深度解析医学证据,lxfs.net为你支撑决策
基因型插补是全基因组测序(WGS)分析中的一个重要步骤,可以根据单倍型参考panel进行全基因组相位分析和插补,从而将已有测序数据扩展到全基因组水平。参考panel的规模和人群多样化直接影响插补的准确性,因此选择合适的参考panel至关重要。但已有的大型插补panel仍存在一定的限制,例如TOPMed r3中的WGS数据仅部分通过基因型和表型数据库提供,且由TOPMed项目组装而成,使其无法在独立服务器或基于云的研究分析平台上使用,包括英国生物样本库研究分析平台(UKB -RAP)。
为给UKB研究提供一个高度准确的插补解决方案,并适用于全球不同人群,德国基尔大学研究团队利用英国生物样本库(UKB)490,319名参与者的超3.61亿个遗传变异数据构建了一个基因型插补参考panel,并通过UKB -RAP平台的EagleImp和EagleImp-RAP实现了独立运行和基于云端的相位分析及基因型插补。该研究以“A haplotype reference panel constructed from 490,319 UK Biobank genomes improves genotype imputation for global populations”为题发表在Nature Genetics上。

据悉,这是迄今为止规模最大的插补panel。分析显示,该插补panel在多个超级人群中实现了比TOPMed r3 panel更低的相位转换错误率(SER)和更高的插补准确性,尤其是东亚和南亚人群,适用于次等位基因频率(MAF)低至0.01%的变异。对COVID-19全基因组关联研究数据集的重插补分析表明,常见变异插补仍未达到饱和状态,该panel有助于发现具有全基因组显著性的变异位点,并提高精细定位的分辨率。
首先,研究团队利用UKB中的490,319例WGS变异数据构建了单倍型参考panel。这些数据存储在UKB-RAP平台,总数据量为1509.29TB,经自定义工具vcffilter提取基因型信息和UKB-RAP工具处理,这些数据被压缩为4123.70GB。这些数据通过两种方式进行了分类:一是只保留MAF≥0.001的变异(完整UKB参考panel,UKB complete),二是只保留MAC≥4的变异(经rpMAF过滤的UKB参考panel,UKB MAF0.0001)。作为评估插补质量的基准,研究团队从1K基因组参考panel提取芯片常用的插补输入变异,将其转换到GRCh38基因组,按照rpMAF (参考panel次等位基因频率)分层。
表1.研究构建的UKB插补参考panel。

同时,研究团队将定相+插补一体化工具EagleImp进行扩展,增加了新的处理选项,开发DNAnexus applet(EagleImp-RAP),可在本地或UKB-RAP云端通过界面进行批量提交。
随后,研究分别对5个超级群体数据集(非洲(AFR)、美洲(AMR)、东亚(EAS)、欧洲(EUR)和南亚(SAS))以及26个亚群体数据集进行了插补分析:使用EagleImp和完整UKB参考panel;使用EagleImp和经过rpMAF过滤的UKB参考panel;使用基于TOPMed r3参考panel的TOPMed。评估指标包括SER、MAE(平均绝对误差)、rpMAF、插补R²和相关系数r²。
通过比较前两个EagleImp插补结果发现,使用经过rpMAF过滤的UKB参考panel并不会导致估计的插补R²显著降低。因此,对于仅希望插补rpMAF≥0.01%的变异位点的用户,可以使用经rpMAF过滤的UKB参考panel进行更快速的插补,且不会损失准确性。
估计R²是插补质量的关键指标。经EagleImp(完整UKB panel)与TOPMed的估计R²比较显示,在所有5个超级群体中,整个等位基因频率谱内的插补质量均有所提高,最大的提升出现在东亚人群样本,提升了24.39%(rpMAF≥0.01%),仅对美洲人群在rpMAF≥1%时下降 0.76%;对于rpMAF≥0.01%,26个亚群体中有22个的插补质量有所改善,最高提升了15.25%(日本人群);对于rpMAF≥0.1%和≥1%,25个和24个亚群体分别显示出插补质量的改善。

图1.EagleImp与TOPMed在插补精度上的全球对比,展示了EagleImp算法所估算R²值,以及使用完整UKB参考panel时,EagleImp算法的性能相比TOPMed对全球35个基准数据集所估算R²值的提升情况。
5个超级群体和26个亚群体的SER和4个rpMAF范围中插补基因型的MAE和相关系数r²比较结果:
完整UKB参考panel在除美洲人群外所有超级群体中的SER均低于TOPMed r3;在26个亚群体中,有25个亚群体显示更低的SER。MAE分析显示,完整UKB参考panel在南亚和东亚人群超级群体所有rpMAF范围类别的表现均优于TOPMed r3;对于欧洲人群的rpMAF范围(0.01%,0.1%)和(0.1%,1%),以及美洲人群的rpMAF范围(0.01%,0.1%),其表现更为出色。
经rpMAF过滤的UKB参考panel总体结果相同,性能略有提升,包括在(0.1%,1%)范围内,对于美洲人群,其MAE低于TOPMed r3。在26个亚群体中,经rpMAF过滤的UKB参考panel在12个群体中所有rpMAF范围的MAE较低,在6个群体中表现最佳,在8个群体中因rpMAF范围不同而结果不一。

图2.基于1K基因组计划中的参考数据集,对五个超级种群进行MAE插补质量评估。
此外,对来自德国、意大利、挪威和西班牙的4个真实世界GWAS数据集分析显示,使用经rpMAF过滤的UKB参考panel并未降低估计的插补R²,完整UKB参考panel在整个等位基因频率范围内提高了插补质量,且优于TOPMed r3(图1),其中意大利GWAS数据集的插补质量改善最显著。值得注意的是,与TOPMed相比,只有基于UKB参考panel的插补在3p21.31处发现了全基因组显著关联,表明在该欧洲队列中,常见变异初步有所改善。而连锁不平衡和贝叶斯精细定位分析进一步证实,与TOPMed相比,EagleImp在插补质量方面具有更高的分辨率(图3)。

图3.EagleImp插补提升了COVID-19风险基因位点的关联度。
虽然UKB参考panel的样本数量是TOPMed r3的3.6倍以上,但在所有35个基准群体中,TOPMed的运行时间约为EagleImp和EagleImp-RAP(完整UKB参考panel)的2倍,EagleImp和EagleImp-RAP的运行时间未显示出显著差异。
表2.使用UKB参考panel进行分相与插补的运行时间(部分)。

该研究旨在为UKB相关研究提供一个高度准确的插补解决方案,适用于全球不同人群,同时支持使用EagleImp中实现的增强型相位分析和插补功能。由于该研究的UKB参考panel插补基准测试在35个研究人群中显示出整体插补质量提升,最高可达24.39%,因此研究团队认为,如果没有特定的群体参考panel可用,该参考panel可适用于全球人群的基因型插补。而对已发表的COVID-19 GWAS数据集的重新插补分析表明,欧洲人群的常见变异(MAF ≥1%)的插补质量仍未达到饱和。
研究团队表示,对于全球许多人群而言,插补质量方面仍有改进空间,尤其是对于罕见变异。未来,希望能够建立一个包含数百万单倍型的全球超级panel,或通过插补服务器或基于云的平台提供多个全球特定人群参考panel,以此改善插补质量。
原文信息:
Wienbrandt, L., Prieß, C., Schmöhl, M. et al. A haplotype reference panel constructed from 490,319 UK Biobank genomes improves genotype imputation for global populations. Nat Genet (2026). https://doi.org/10.1038/s41588-026-02819-0
