X chromosome association analyses using multiple models identifies 18 genetic loci influencing dietary intake in UK Biobank

通过对多达 445,773 名英国生物样本库参与者的膳食摄入数据应用多种 X 染色体全基因组关联研究模型，研究人员鉴定出 18 个新的遗传位点，表明将 X 染色体纳入并结合多样化的分析方法，能够揭示传统方法往往遗漏的、对饮食行为具有显著影响的遗传因素。

要点

想象一下，你身体的遗传密码就像一座庞大而错综复杂的图书馆，其中收藏着关于你如何生活的操作手册。长期以来，研究人们为何会吃某种食物的科学家们几乎读遍了这座图书馆里的每一本书，唯独漏掉了一个特定的书架：X 染色体。

将 X 染色体想象成这座图书馆中的一本“特别版”书籍。由于男性和女性拥有的这本书的数量不同（女性有两份副本，男性只有一份），阅读它们的常规规则并不总是适用。科学家们经常跳过这个书架，因为用他们标准的工具阅读它过于复杂，他们便假设它不包含太多关于我们饮食习惯的秘密。

新方法：尝试不同的透镜
在这项研究中，研究人员决定最终打开这个特别的书架。但他们没有只戴一副眼镜去阅读，而是使用了四副不同的透镜（统计模型），以确保不会遗漏任何内容：

1. 标准透镜：将所有人视为相同整体进行观察。
2. 分割透镜：将男性和女性分开观察。
3. 交互透镜：检查这本“书”的行为如何因你是男性还是女性而有所不同。
4. 复杂透镜：寻找那些遗传规则变得有些混乱的棘手模式。

重大发现
通过将不同的透镜应用于来自英国生物样本库（UK Biobank）的近42.5 万人的饮食记录（甚至包括更多来自其他背景的人群），研究团队发现了18 个新的“线索”（遗传位点），这些线索影响着我们的饮食。

以下是令人兴奋之处：

• 新发现：这些线索中有 17 个是全新的；它们此前从未被记录在已知的遗传关联科学“目录”中。
• 多样性的力量：如果研究人员只使用“标准透镜”（传统方法），他们就会错过许多这些发现。大约一半的新线索只有在他们使用更复杂的透镜、考虑到 X 染色体在男性和女性中独特运作方式时，才变得可见。

核心结论
这项研究证明，就食物选择而言，X 染色体并非我们 DNA 中的“杂物抽屉”。它蕴含着塑造我们饮食行为的真实且重要的指令。通过采用更智能、更多样化的方式来阅读我们遗传图书馆中的这一特定部分，科学家们能够发现此前不可见的隐藏模式，从而帮助我们理解为何我们渴望某些食物背后，自然与养育交织的复杂机制。

技术摘要

以下是论文《利用多模型进行 X 染色体关联分析，鉴定出影响英国生物样本库饮食摄入的 18 个遗传位点》的详细技术总结。

1. 问题陈述

饮食摄入是多种常见疾病的主要风险因素，然而对饮食建议的依从性仍然不理想。这一差距部分归因于对由环境和遗传因素共同驱动的饮食行为个体差异缺乏理解。尽管全基因组关联研究（GWAS）已成功鉴定出数百个与饮食摄入相关的位点，但X 染色体一直被系统地排除在这些分析之外。这种排除在遗传学研究中造成了显著的盲点，因为 X 染色体具有独特的生物学特征（例如 X 染色体失活、男性中的半合子性），而标准 GWAS 模型往往无法捕捉这些特征。因此，X 染色体上可能影响饮食行为的关键遗传变异仍未被发现。

2. 方法论

该研究采用全面且多维度的方法来解决 X 染色体分析的复杂性：

• 数据来源：主要分析利用了英国生物样本库（UK Biobank）的数据，包含多达424,758 名欧洲参与者。次要荟萃分析涵盖了另外五个遗传祖先群体，总计多达445,773 名个体。
• 表型：研究分析了源自食物频率问卷的46 种饮食摄入性状。这些性状包括：
  • 定量指标（例如，摄入的水果克数）。
  • 二分类性状（例如，偏好脱咖啡因咖啡与含咖啡因咖啡）。
  • 主成分推导的食物组。
• 统计模型：为了克服传统加性模型的局限性，作者应用了四种不同的 X 染色体全基因组关联研究（X-WAS）：
  1. 传统合并性别加性 GWAS：一种常用作基线的标准方法。
  2. 性别分层加性模型：分别分析男性和女性，以检测性别特异性效应。
  3. 联合模型（性别交互）：明确测试与性别相互作用的遗传效应。
  4. 联合模型（非加性）：考虑非加性遗传效应（例如显性），由于 X 染色体失活模式，这对 X 染色体尤为相关。
• 荟萃分析：进行了合并性别的多祖先加性 GWAS 荟萃分析，以提高统计效力和普遍性。

3. 主要贡献

• 系统性地纳入 X 染色体：本研究代表了将 X 染色体整合到饮食 GWAS 中的严谨努力，超越了历史上对该基因组区域的排除。
• 模型多样性：该论文表明，对于 X 染色体而言，“一刀切”的加性模型是不够的。通过采用多种模型（分层、交互和非加性），该研究捕捉到了更广泛的遗传架构谱系。
• 祖先群体扩展：除了欧洲队列外，纳入另外五个祖先群体并进行随后的荟萃分析，增强了研究结果在不同人群中的稳健性和适用性。

4. 结果

• 位点发现：分析鉴定出18 个遗传位点，与20 种饮食摄入性状显著相关（显著性阈值 $P < 5 \times 10^{-8}$）。
• 新颖性：在这 18 个位点中，17 个变异在 GWAS 目录中没有先前的关联记录，代表了已知饮食遗传驱动因素的重大扩展。
• 模型依赖性：
  • 10 个位点在多种 X-WAS 模型中均显著，表明效应稳健。
  • 至关重要的是，5 个位点仅在传统合并性别加性 GWAS 之外的模型中被检测到，或者在这些模型中效应最强（具体在性别分层或交互模型中）。这证实，如果仅依赖标准加性模型，将会遗漏这些关联。
• 性状特异性：鉴定出的位点影响了多样化的饮食行为，验证了复杂行为性状的遗传基础。

5. 意义

• 科学进步：该研究提供了令人信服的证据，表明 X 染色体蕴藏着影响饮食等复杂行为性状的重要遗传变异。忽略这条染色体会导致发现能力的丧失。
• 方法学最佳实践：研究结果强调了在分析 X 染色体时使用多种关联模型的必要性。该研究证明，考虑性别交互效应和非加性效应不仅仅是理论上的，而且能产生切实的生物学发现。
• 临床与公共卫生影响：通过鉴定新的遗传位点，这项研究为理解饮食偏好和依从性背后的生物学机制开辟了新的途径。这最终可能促成更个性化的营养干预措施，并增进对饮食相关疾病遗传基础的理解。

总之，本文确立了利用复杂的多模型方法将 X 染色体纳入 GWAS，对于全面理解饮食摄入的遗传架构至关重要。