traceCB：通过整合单细胞RNA测序与群体数据进行跨祖源细胞类型特异性eQTL定位

绘制细胞类型特异性表达数量性状位点（ct-eQTL）对于解释疾病相关变异至关重要，然而，在代表性不足的人群中开展相关研究常因统计效能有限而受到阻碍。 在此，我们提出了 traceCB，这是一种统计框架，通过整合来自不同人群的单细胞和整体组织 eQTL 研究的汇总统计量，增强目标祖源人群中的 ct-eQTL 绘制能力。通过显式建模跨祖源遗传结构，并考虑整体组织中的细胞异质性，traceCB 在严格控制 I 类错误的同时，优化了从统计效能较强的欧洲队列中借用信息的过程。 模拟研究表明，与原始 ct-eQTL 方法相比，traceCB 具有更优的统计效能，尤其是在利用组织水平数据时表现更为突出。在对东亚和非洲队列免疫细胞的应用中，traceCB 将有效样本量最高提高了 2.9 倍，并比单一祖源分析多鉴定出约 40% 的 eGenes，且在独立数据集中的重复率超过 90%。 此外，traceCB 改善了调控变异与血液及免疫相关性状 GWAS 信号的共定位分析，揭示了复杂疾病背后的细胞类型特异性机制。这些发现确立了 traceCB 作为一种强大且可扩展的工具，能够利用全球基因组资源提升不同人群中细胞水平调控变异的发现能力。

细胞类型特异性表达数量性状位点（ct-eQTL）的定位对于解释疾病相关变异至关重要，然而，在代表性不足的人群中开展此类研究常因统计效能有限而受到阻碍。

在此，我们提出了 traceCB，这是一种统计框架，通过整合来自不同人群的单细胞和整体组织 eQTL 研究的汇总统计量，增强目标祖源群体中的 ct-eQTL 定位能力。通过显式建模跨祖源遗传结构，并考虑整体组织中的细胞异质性，traceCB 在稳健控制 I 类错误的同时，优化了对统计效能较强的欧洲队列信息的借用。

模拟研究表明，与原始 ct-eQTL 方法相比，traceCB 具有更优的统计效能，尤其是在利用组织水平数据时表现更为突出。在对东亚和非洲队列免疫细胞的应用中，traceCB 将有效样本量最高提升了 2.9 倍，并比单一祖源分析多鉴定出约 40% 的 eGene，且在独立数据集中的重复率超过 90%。

此外，traceCB 改善了调控变异与血液及免疫相关性状 GWAS 信号的共定位分析，揭示了复杂疾病背后的细胞类型特异性机制。这些发现确立了 traceCB 作为一种强大且可扩展的工具，能够利用全球基因组资源，在不同人群中提升细胞水平调控变异的发现能力。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.20.733502v1?rss=1

🏷️ 单细胞RNA测序 eQTL定位 跨祖源分析 细胞类型特异性 GWAS共定位 统计框架