统计遗传学

统计遗传学 (Statistical Genetics)

统计遗传学 (Statistical Genetics) 是遗传学与统计学交叉形成的一门学科，运用统计模型和推断方法研究遗传变异与表型之间的关系。其核心任务是从观测到的表型数据（如身高、疾病状态、基因表达水平）和基因型数据中，分离出遗传因素与环境因素的贡献，并定位影响性状的具体基因位点。

统计遗传学的诞生可追溯至 R. A. Fisher 在 1918 年发表的经典论文，该文首次将方差分析 (ANOVA) 框架应用于定量性状的遗传分解，奠定了数量遗传学的数学基础。此后，C. R. Henderson 发展的最佳线性无偏预测 (BLUP) 方法、Newton E. Morton 提出的 LOD 分数 (Logarithm of Odds) 连锁分析框架，共同构建了现代统计遗传学的方法论支柱。

核心概念与模型

统计遗传学的基本模型是 表型分解模型 (Phenotype Decomposition Model)。对于任意数量性状 $Y$，可将其分解为：

其中 $G$ 为遗传效应（可进一步分解为加性效应 $A$、显性效应 $D$ 和上位效应 $I$），$E$ 为环境效应，$G \times E$ 为基因-环境交互效应。由此可定义 遗传力 (Heritability)：

即加性遗传方差占表型总方差的比例。遗传力是统计遗传学中最关键的参数之一，它决定了性状对自然选择和人工选择的响应速度。

核心研究方法

统计遗传学的研究方法可归为三大范式：

1. 连锁分析 (Linkage Analysis)：利用家系数据，通过追踪染色体上标记与性状的共分离模式来定位致病基因。核心统计量为 LOD 分数，其表达式为： \[ \text{LOD} = \log_{10} \frac{L(\theta < 0.5)}{L(\theta = 0.5)} \] 其中 $\theta$ 为重组率。LOD 分数大于 3 被视为显著连锁的证据。
2. 关联分析 (Association Analysis)：利用群体数据，通过比较病例组与对照组的等位基因频率差异来发现易感位点。全基因组关联研究 (GWAS) 是其中最典型的应用，每次同时检测数百万个单核苷酸多态性 (SNP)。GWAS 面临的核心统计问题是多重检验校正，通常采用 Bonferroni 阈值 $p < 5 \times 10^{-8}$ 作为全基因组显著性标准。
3. 多基因风险评分 (Polygenic Risk Score, PRS)：将全基因组范围内大量 SNP 的微小效应加权求和，构造个体层面的遗传风险预测指标： \[ \text{PRS}_i = \sum_{j=1}^{M} \hat{\beta}_j \cdot \text{SNP}_{ij} \] 其中 $\hat{\beta}_j$ 为第 $j$ 个 SNP 的效应估计值，通常来自大规模 GWAS 汇总统计。

现代发展：混合模型与贝叶斯方法

当代统计遗传学大量使用线性混合模型 (LMM) 来同时处理群体分层、亲缘关系和 SNP 效应估计问题。典型实现包括 GCTA (Genome-wide Complex Trait Analysis) 和 BOLT-LMM。这类模型的形式为：

其中 $\mathbf{K}$ 为基于全基因组 SNP 计算的遗传关系矩阵 (GRM)，用于捕捉个体间的遗传相似度。

贝叶斯统计方法也在统计遗传学中占据重要地位。相比频率学派方法，贝叶斯框架能够自然地整合先验生物学信息、处理模型不确定性，并在小样本或效应稀疏的情况下提供更稳健的推断。常见的贝叶斯方法包括 BayesA、BayesB、BayesC 以及 BayesR，它们的主要区别在于对 SNP 效应先验分布的假设。例如，BayesB 假设大多数 SNP 效应为零（使用 mixture prior），适用于只有少数位点具有较大效应的性状（"needle in a haystack" 问题）。

与相关学科的关系

统计遗传学与数量遗传学一脉相承但有所区别：数量遗传学侧重方差分量估计和选择响应预测，统计遗传学则更强调具体基因位点的定位与效应推断。群体遗传学为统计遗传学提供了人群层面的演化模型（如 Hardy-Weinberg 平衡、连锁不平衡结构），而生物信息学提供了高通量数据处理和注释工具。在方法层面，统计遗传学与机器学习的交叉日益密切，Lasso 回归、贝叶斯稀疏模型和深度学习方法已广泛用于基因组预测。