連鎖不平衡（LD）使因果 GWAS 變異與其相關鄰近變異難以區分；對它們進行解析即為精細定位（fine-mapping）問題，而這一挑戰具有物種特異性：人類面臨密集且祖源失衡的 LD，酵母和 *Arabidopsis* 具有異常長的 LD，而作物種質資源則存在稀疏且碎片化的註釋，難以適配人類生物樣本庫的整理流程。貝葉斯精細定位方法將註釋作為每個變異的平坦先驗加以整合，從而忽略了將變異與組織特異性 eQTL、通路及蛋白-蛋白相互作用聯繫起來的關係結構。
基於變異-基因-通路因子圖的分層信念傳播（HBP）在速度上比貝葉斯基線快 5–40 倍，同時保持相當性能；一種註釋自適應補充方法——圖增強精細定位（GAFM）——在弱信號條件下以 27–2 的優勢勝過 SuSiE，並在四種 Pan-UK Biobank 祖源中以單變異分辨率恢復了 *LDLR*、*APOE*、*LPL*、*GCKR* 和 *ANGPTL3*。
在 3,000 Rice Genomes 的籽粒重量與形狀數據集中，GAFM/HBP 及其集成模型（GAFM-MX、HBP-MX、ENS）的混合先驗後驗重加權在 21 個與面板匹配的穩定 QTN 中實現了 47.6% 的 top-1-PIP 精確位置恢復率——為所有方法中最高，超過 SuSiE（28.6%）和 SBayesRC（14.3%）——且每個位點速度為 SuSiE 的 200–700 倍。
在四個物種的 692 個領先信號中，起作用的不是均一的高覆蓋，而是非均一的逐變異先驗，使圖結構能夠打破 LD 平局：在 321 個 Pan-UKB 領先信號上，向原本均一的人類緩存中添加一個調控元件標記，使 HBP（比 GAFM 更窄）從 0% 提升至 88%。這些結果將多組學精細定位重塑為非均一先驗整理問題，而非均一覆蓋問題，並將 GWAS 後分析重新定義為在生物結構上的消息傳遞，而非對平坦化註釋進行加權迴歸。
作者聲明不存在任何競爭性利益。
注：僅請求您的電子郵件地址用於識別您為本文的發送者。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.15.725513v1?rss=1
🏷️ GWAS精細定位 連鎖不平衡 因果變異識別 因子圖模型 貝葉斯方法 生物網絡整合