Manc-COJO：应用于 GWAS 汇总统计的多族群条件联合分析方法

在只有汇总统计量可用的情形下，从一个关联区域里挑出彼此独立的信号，条件与联合分析（COJO）是沿用已久的工具：它以 Meta 分析的汇总数据配合一个具有个体基因型的参照样本来估计连锁不平衡（LD），即可在全基因组范围做逐步选择，2012 年在身高、BMI 与 2 型糖尿病数据中的应用即由此发现了大量额外关联 ^[2]。但这一框架的 LD 参照通常取自单一人群，而人群间遗传变异与 LD 结构的差异早已被系统刻画——千人基因组计划对 26 个人群 2504 个基因组的测序就清楚显示了变异分布的群体结构 ^[3]；精细定位领域的综述也把 LD 的处理方式与跨族群研究设计列为决定方法表现的关键因素 ^[1]。与此同时，多血统荟萃已成为主流：重度抑郁的多血统 GWAS 在此基础上新增 53 个显著位点，并明确观察到样本多样性改善了精细定位 ^[4]；更大规模的跨血统抑郁荟萃分析则报告了 635 个位点上的 697 个关联、其中 293 个为新 ^[6]。而 UK Biobank 中非洲与欧洲血统参与者在 53 个数量性状中有 47 个性状的效应量估计相关性高达 0.98，提示共享的因果变异在不同人群中作用方式相近 ^[5]。悬而未决的正是中间一环：如何把这些多血统汇总数据放进统一的条件与联合分析框架——人群间 LD 与等位基因频率的差异始终是跨族群分析绕不开的变量 ^[1][3]。

2026 年 10 月 20 日在线发表于 Nature Genetics 的这项研究提出了 Manc-COJO（多血统条件与联合分析），将来自多个血统的数据整合进条件分析框架，用于检测独立的遗传关联信号；据摘要，该方法可减少假阳性，并支持对多样化人群的快速、灵活分析。论文正文进一步说明，它扩展了逐步式条件与联合分析的能力^[7]。

放在上述脉络里看，这一工作的意义在于把 2012 年基于单一 LD 参照的 COJO 范式 ^[2] 拓展为多血统整合：既然效应量跨人群高度相似 ^[5]、样本多样性又被证明有助于精细定位 ^[4]，那么多血统的条件分析既可借力更大的信息量来分辨独立信号，也有望减少因单一参照 LD 不适配带来的假阳性——这正是摘要所强调的优势。

需要指出的是，摘要与目前可得的检索信息并未给出具体性状、数据规模或验证结果的数字，方法的实际增益与适用条件仍需以全文为准；而欧洲血统 GWAS 位点向其他人群的可迁移性低于预期 ^[4]，这类跨人群差异提醒我们，任何多血统方法在各个血统中的表现仍需逐一检验，这并非一种分析工具所能单独解决。