方宣钧, 梁其学, 2026, 统计遗传学中的因果推断统一框架：整合GWAS、分子QTL、共定位与孟德尔随机化, 分子植物育种, 24(1): 16-30 (10.5376/mpb.2026.24.0002) (Fang X.J., and Liang Q.X., 2026, A unified framework for causal inference in statistical genetics: integrating GWAS, molecular QTL, colocalization, and Mendelian randomization, Fenzi Zhiwu Yuzhong (Molecular Plant Breeding), 24(1): 16-30 (doi: 10.5376/mpb.2026.24.0002))

全基因组关联研究(GWAS)已在复杂性状遗传学中识别出大量关联位点，但如何将这些统计信号转化为可解释的生物学机制，仍是当前研究的核心挑战。其关键困难在于，不同数据层所反映的信息类型不同，难以在关联、信号一致性与因果关系之间建立清晰区分。本研究提出一个统计遗传学中因果推断的统一分析框架，整合GWAS、分子数量性状位点(QTL)、转录组关联研究(TWAS)、共定位分析以及孟德尔随机化(MR)等方法。在该框架中，不同方法承担不同层级的推断任务：GWAS用于识别变异—性状关联；分子QTL与TWAS用于建立遗传变异与中间表型之间的联系；共定位用于评估不同数据来源信号的一致性；MR则在明确假设条件下评估潜在作用方向与效应大小。本研究强调，这些方法应被理解为证据逐步收敛的过程，而非相互独立的分析步骤。具体而言，共定位是筛选候选机制的重要依据，但并不能直接支持因果关系；MR虽提供效应估计，但其结果依赖于工具变量的有效性及多效性、异质性等因素的控制。本研究进一步讨论了方法实施中的关键问题，包括工具选择、诊断评估与跨人群验证，以及多效性、组织特异性和环境效应带来的挑战。最后，本研究将该框架扩展至植物系统与多组学数据情境，探讨单细胞与表观组学在细化因果解释中的作用。通过明确不同方法在整体推断体系中的功能与边界，本研究为从遗传关联走向生物学机制提供了一条结构化且可操作的分析路径。