方宣钧

海南省农作物分子育种重点实验室, 海南省热带农业资源开发利用研究所, 三亚, 572025
作者    通讯作者
《分子植物育种》网络版, 2026 年, 第 24卷, 第 1 篇   
收稿日期: 2026年06月25日    接受日期: 2026年07月17日    发表日期: 2026年07月25日

这是一篇采用Creative Commons Attribution License进行授权的开放取阅论文。只要对本原作有恰当的引用，版权所有人允许和同意第三方无条件的使用与传播。

推荐引用：

方宣钧, 2026, 复杂性状遗传学中的因果推断层：从精细定位到跨表型整合的统一统计框架, 分子植物育种, 24(1): 73-86 (10.5376/mpb.2026.24.0005) (Fang X.J., 2026, The causal inference layer in complex trait genetics: a unified statistical framework from fine-mapping to cross-trait integration, Fenzi Zhiwu Yuzhong (Molecular Plant Breeding), 24(1): 73-86 (doi: 10.5376/mpb.2026.24.0005))

全基因组关联研究(GWAS)已在复杂性状与疾病研究中识别出大量关联位点，但这些信号大多源于连锁不平衡(LD)而非直接反映因果变异，从而限制了其机制解释能力。概率精细定位方法通过引入后验纳入概率(posterior inclusion probability, PIP)与可信集合(Credible set)，将推断对象从单一显著性位点扩展为因果概率分布，实现了对遗传不确定性的系统刻画。近年来，随着功能注释数据、多祖源研究以及多组学数据的积累，精细定位方法在模型结构与应用场景上不断拓展，但不同方法之间缺乏统一的理论视角。本研究从贝叶斯推断框架出发，系统整合精细定位与共定位分析方法，提出一个以因果配置为核心的统一统计框架。在该框架中，fastPAINTOR通过功能注释构建信息化先验，CAVIAR及其扩展MsCAVIAR通过LD结构与跨研究信息强化似然约束，而共定位分析进一步将推断对象从单表型扩展至多表型空间，实现跨表型因果一致性的概率建模。由此，复杂性状研究可形成从GWAS到精细定位，再到共定位与转录组关联分析(TWAS)的连续推断链条，从而将统计关联逐步转化为生物学机制解释。在此基础上，本研究进一步提出基于推断层级的方法选择策略，明确不同方法在计算复杂度、因果分辨率及信息来源上的权衡关系，并总结出“分层推断”的实践路径。该框架不仅适用于人类复杂疾病研究，也可扩展至作物遗传改良等应用场景，用于评估跨环境与跨群体的因果一致性。本研究将精细定位与共定位分析统一于同一因果推断层，为统计遗传学提供了一种一致的表达语言与分析范式，有助于推动复杂性状研究从关联发现向机制解析与因果推断的系统性转变。

复杂性状；精细定位；因果推断；共定位分析；可信集合；多组学整合