全基因组关联荟萃分析中的样本重叠：不同显著性阈值下的实用比较

内容形式：摘要译文

荟萃分析广泛应用于全基因组关联研究（GWAS），无需个体水平数据即可整合不同研究的证据。然而，随着纳入荟萃分析的研究数量及其样本量不断增加，同一参与者可能被纳入多个研究。此类样本重叠会导致研究之间存在依赖性，从而违背标准荟萃分析方法所依据的独立性假设。HostSeq 是一项加拿大倡议，汇集了 15 项临床和流行病学研究，涵盖约 10,000 名感染 SARS-CoV-2 病毒的加拿大人的 DNA 样本。我们在不同参与研究中发现了重复样本。这一发现引出了一个重要的实际问题：样本重叠会对关联分析结果产生何种影响？在什么情况下应当关注此类重叠？受这一实际问题启发，我们比较了五种荟萃分析方法，并以样本重叠情况已知的参考大型合并分析（mega-analysis）为基准，评估这些方法的性能。我们发现，当样本重叠程度相对较小时，即使在全基因组显著性阈值 5 × 10⁻⁸ 下，其对关联分析结果的影响也很小。我们通过大量模拟研究以及对 HostSeq 中重叠队列的分析，验证了这些发现。

关键词：全基因组关联研究 · 荟萃分析 · 样本重叠 · 统计遗传学 · SARS-CoV-2

原文链接：https://www.biorxiv.org/content/10.64898/2026.10.14.759234v1?rss=1