主題：適用于復雜結構表型的全基因組關聯分析算法

主講人：北京大學基礎醫學院 畢文健教授

主持人：統計與數據科學學院 林華珍教授

時間：5月22日16:00-17:00

地點：柳林校區弘遠樓408會議室

主辦單位：統計與數據科學學院 科研處

主講人簡介：

畢文健，北京大學基礎醫學院醫學遺傳學系課題組長，研究員，北京大學博雅青年學者，國家級人才計劃入選者。主要工作涉及統計遺傳學、生物統計與系統生物學、生物信息學等，針對基因-環境交互作用、生存數據和多分類表型數據設計了多種快速、準確的分析算法，并應用于UK Biobank等大型生物樣本庫的實際數據中。以第一/通訊作者身份發表于Nature Genetics (2022)、American Journal of Human Genetics (2019, 2020, 2021, 2023)、Nature Communications (2025a, 2025b, 2025c)、PLOS Genetics (2024)、Cell Reports Medicine (2025)、Genetics、Biostatistics等學術雜志。主持國家自然科學基金專項項目、面上項目、國際合作和交流項目，北京市自然科學基金非共識創新項目等。

內容提要：

隨著全球大型生物樣本庫（biobank）數據的興起，人們開始在大規模全基因組關聯研究（GWAS）中關注結構更為復雜的性狀。例如，生存時間（time-to-event）和縱向（longitudinal）數據能夠更全面刻畫個體健康狀況的演變過程，相比于傳統的定量或二元性狀蘊含更多信息。回顧性關聯方法（retrospective association methods）以表型為條件、將基因型視為隨機變量，從而為大規模遺傳關聯研究提供了可擴展、精準且通用的分析框架。基于這類分析框架，我們提出了多種適用于復雜表型的大規模 GWAS 通用方法。SPAmix：通過利用原始基因型數據及 SNP 派生的主成分（PCs），為每個變異估計個體層面的等位基因頻率，從而處理群體混合（population admixture）問題。SPAGRM：借助稀疏遺傳關系矩陣（sparse GRM）和同源片段（IBD）信息，校正得分統計中的隱含遺傳相關性，以調整樣本親緣關系的影響。SPAGxE：利用矩陣投影方法去除基因-環境交互作用分析中的遺傳邊際效應。我們在模擬研究和英國生物樣本庫（UK Biobank）真實數據分析中驗證了 各類方法 的性能。結果表明，這兩種方法在保持較高統計功效的同時，能夠嚴格控制第一類錯誤率，這些特點有助于實際數據分析找到更多的致病遺傳位點。