守和乐观估计，但这些观察结果表明我们的 eQTL 图谱的质量远远落后于增强子和启动子区域，并且需要开展更多研究来了解调控变异如何影响基因表达。

除了影响基因表达水平的变异之外，GWAS 基因座还在许多其他类型的分子 QTL 中富集，例如影响 mRNA 剪接的QTL和对转录本结构和转录后修饰有其他影响的QTL。这些分子 QTL 中 GWAS 信号的估计富集程度变化很大，可能与性状有关。例如，几项研究报告称，影响 RNA 剪接的变异 (sQTL) 中神经精神 GWAS 基因座的富集程度高于 eQTL；最近的一项研究发现，RNA 编辑 QTL 中自身免疫 GWAS 信号的富集程度高于 eQTL 和 sQTL 。迄今为止，不同转录后 molQTL 解释的总体遗传力与增强子和启动子区域内的 eQTL 或变异所解释的遗传力相比相形见绌。不过，这可能仅仅反映了这样一个事实：与其他调控机制相比，eQTL 和增强子已经在更大规模和更广泛的细胞类型中得到了研究。

除了功能富集表明GWAS 基因座直接分子驱动因素的顺式调控机制外，GWAS 还提供了独特的因果关系锚点，用于识别导致性状的因果分子过程发生的细胞类型和细胞状态。了解这些细胞类型的特异性可以为疾病生物学以及最大限度减少脱靶副作用的干预措施的潜在目标提供信息。对于大多数复杂的性状，从临床特征推断因果细胞类型并非易事，因为疾病的症状可以精确定位不同的组织、细胞类型或发育阶段，而不是导致疾病的过程发生的位置。应对这一挑战最有效的方法是分析在特定组织和细胞类型中活跃的基因和调控元件的 GWAS 遗传力富集（例如，113、125）。值得注意的是，一个主要发现是增强子/启动子区域中 GWAS 基因座的富集在直观的细胞类型或组织类型中最高。例如，自身免疫性疾病基因座最富集于在免疫细胞类型（例如 T 细胞和 B 细胞）中活跃的增强子，而神经精神疾病基因座最富集于神经元细胞类型。尽管如此，这些富集通常只能让我们粗略地了解哪些细胞类型会导致某种特征或疾病，还需要进行更多研究来确定遗传信号是否足够强以识别更精确的致病细胞类型。事实上，之前的研究观察到，尽管具有细胞类型特异性活动模式的基因或增强子在性状遗传性方面高度富集，但大部分遗传性存在于在许多或大多数细胞类型中广泛活跃的基因或增强子中59。这些观察结果表明，大多数遗传信号将存在于具有广泛活性而非细胞类型特异性活性的增强子中。因此，功能增强子的多效性可能会限制我们使用遗传信号“精细定位”致病细胞类型的能力。

使用 molQTL 解释复杂性状基因座

MolQTL 定位从根本上来说是一种遗传方法，而图 3中展示的其他方法则植根于分子生物学和计算生物学。因此，佳学基因解码在下文中更详细地讨论 molQTL 定位。

2010 年代初，人们使用了直接分析（重叠显著的 GWAS 和 eQTL SNP）来识别与性状相关的变异，这些变异也会对基因表达水平产生功能性影响，从而有助于识别潜在的致病基因。然而，随着 GWAS 和 eQTL 信号数量的增加，显然需要新的统计方法，特别是为了解决由于 LD ，大量变异与某些分子表型相关的情况。因此，开发了几种先进的统计方法来评估共定位：相同的变异是否可能是特定基因位点上 GWAS 信号和 molQTL 信号的因果驱动因素。另一种方法是估计“分子关联”，例如转录组范围关联研究 (TWAS)，它测试预测的分子表型（例如表达）与性状之间的关联，并且同样可以应用于汇总级别数据。这种方法放宽了共定位的要求，即分子和疾病性状之间共享因果变异 - 它们只需要相关 - 同时通过使用多变量预测模型来提高灵敏度。虽然这两种方法都不能保证特定基因的表达与疾病病因有因果关系，但共定位消除了由于 LD 导致的虚假重叠，而分子关联能够对相关效应和方向进行敏感的量化。

使用这些方法可以得到一个显著的观察结果，即与 eQTL共定位或可通过分子关联解释的 GWAS 基因座比例很低。即使对于许多免疫或血液相关性状，这种情况也很明显，在这些性状中，来自相关细胞类型的可用 eQTL 数据被认为是全面的。例如，只有大约 25% 的自身免疫性状 GWAS 基因座与来自不同免疫细胞类型的 eQTL 共定位。添加其他分子 QTL（如剪接 QTL）可以提高共定位率，但仍然会使大多数自身免疫相关基因座不共定位。更普遍地说，在复杂性状中，顺式 eQTL 介导的遗传效应平均只占性状遗传率的 11%。另一个复杂因素是，调控元件和变异可调节多个基因，而共定位 eQTL 所拾取的基因并不一定是该基因座中真正导致疾病的基因。有几个原因可以解释 GWAS 共定位率相对较低。首先，影响基因调控的遗传变异（独立于基因表达水平）可能发挥比我们之前预期的更大的作用。虽然大多数研究集中在遗传变异如何调节基因表达水平，但正如之前所讨论的，遗传变异可以通过各种其他调控机制影响细胞生物学。尽管如此，由于 GWAS 和表达 QTL 之间的共定位率在几乎所有复杂性状和所有 molQTL 中都是最高的，因此普遍的观点是大多数性状变异通过影响蛋白质表达水平来发挥作用。为了支持这一观点，最近的几项研究发现，影响染色质活性（组蛋白标记 QTL 或 hQTL）或可及性（染色质可及性 QTL 或 caQTL）的遗传变异的共定位率比来自相同细胞或组织类型的 eQTL 高得多（有时高出约 50%）。这些观察结果表明，与性状相关的变异通常通过调节增强子或启动子活性来调节基因表达水平。然而，统计上检测它们对基因表达的影响的能力可能弱于对染色质水平表型的影响。这与增强子活性具有比基因表达水平更简单遗传结构的想法相一致，因为稳态 mRNA 表达水平除了影响转录起始的机制外，还受到转录前和转录后 mRNA 加工机制的影响。与 eQTL 相比，染色质 QTL 共定位率更高的另一个解释是发现阈值的差异：要检测到染色质 QTL，增强子必须在给定的细胞或组织类型中活跃，而对于同一变体而言，增强子必须既具有活性又能驱动基因转录，才能成为 eQTL。例如，已发现“启动”增强子在多种类型的幼稚免疫细胞中含有 caQTL，但它们似乎仅在受细胞因子或病原体刺激的细胞中才是 eQTL。

已经提出了几种理论来解释分子 QTL 和 GWAS 匹配结果之间有限的重叠。与复杂性状有关的基因可能具有冗余增强子，这些增强子可以缓冲遗传变异对基因表达水平的影响，从而使与复杂性状相关的 eQTL 更难识别。类似地，eQTL 定位的特征可能有利于发现选择性约束、调控复杂性和功能重要性较低的位点和基因，从而使结果偏离识别性状变异基因。另一种可能的解释是，对于大多数性状，我们尚未研究与疾病最相关的细胞类型或细胞状态中的基因表达。事实上，尽管分子 QTL 在组织间存在大量共享，但许多依赖于细胞状态时间背景的动态 QTL 可能只能在一些尚未研究的稀有细胞类型或发育轨迹中识别。

悲观的解释可能是，eQTL 研究在解释复杂性状相关变异方面的价值目前和未来都将保持适中。然而，我们应该记住，早期从样本量有限的 GWAS 中发现的成果也很有限。随着 GWAS 样本量增长到数万甚至数十万，变革性见解应运而生，其中许多见解现在塑造了我们对人类性状和生物学的理解。molQTL 研究的样本量尚未扩大到数十万，最大的研究来自大量组织样本，这限制了检测可能在特定细胞类型和细胞状态下起作用并导致疾病的调控效应的能力、分辨率和可解释性。虽然覆盖所有相关细胞类型的更大、特定于上下文的 molQTL 图谱不太可能为 GWAS 基因座的分子解释提供单一完整的解决方案，但它仍然是唯一允许询问不同原代细胞类型中遗传变异效应的方法。因此，我们预见到，扩大 molQTL 研究在未来将继续具有价值，同时还具有其他使用体外扰动和从表观基因组数据进行计算推断的方法（图 3）。

疾病相关基因位点的细胞程序和生理效应

在过去 10 年中，GWAS 功能解释的主要重点是识别基因座中的因果驱动基因。虽然用于这一推断的工具箱仍不完整，但在数百甚至数千个 GWAS 基因座中，已经以合理的置信度识别出了顺式致病基因。然而，到目前为止，这些研究提供的有关疾病背后的细胞程序和下游生理机制的信息有限（图 2）。这是由于我们知识上存在两个主要空白：人类基因的功能注释非常不完整，而对将单个基因与更广泛的细胞行为联系起来的细胞程序和调控网络的理解更加不完整。此外，基因和变异可以在细胞和组织中产生多效性影响，因此很难区分致病作用。

因此，我们在不断推进对顺式调控机制的解读的同时，必须积极努力将变异和基因与细胞程序联系起来，并进一步与构成性状和疾病的生理机制联系起来。有许多方法可以实现这一目标，通常将图 3中概述的概念扩展到细胞表型，从而提供顺式调控空间之外的功能效应信息。具有大量基因座的功能强大的 GWAS 可以对细胞网络和通路注释中涉及的基因进行富集分析，从而精确定位可能与性状相关的功能。此外，GWAS 变异可以直接与整个基因组的分子性状相关联，特别是通过 trans-eQTL 作图。这需要数千个个体的非常大的样本量和仔细的分析以避免混杂因素。未来的单细胞分析有可能进一步提高这种方法的信息量。用于测量或推断细胞性状（如转录因子活性或细胞形态）的 GWAS 可以进一步将分子变化与细胞程序联系起来，但在足够大的样本量中进行表型分析一直是一个挑战（图 2）。用于大规模测量组织水平表型的 GWAS 提供了有趣的例子，这些性状在直接从细胞测量的分子性状和传统 GWAS 捕获的高度复杂的生理表型之间，在机制上更具可解释性。一种表征细胞性状遗传效应的新兴方法是“细胞村”，其中来自多个供体的细胞一起生长并通过细胞分选等方法进行表型分析，细胞表型组中遗传变异的富集表明与该性状有关联。

佳学基因现在的认识及未来方向

人类遗传学作为一个充满活力的领域继续蓬勃发展。如上所述，不断扩大和多样化的数据集不仅包括遗传变异，还包括表型数据或推断、环境因素和家庭关系，为了解导致人类遗传变异谱的群体遗传过程提供了充足的机会。遗传关联研究终于开始覆盖整个频谱中不同类型的变异。群体遗传学和统计遗传学的整合为改善复杂性状遗传结构的映射提供了丰富的机会。随着可靠识别的遗传关联数量激增，其功能解释的挑战已成为该领域的一个核心问题，现在正在使用从遗传学扩展到分子计算生物学的多种工具来解决。

这些进展还揭示了该领域长期存在的挑战和悬而未决的问题，其中一些在表 1中突出显示。除了生成更多数据之外，进展可能还来自数量、分子、群体和流行病学遗传学等学科之间见解的综合。要了解疾病结构（尤其是广泛的多基因性和多效性）的原因和后果，需要数量遗传学的进展来结合自然选择的参数，再加上遗传流行病学的进展来了解相关的环境背景和不同性状之间共有的风险因素。反过来，后者可能会受益于家庭研究设计的进步所带来的环境和遗传方差的划分，而家庭研究设计的进步也开始利用因果推理和反事实推理的基本理论来帮助解释。理解调控变异的语言和语法需要将种群规模的数量遗传学与实验分子遗传学相结合，前者可以量化体内和疾病背景下的变异效应，后者可以探测未观察到的扰动的影响并在体外和非疾病或合成疾病背景下验证新的预测。这两种方法都可以从统计遗传学和机器学习的新兴工具中受益，用于预测、优先排序和特征解释，从而更有效地识别最相关的疾病基因及其更广泛的疾病网络效应。最后，所有这些研究都可以从多样化、多祖先队列和种群遗传学的进步中受益，以利用现代和古代基因组数据了解当代人群复杂的遗传谱系。

表 1.未来5至10年人类遗传学研究需要解决的突出挑战，重点关注群体遗传学、常见复杂性状和基础研究。

鉴于本世纪的快速发展，人类遗传学现已准备好更深入地了解人类生物学 - 并改善人类健康。成功描述遗传变异、绘制遗传关联图谱和识别其功能效应为从机制上理解这些过程奠定了基础。这为在诊断环境中成功预测和识别影响导致疾病的过程的干预措施打开了大门。最终目标是将罕见和常见的遗传风险因素与环境风险以及药物遗传学在定制治疗选择方面的进步相结合。同样重要的是绘制遗传学的极限，并了解遗传性的广泛模式如何通过个体一生中复杂而相互关联的遗传过程和多种环境因素而出现。在这里，人类遗传学与流行病学和分子生物学等邻近领域之间的相互作用至关重要。

除了这些挑战和前进方向之外，人类遗传学要取得持续成功并在全球范围内得到认可，就必须仔细审查该领域作为一个专业社区的情况，以及它与周围社会的关系。与其他科学领域一样，人类遗传学也有着问题重重的历史，并且一直存在着与专业社区内部和研究参与者对土著社区和少数民族的剥削和排斥有关的问题。面对和解决这些问题对于铺平一个更加包容和负责任的未来至关重要。遗传学研究越来越多地被纳入社会科学，需要跨学科进行有效的沟通，以确保充分理解遗传推断的局限性。

然而，人类遗传学提供了一些最令人信服的经验证据，证明了我们的集体起源和所有人类相互交织的生物构成，以及人类特征和疾病的复杂性和不确定性。这一叙述可以得到更广泛的传播。遗传学在公众了解我们个人的家族史和祖先方面已经发挥了重要作用，并且在医疗保健中发挥着越来越重要的作用。因此，必须建立一个精通基因数据的适当使用和限制的社会。这需要摆脱遗传学公共传播中经常使用的简化和确定性的语言。采取一种更具包容性、透明性和道德意识的方法不仅是道德要求，而且对于该领域的持续进步和可信度也至关重要。