基于灵活解析估计的基因组结构方程模型中多变量GWAS的超快速实现

许多医学、生理学和精神病学特征及障碍具有高度多基因性，并表现出复杂的遗传共享与分化模式。2018年，我们提出了基因组结构方程模型（Genomic Structural Equation Modelling, Genomic SEM），将其作为一个正式框架以及免费的、开源的、基于R的软件，用于建模连续型和二元型全基因组关联研究（Genome-Wide Association Study, GWAS）表型的多变量遗传结构，检验其共同和特异的功能基因组通路，并利用表型间遗传关系的经验模型来指导多变量GWAS发现。在此，我们提出了一种用于在Genomic SEM中估计多变量GWAS内SNP效应的闭式解析解。该估计量比现有的迭代估计量快800倍以上，从而大幅降低了对高性能计算（HPC）的依赖。在配备M4 Max芯片的MacBook Pro笔记本电脑上，对13种表型所对应的5个共同因子开展一次多变量GWAS（约100万个SNP）大约需要2分钟。与本预印本的发布同步，我们正在向GenomicSEM软件包中的userGWAS函数添加一个用于alpha测试的解析估计选项，并在我们的GitHub wiki上提供相应教程。

许多医学、生理学和精神病学性状与障碍都具有高度多基因性，并呈现出复杂的遗传共享与分化模式。2018年，我们提出了基因组结构方程模型（Genomic Structural Equation Modelling, Genomic SEM），作为一种正式框架和免费、开源、基于R的软件，用于建模连续型和二元型全基因组关联研究（Genome-Wide Association Study, GWAS）表型的多变量遗传结构，解析其共同与特异的功能基因组通路，并利用表型间遗传关系的经验模型来指导多变量GWAS发现。

在此，我们提出了一种用于在Genomic SEM中估计多变量GWAS内SNP效应的闭式解析解。该估计量比现有的迭代估计量快800倍以上，从而大幅降低了对高性能计算（HPC）的依赖。在配备M4 Max芯片的MacBook Pro笔记本电脑上，对13种表型背后5个共同因子的多变量GWAS（约100万个SNP）耗时约2分钟。

随着本预印本的发布，我们还将在GenomicSEM软件包的userGWAS函数中加入解析估计选项，供Alpha测试使用，并同时在我们的GitHub wiki上提供教程。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.03.729606v1?rss=1

🏷️ 多变量GWAS 基因组结构方程模型 解析估计 遗传共享结构 高性能计算优化 R软件方法