Skip to content

基因體學 › 全基因體分析 › Colocalization

共定位分析 (Colocalization) ​

判斷同一個位點上的兩個關聯訊號(例如 GWAS 與 eQTL)是否由同一個致病變異驅動。兩個訊號在同一區域出現不代表共享:可能是兩個不同的變異剛好鄰近並處於 LD。

coloc 的五個假說 ​

假說意義
H0兩個性狀在此區域都沒有關聯
H1只有性狀 1 有關聯
H2只有性狀 2 有關聯
H3兩者都有關聯,但是不同的致病變異
H4兩者都有關聯,且是同一個致病變異

輸出每個假說的後驗機率;常以 PP.H4 > 0.8 視為支持共定位。PP.H3 高代表訊號接近但機制不同。

r
library(coloc)
res <- coloc.abf(
  dataset1 = list(beta = gwas$beta, varbeta = gwas$se^2, snp = gwas$snp, type = "cc", s = 0.3, N = 50000),
  dataset2 = list(beta = eqtl$beta, varbeta = eqtl$se^2, snp = eqtl$snp, type = "quant", N = 500, sdY = 1))
res$summary          # nsnps、PP.H0.abf … PP.H4.abf(coloc 5.2 實跑;模擬共享變異時 PP.H4 ≈ 1)

方法 ​

方法特點
coloc(ABF)經典方法;假設每個性狀在區域內只有一個致病變異
coloc + SuSiE先用 SuSiE 拆出多個獨立訊號,再兩兩做 coloc;處理多個致病變異
eCAVIAR以 fine-mapping 後驗機率計算共同致病機率 (CLPP)
SMR / HEIDI以孟德爾隨機化框架檢定,HEIDI 檢定排除連鎖

常見陷阱 ​

陷阱說明
兩邊的 LD 不同GWAS 與 eQTL 來自不同族群時,LD 型態不同會影響結果
SNP 不一致兩份摘要統計的 SNP 集合、等位基因方向、基因組版本要對齊
先驗設定p1、p2、p12 先驗會影響後驗機率;預設 p12 = 1e-5
組織選擇用與疾病相關的組織的 eQTL;不同組織可能給出不同目標基因
共定位 ≠ 因果支持兩者共享變異,但方向與機制仍需實驗驗證

用途:GWAS 位點的目標基因排序、區分「真正共享」與「只是鄰近」的訊號。前置步驟見 GWAS 基礎、eQTL。