RovHer：面向复杂性状稀有编码变体功能排序的遗传力优化方法

复杂性状的遗传度有相当一部分藏在罕见变异之中：基于全基因组测序数据的估计显示，处于低连锁不平衡区域的低频变异，尤其是改变蛋白序列的变异，对身高、BMI 等性状的遗传度贡献明显富集，被认为是“缺失遗传度”的主要来源 ^[4]。然而在 394,783 个 UK Biobank 外显子组中，罕见编码变异的基因水平负担平均仅解释 1.3% 的表型方差，且高度集中于少数显著性基因 ^[6]。要从海量罕见变异中挑出真正起作用的那些，研究者通常依赖功能预测工具：REVEL 集成十余种算法为错义变异的致病性打分 ^[2]，AlphaMissense 结合蛋白质结构上下文与进化保守性预测致病性 ^[3]，CADD 则整合蛋白语言模型等注释对全基因组变异进行排序 ^[5]。问题在于，这些工具大多以临床致病性为训练目标。RARity 方法在 UK Biobank 31 个性状上的分析发现，现有的计算致病性预测和基因水平注释一般并不能富集对复杂性状方差超额贡献的罕见变异，作者因此明确呼吁发展预测罕见变异功能的新方法 ^[7]。

这项发表在 Nature Genetics 的研究提出了 RovHer，一种“遗传度优化”的评分方法，用于估计罕见变异的功能影响。它的思路与既往工具不同：优化目标不是致病性标签 ^[2][3][5]，而是直接落在遗传度上——即识别哪些变异最能解释复杂性状的遗传度。作者将 RovHer 应用于 UK Biobank 数据，证明该方法能够富集那些最大化解释复杂性状遗传度的错义罕见变异。

这一工作把罕见变异功能排序的标准从“是否致病”转向“对性状遗传度的贡献”，直接回应了 ^[7] 提出的方法论需求。它也与既有观察相衔接：蛋白改变类罕见变异本就富集遗传度 ^[4]，而传统致病性分数难以捕获这类贡献 ^[7]；RovHer 提供了直接对接遗传度框架的变异权重方案，为复杂性状研究中的罕见错义变异优先排序开辟了与致病性导向工具不同的路径。

也应看到，摘要所示的验证目前限于 UK Biobank，方法在其他人群、更多性状乃至非编码罕见变异上的表现仍有待检验。此外，在 omnigenic 模型下，复杂性状的大部分遗传度可由核心通路之外的基因解释 ^[1]；被 RovHer 富集出的“最大化解释遗传度”的错义变异究竟落在核心通路之内还是之外、与疾病机制的关系如何，是后续值得回答的问题。