GWAS之后，TWAS来袭
GWAS（Genome-wide Association Study），即全基因组关联分析，是目前研究复杂疾病易感性的最有效手段之一，该技术应用基因组中数以百万计的 SNPs 为标记进行病例对照关联分析，从而确定与疾病相关的易感位点和区域。但是基因变异并不一定会引起 mRNA 或蛋白水平的改变，也就有可能不会影响疾病或其他生物学过程，因而只利用基因组关联分析的数据很难解释变异所产生的复杂性状。转录组测序（RNA-seq）可全面检测特定组织的整体转录水平，用于研究基因转录表达与疾病发生发展之间的关系。但 RNA-seq 技术大都需要较多的生物样本起始量，这使得来源极为有限的生物样本分析受到限制，大样本研究更是难上加难。此时，TWAS应运而生[1,2]。
TWAS（transcriptome-wide association study），即全转录组关联研究，目的是建立受遗传调控的基因表达与性状之间的关系，有助于深度阐述发病机理，为疾病研究提供新思路。下面我们一起来认识一下 TWAS。
研究思路
1. 先在小样本人群中进行基因分型和转录组测序以获得基因型数据和基因表达数据，用这部分数据作为训练集，拟合基因表达量与基因型之间关系的模型，得到基因型对基因表达量的效应估计值；
2. 利用该模型估计通过大样本 GWAS 数据估算基因型调控的基因表达水平；
3. 建立估算得到的基因表达水平与性状之间的关联。
图1 TWAS 研究思路
样本要求
基因组与转录组样本来源最好一致，首先对于某些组织类型的疾病可以利用 GTEx 数据库进行基因表达遗传度的预估，然后再在 GWAS 群体中预测基因表达量， GWAS 分析群体的样本数通常＞100。
应用
1. 筛选疾病易感基因
利用 TWAS 筛选出病例组和对照组的差异表达基因，作为疾病的候选易感基因，用以指导后续的功能实验。
2. 检测表型的遗传相关性
利用预测得到的基因表达水平，可以比较不同表型间基因表达水平的相互关系，从而揭示不同表型之间的遗传相关性。
3. 鉴别不同表型之间的因果关系
通过双向回归分析（bi-directional regression），可以鉴别一对表型之间的因果关系，即基因对表型2的效应是以表型1为中介，或者基因对表型1的效应是以表型2为中介。这里，一般将TWAS分析得到的表型相关基因纳入双向回归模型。
经典案例
Transcriptome-wide isoform-level dysregulation in ASD, schizophrenia，and bipolar disorder [3]
期刊：Science 影响因子：41.845 发表日期：2018年12月14日
研究方法
该研究基于 PsychENCODE 项目的1695个人脑样本[精神分裂症（schizophrenia，SCZ）（n=559）、双相情感障碍（bipolar disorder，BD）（n=222）、自闭症（autism，ASD）（n=51）、以及正常对照（Control，n=936）进行基因型和 RNA 测序数据的整合分析。
研究结论
采用 FUSION 软件通过在全基因组范围内的差异表达分析发现：
1. 人脑转录组有超过25%的成分在疾病和正常对照中存在差异表达或差异剪切的情况，且转录本水平的变化对疾病的贡献最大；
2. 基因共表达网络分析发现了疾病类型特异性的与神经元、小胶质细胞、星形胶质细胞相关的，以及与干扰素应答相关的共表达模块；
3. 疾病风险位点可能通过顺式基因表达调控而作用于疾病。该研究在基因和转录本水平综合分析了基因表达调控与精神疾病的关系，为疾病的病因学研究和药物治疗提供了重要基础。
图2 PsychENCODE：多种疾病类型的转录组资源整合
在 ASD 、 SCZ 、双相障碍和对照组中，人类大脑 RNA-seq 与基因型整合，识别普遍的失调，包括蛋白编码、非编码、剪接和同形变化。系统水平和整合基因组分析优先考虑以前未知的神经遗传机制，并提供深入了解这些疾病的分子神经病理学。
TWAS 高分文献汇总
参考文献
[1] Gusev A, Ko A, Shi H, et al. Integrative approaches for large-scale transcriptome-wide association studies[J]. Nature Genetics, 2016, 48(3): 245-252.
[2] Mancuso N, Shi H, Goddard P, et al. Integrating gene expression with summary association statistics to identify genes associated with 30 complex traits[J]. The American Journal of Human Genetics, 2017, 100(3): 473-487.
[3] Gandal M J, Zhang P, Hadjimichael E, et al. Transcriptome-wide isoform-level dysregulation in ASD, schizophrenia, and bipolar disorder[J]. Science, 2018, 362(6420).
