Nat Genet | pgBoost算法助力解析GWAS变异与疾病关联的生物学机制

近年来，高通量测序技术的进步识别出大量疾病相关遗传变异，但90%以上位于非编码区域，其调控机制尚不清楚。现有方法在分析批量组织或细胞系数据时存在局限性，难以检测细胞类型特异性模式且预测一致性较低。哈佛大学和纪念斯隆凯特琳癌症中心的研究团队开发了pgBoost算法，通过整合单细胞多组学技术和基因组距离信息，显著提高了非编码变异与基因之间调控关系的识别准确性。研究在eQTL、ABC、CRISPR和GWAS数据集中验证了pgBoost的优越性，尤其在远距离调控关系和细胞类型特异性识别方面表现突出。该方法有助于深入理解疾病机制并发现潜在治疗靶点。