_{2018年哈佛的團(tuán)隊(duì)發(fā)表了一項(xiàng)關(guān)于精神分裂癥的TWAS研究（12）。我們都知道自從2014年Nature上發(fā)表了著名的關(guān)于精神分裂癥相關(guān)的基因位點(diǎn)的文章后（13，圖一），科學(xué)家們一直試圖了解其致病機(jī)理。}

_{圖一：2014年發(fā)表在Nature上關(guān)于精神分裂癥相關(guān)位點(diǎn)的曼哈頓圖 （13）}

_{哈佛的團(tuán)隊(duì)利用TWAS整合了精神分裂癥患者的GWAS數(shù)據(jù)和來(lái)自大腦，血液和脂肪組織的基因表達(dá)數(shù)據(jù)。在鑒定出的157個(gè)精神分裂癥相關(guān)基因中，35個(gè)基因是之前并未發(fā)現(xiàn)的，且42個(gè)基因和染色質(zhì)特質(zhì)（chromatin features）相關(guān)，為接下來(lái)的研究指明了方向。}

_{而需要指出的是，此項(xiàng)研究運(yùn)用的方法（見圖二））也有一些弊端。例如，由于轉(zhuǎn)錄調(diào)解取決于選擇的人類組織，現(xiàn)在的插補(bǔ)模型均基于不同的人類組織。同時(shí)， 對(duì)于一些復(fù)雜特質(zhì)，我們并不清楚與其生物相關(guān)聯(lián)的人類組織。最后，挑戰(zhàn)還在于難以在有限的數(shù)據(jù)中，針對(duì)任何單一的人類組織做出準(zhǔn)確的插補(bǔ)模型。}

_{圖二：2018年哈佛團(tuán)隊(duì)對(duì)精神分裂癥的TWAS研究方法}

_{針對(duì)這些問題，最近，耶魯Hongyu zhao的團(tuán)隊(duì)提出了一個(gè)新的框架去分析TWAS：UTMOST。相比較傳統(tǒng)的TWAS的插補(bǔ)模型建立在分別的人類組織上，這個(gè)方法整合了44種人類組織，從而允許跨組織（cross-tissue）基因表達(dá)的插補(bǔ)和基因?qū)用娴南嚓P(guān)分析（見圖三的UTMOST的分析步驟）。}

_{圖三：UTMOST的分析步驟}

_{他們證實(shí)了這種方法能夠提高在人類組織中基因表達(dá)數(shù)據(jù)插補(bǔ)的準(zhǔn)確性，并且UTMOST能夠在之后的下游關(guān)聯(lián)分析（downstream association analysis）中提供一個(gè)強(qiáng)有力的標(biāo)準(zhǔn)，從而可以總結(jié)跨組織的基因?qū)用嫦嚓P(guān)分析，并可以整合不同的分子表型（molecular phenotypes）。例如，他們利用UTMOST在50種復(fù)雜人類特質(zhì)中，辨別出更多和人類組織有關(guān)的基因（圖四）。}

_{圖四：UTMOST在50中復(fù)雜特質(zhì)中辨別出更多和人類組織有關(guān)的基因}

_{將其和傳統(tǒng)的TWAS研究方法比較（圖二：傳統(tǒng)的TWAS；圖三：UTMOST），UTMOST為我們提供了一個(gè)更為靈活的基因?qū)用娴南嚓P(guān)分析，這有利于研究者研究復(fù)雜特質(zhì)和疾病，例如精神分裂癥和癌癥。} 

_{UTMOST software, https://github.com/Joker-Jerome/UTMOST/}

_{原文鏈接：https://www.nature.com/articles/s41588-019-0345-7}

_{2019年2月25日發(fā)表在nature genetics雜志：A statistical framework for cross-tissue transcriptome-wide association analysis}

其他參考文獻(xiàn)：

1._{Boyle, E. A., Li, Y. I. & Pritchard, J. K. An Expanded view of complex traits: from polygenic to omnigenic. Cell 169, 1177–1186 (2017).}

2. _{Ardlie, K. G. et al. The Genotype-Tissue Expression (GTEx) pilot analysis: multitissue gene regulation in humans. Science 348, 648–660 (2015).}

3. _{Aguet, F. et al. Genetic effects on gene expression across human tissues. Nature 550, 204–213 (2017).}

4. _{Yang, F. et al. Identifying cis-mediators for trans-eQTLs across many human tissues using genomic mediation analysis. Genome Res. 27,1859–1871 (2017).}

5. _{Mohammadi, P., Castel, S. E., Brown, A. A. & Lappalainen, T. Quantifying the regulatory effect size of cis-acting genetic variation using allelic fold change. Genome Res. 27, 1872–1884 (2017).}

6. _{Nicolae, D. L. et al. Trait-associated SNPs are more likely to be eQTLs: annotation to enhance discovery from GWAS. PLoS. Genet. 6, e1000888 (2010).}

7. _{Giambartolomei, C. et al. Bayesian test for colocalisation between pairs of genetic association studies using summary statistics. PLoS Genet. 10, e1004383 (2014).}

8. _{Gamazon, E. R. et al. A gene-based association method for mapping traits using reference transcriptome data. Nat. Genet. 47, 1091–1098 (2015).}

9. _{Gusev, A. et al. Integrative approaches for large-scale transcriptome-wide association studies. Nat. Genet. 48, 245–252 (2016).}

10. _{Mancuso, N. et al. Integrating gene expression with summary associationstatistics to identify genes associated with 30 complex traits. Am. J. Hum. Genet. 100, 473–487 (2017).}

11. _{Hoffman, J. D. et al. Cis-eQTL-based trans-ethnic meta-analysis reveals novel genes associated with breast cancer risk. PLoS Genet. 13, e1006690 (2017).}

12. _{Gusev, A., Mancuso, N., Won, H., Kousi, M., Finucane, H. K., Reshef, Y., ... & Ophoff, R. A. (2018). Transcriptome-wide association study of schizophrenia and chromatin activity yields mechanistic disease insights. Nature genetics, 50(4), 538.}

13. _{Ripke, S., Neale, B. M., Corvin, A., Walters, J. T., Farh, K. H., Holmans, P. A., ... & Pers, T. H. (2014). Biological insights from 108 schizophrenia-associated genetic loci. Nature, 511(7510), 421.}

---