摘要
为更好地描述阿尔茨海默病（AD）及相关痴呆症（ADRD）的遗传结构，我们对欧洲血统人群进行了全基因组关联研究的荟萃分析，共纳入128,681例ADRD患者或代理病例以及849,833名（代理）对照。我们确定了91个与ADRD风险相关的遗传基因座，其中16个是新发现的，56个是在临床诊断的AD病例中特异性检测到的。我们还提供了一份包含18个基因座（15个为新发现）的列表，需进一步外部验证。结合除APOE外的ADRD基因座效应的多基因评分主要与AD相关，而非非AD病理。在评分最高十分位的个体中，相比中位分数组，其布劳克神经原纤维缠结阶段大于4级和死亡时中度至重度神经炎性淀粉样斑块病理的风险增加了两倍。总之，我们的研究验证了大量与临床诊断AD风险相关的基因座，但需要进一步研究确认其他基因座对AD临床诊断的影响以及每个基因座对AD病理的影响。
主要内容
已有90多个基因座与阿尔茨海默病及相关痴呆症（ADRD）相关。其中大多数是通过欧洲血统样本进行的大型全基因组关联研究（GWAS）识别的，主要包括国际阿尔茨海默病基因组计划（IGAP）、欧洲阿尔茨海默病和痴呆症生物库（EADB）以及精神遗传学联盟（PGC）—AD工作组（PGC-ALZ）等进行的研究。尽管最新的ADRD GWAS部分重叠，但它们使用了不同的插补面板或分析方法，某些结果在不同研究中存在差异。所有研究都不同程度地纳入了使用国际疾病分类代码识别AD病例的大生物库样本、代理ADRD病例（即报告至少有一位父母或兄弟姐妹患有痴呆症的个体）或两者兼有。这种策略虽然增加了识别AD基因座的能力，但也可能模糊AD和非AD痴呆信号之间的区别，因为这些样本中的AD表型定义特异性较低。
为了更好地描述AD和ADRD的基础遗传结构和病理生理学，我们联合了三大联盟的努力，在我们所有欧洲血统样本、英国生物银行（UKBB）和FinnGen中进行ADRD GWAS的共识荟萃分析。为更清晰地界定已知基因组基因座对AD与ADRD的影响，我们还通过排除代理或大型生物库样本进行了敏感性分析。
荟萃分析纳入了52项研究的72,721例AD病例、55,960例代理ADRD病例、614,267名对照和235,566名代理对照，相当于约230,631人的有效样本量。经过质量控制，我们考虑了20,045,120个变体的关联性。我们确定了91个全基因组显著（GWS）基因座（P≤5×10^-8^，定义为"一级"），其中16个基因座（EIF4G3、PTPRC、MGAT5、PPP2R3A、ADGRL3、FAM193B、TMEM184A、DOCK4、IPMK、UBFD1、VMAC、VAV1、LRRC25、CEP89、LILRB1/LILRB4和SRC）在欧洲血统样本中分析时是新的（图1，补充表2和3以及补充图3-55）。在逐步条件分析后，我们在16个基因座中确定了25个独立的次级信号（图1，补充表3和补充图3-55）。与先前研究相比，我们在CD33、HLA、PICALM和RHOH基因座中检测到的新独立关联信号是新的，并且我们在ABCA7、BIN1、PTK2B/CLU、NCK2和PLCG2中检测到额外的独立信号（图1）。虽然某些主要信号和次级信号可能与同一基因相关——例如SORL1和ABCA7中的低频变异，但有些可能与同一基因座中的两个不同基因相关。
值得注意的是，除91个一级基因座外，我们检测到五个在条件分析（P>1×10^-7^）后显著性下降的基因座，表明非条件分析存在轻微膨胀（图1和补充表2-4）。这些基因座需要外部验证，被分类为"二级"。其中三个是已知的（SEC61G/EGFR、SPPL2A/USP8/USP50、KAT8/BCKDK），两个是欧洲血统样本中的新发现（TRIB1和AXIN1），尽管TRIB1已在最近的一项多血统GWAS中被识别。此外，欧洲血统样本中两项最大ADRD GWAS荟萃分析中的四个基因座（HAVCR2、SLC2A4RG/LIME1、FOXF1和NTN5）在EADB–IGAP–PGC荟萃分析中未达到GWS（补充表5和补充图56）。
我们通过排除代理ADRD样本或大型生物库样本从荟萃分析中评估了信号的稳健性。总体而言，据此定义的三种AD表型间的遗传相关性高于0.97（补充表6）。在91个一级基因座中，75个（82.4%）在无代理荟萃分析中达到GWS，56个（61.5%）在专注于临床诊断AD病例的无生物库荟萃分析中达到GWS（图1和补充表2和7）。在主分析和无代理荟萃分析中检测到的75个基因座中，有10个是新的——PTPRC、MGAT5、FAM193B、TMEM184A、DOCK4、IPMK、UBFD1、LRRC25、CEP89和LILRB1/LILRB4。UBFD1和LRRC25的新基因座也在无生物库荟萃分析中达到GWS，而12个已知ADRD基因座现在在专注于临床诊断AD病例时比之前研究中显示出GWS。我们进一步检查了仅在敏感性荟萃分析中检测到的潜在信号——9个基因座仅在无代理荟萃分析中被识别，4个基因座仅在无生物库荟萃分析中被识别（图1、补充表2和7以及补充图57-61）。这13个基因座都是新发现的，被分类为"二级"。
在主要或次级一级信号的索引变异中，有三个错义变异的REVEL评分>0.25（在MME、TREM2和ABCA7基因座中）；仅7个索引变异是罕见的，次要等位基因频率（MAF）<1%（在SORT1、NCK2、ADGRL3、TREM2、PLCG2和ABCA7基因座中）（补充表2和3）。我们进一步使用之前样本测序数据的基因水平分析评估了新一级基因座中罕见变异对AD风险的影响。在SRC基因中，功能缺失变异和REVEL评分>50的错义变异共同与AD风险相关联（优势比（OR）=4.23，95%置信区间（CI）=2.04-8.79，P=1.06×10^-4^；补充表8）。
与之前的GWAS发现一致，在主分析、无代理和无生物库荟萃分析中基因座富集的基因在跨越不同脑区的四个数据集中在小胶质细胞中过表达。与之前GWAS结果相似，关联信号在主、无代理和无生物库荟萃分析中显著富集于与tau、淀粉样蛋白、脂质、免疫或内体/溶酶体相关的生物学通路。通过进行全表型关联研究，我们还将一些新基因座（两个级别）与tau、脂质或免疫相关的通路联系起来。例如，C16orf95基因座与脑脊液中磷酸化tau水平以及心室体积相关。后一观察支持了一些二级基因座的有效性。排除APOE后，无代理ADRD表型与路易体痴呆（r=0.64，95% CI=0.37-0.92）、肌萎缩侧索硬化症（r=0.29，95% CI=0.18-0.40）、帕金森病（r=0.16，95% CI=0.06-0.27）和教育程度（r=-0.12，95% CI=-0.17至-0.07）显著相关（补充表6）。这些结果与先前研究一致，当我们考虑主和无生物库汇总统计数据时也类似，除了在主荟萃分析结果中教育程度方面（r=-0.02，95% CI=-0.07至0.02）。
我们使用三级主信号和次级信号（排除APOE）构建了三个多基因评分（PGS），分别基于主、无代理和无生物库荟萃分析，并评估了它们与11种神经病理学内表型（NPEs）在成人变化思维（ACT）队列和阿尔茨海默病中心/国家阿尔茨海默病协调中心（ADC/NACC）数据集中的关联。主要评分与三种AD相关NPE和ADC/NACC数据集中的LATE-NC显著相关，而较小ACT研究中的信号方向相同。在ADC/NACC数据集中，与第十分位相比，位于中位五分位的个体，其布劳克阶段大于4级和死亡时中度至重度神经炎性淀粉样斑块病理的风险分别降低了0.47倍（95% CI=0.37-0.61）和0.43倍（95% CI=0.33-0.56）。
总之，这项共识荟萃分析确定了91个与ADRD风险相关的遗传基因座，包括16个欧洲血统样本中的新基因座，56个与临床诊断AD风险相关。我们还通过在更大样本中验证或不验证其与ADRD和AD风险的关联，进一步描述了已知基因座的影响。除与教育的遗传相关性外，主、无代理和无生物库荟萃分析之间的结果一致，三个PGS（排除APOE）主要与AD而非非AD病理相关。随着GWAS中纳入代理和生物库病例比例的增加，评估GWAS或GWAS次级分析（尤其是基于基因组统计的分析）在临床诊断病例中敏感性的需求将变得越来越重要。
方法
样本
我们分析了52项研究中欧洲血统样本的基因型数据，包括46项病例对照或队列研究、2项家族研究（NIA-LOAD和弗雷明汉心脏研究（FHS））以及4个大型生物库（UKBB、FinnGen、deCODE和HUNT）。样本在补充表1和补充说明中有详细描述。在UKBB中，代理ADRD病例包括在基线或随访时报告至少一位生物学亲属（父母或兄弟姐妹）患有痴呆症的参与者。
质量控制和插补
对每个研究中的样本和常染色体变异应用了经典的质量控制协议。大多数样本使用TOPMed参考面板进行了插补；一项研究使用Haplotype参考联盟面板进行插补，而UKBB、FinnGen和deCODE生物库则使用研究特定参考面板进行插补（补充表22）。
GWAS和荟萃分析
在每个研究中，使用加性遗传模型测试了每个常染色体变异与ADRD风险之间的关联。大多数研究使用逻辑回归。当必要时，通过广义估计方程或逻辑混合模型考虑了相关性。分析调整了主成分（PCs）和中心/批次。在deCODE中，使用链接不平衡（LD）评分回归的截距估计值（1.30）对由于相关性和人口分层引起的测试统计量膨胀进行了校正。在UKBB代理分析中，效应大小和标准误差通过因子2进行校正。
荟萃分析
使用METAL软件通过逆方差加权方法进行固定效应荟萃分析，结合了各研究的结果。在主荟萃分析中，纳入了所有研究，并在每个研究中过滤了有效等位基因计数（定义为主成分和插补质量与预期的最小次要等位基因计数乘积）<5的变异。荟萃分析后，我们过滤掉（1）跨所有研究的频率振幅>0.4（定义为最大和最小频率之间的差异）的变异，以及（2）在<40%有效病例数中分析的变异。在每个研究中，有效病例数定义为原始病例数，但在UKBB代理中，通过将原始代理病例数除以4计算有效病例数。
进行了几项敏感性荟萃分析：
（1）排除UKBB代理研究（无代理荟萃分析）；
（2）排除UKBB、FinnGen、deCODE和HUNT研究，这些是使用国际疾病分类代码识别AD病例的大型生物库（无生物库荟萃分析；补充表1）；
（3）移除每研究变异过滤对有效等位基因计数的限制，FHS研究除外。
基因座定义
我们选择了具有GWS信号的变异，以及位于GWS变异±500kb范围内且在≥70%有效病例数中分析的次要变异（P≤1×10^-5^）。变异之间的LD使用EADB核心数据集中的基因型剂量和LDstore 2计算；对于EADB核心中不可用的变异，使用1000基因组欧洲样本（v3）中的emeraLD计算了LD。
条件和联合分析
为识别基因座中独立于主变异信号的次级信号，使用基于主荟萃分析汇总统计的GCTA COJO在EADB核心样本中计算的LD进行了逐步条件分析。然后，使用GCTA COJO对（1）由逐步条件分析检测到的157个主信号和次级信号的索引变异以及（2）ADGRL3主变异进行联合分析。还对无代理和无生物库敏感性荟萃分析进行了这些条件和联合分析。
多基因评分分析
我们使用主、无代理和无生物库荟萃分析中检测到的91个一级主信号和次级信号（排除APOE），分别构建了三个PGS，并测试了它们与ADC/NACC和ACT研究中11个NPE的关联。我们将每个PGS的个体分为五分位数和十分位数，并在ADC/NACC中计算了布劳克阶段和CERAD评分与PGS十分位数的关联。
【全文结束】