本研究由 Sai Zhang（佛罗里达大学、斯坦福大学等）、Hantao Shu、Jingtian Zhou、Jianyang Zeng（西湖大学）、Philip S. Tsao（斯坦福大学）及 Michael P. Snyder（斯坦福大学）等多位研究者合作完成，发表于 Nature Biotechnology 2026 年 5 月刊。该研究提出并验证了一种名为 scPRS 的单细胞多基因风险评分框架，旨在将传统多基因风险评分（polygenic risk score, PRS）与单细胞染色质可及性数据相结合，以提升复杂疾病遗传风险预测的准确性，并揭示疾病相关的细胞与分子机制。

复杂疾病如 2 型糖尿病（type 2 diabetes, T2D）、肥厚型心肌病（hypertrophic cardiomyopathy, HCM）、阿尔茨海默病（Alzheimer disease, AD）和重症 COVID-19 具有显著的细胞异质性。传统 PRS 通常基于全基因组关联研究（genome-wide association study, GWAS）的效应量，对个体基因型进行线性加权求和。然而，这种方法忽略了风险变异在不同细胞类型与调控环境中的功能差异，限制了预测力和机制解释能力。研究团队提出“单细胞遗传学”（single-cell genetics）这一概念，旨在利用单细胞表观基因组数据将遗传风险分解到细胞层面，从而更精确地刻画疾病遗传结构。scPRS 的设计核心是：利用参考单细胞转座酶可及性测序（single-cell assay for transposase-accessible chromatin, scATAC-seq）数据定义每个细胞中的开放染色质区域，并据此为每个细胞计算条件化 PRS；随后借助图神经网络（graph neural network, GNN）对细胞水平的 PRS 进行去噪与非线性整合，最终输出个体水平的疾病风险评分。

在方法流程上，scPRS 首先需要输入三部分数据：目标人群的个体基因型、疾病 GWAS 汇总统计量，以及来自健康组织的参考 scATAC-seq 数据集。对于每个个体和每个参考细胞，scPRS 仅保留位于该细胞开放染色质区域内的遗传变异，计算细胞特异性 PRS。由于 scATAC-seq 数据高度稀疏，研究利用 GNN 在细胞相似性网络上对原始细胞 PRS 进行信息传播与平滑，同时捕捉遗传信号与细胞表观基因组之间的非线性关系。最终，模型将所有平滑后的细胞 PRS 加权聚合，得到个体疾病风险预测值。模型通过最小化预测标签与真实疾病状态之间的损失进行训练，训练后的模型可用于三个下游任务：对新个体的疾病风险预测、疾病相关细胞或细胞类型优先排序，以及致病变异、基因和调控程序的精细定位。

在模拟实验中，研究者假设“单核细胞计数”这一表型完全由单核细胞特异性开放染色质区域内的遗传变异决定，并利用外周血单个核细胞（peripheral blood mononuclear cells, PBMCs）的 scATAC-seq 数据构建参考。结果显示 scPRS 的预测值与模拟表型显著相关（Pearson r = 0.77，P < 2.2 × 10⁻¹⁶），且 scPRS 优先排序的细胞显著富集于单核细胞（Fisher 精确检验 P < 1 × 10⁻⁵⁰）。在引入不同强度的表型噪声和峰值噪声后，scPRS 仍能保持对单核细胞的识别能力，表明该方法对噪声和随机扰动具有较强的稳健性。

在实际疾病应用中，scPRS 在 T2D、HCM、AD 和重症 COVID-19 四个疾病上均进行了评估。T2D 和 AD 的目标人群来自英国生物银行（UK Biobank），HCM 使用斯坦福内部全基因组测序数据，重症 COVID-19 则基于美国退伍军人事务部百万退伍军人计划（Million Veteran Program, MVP）的测序数据。参考 scATAC-seq 组织分别为胰腺（T2D）、左心室（HCM）、额叶皮层（AD）和肺（重症 COVID-19）。在预测性能上，scPRS 在 HCM、AD 和重症 COVID-19 中均优于六种基线 PRS 方法（包括 C+T、LDpred2 系列、lassosum 和 PolyPred），在 T2D 中，整合非峰区 PRS 的 scPRS+ 模型也超越了大部分基线方法。值得注意的是，scPRS 仅使用约 11% 的遗传变异（即位于开放染色质区域内的变异）即可取得更优或相当的预测性能，提示非编码调控变异在疾病风险中具有重要贡献。研究还表明，scPRS 在不同参考 scATAC-seq 数据集、不同细胞数量以及较高比例的输入特征丢失情况下仍保持稳定性能，而使用不相关组织（如 PBMC）作为 T2D 的参考会显著降低预测力，说明选择疾病相关组织的参考单细胞数据至关重要。

在细胞优先排序方面，scPRS 通过训练 100 个不同随机种子的模型，识别出在多个模型中被一致赋予高权重的细胞作为疾病相关细胞。在 T2D 中，scPRS 显著富集了胰腺中的 GCG-high α 细胞和 INS-high β 细胞，并进一步定义了未被原有注释覆盖的 α、β 细胞亚群。在 HCM 中，scPRS 选择细胞富集于心肌细胞（cardiomyocytes, CDMs）和心包细胞（pericytes），其中 CDMs 已知是 HCM 发病的核心细胞类型，而心包细胞与心肌病的关联相对较少被研究，scPRS 的发现为心包细胞在 HCM 中的潜在因果作用提供了新的证据。在 AD 中，scPRS 优先排序的细胞显著富集于小胶质细胞（microglia）、星形胶质细胞（astrocytes）和少突胶质前体细胞（oligodendrocyte progenitor cells, OPCs）。在重症 COVID-19 中，scPRS 选择细胞显著富集于巨噬细胞、自然杀伤细胞和单核细胞。与其他单细胞优先排序方法相比，scPRS 在多个疾病中能够识别出 sLDSC 或 scAVENGE 未能鉴定的细胞类型，显示其在分辨率与统计功效上的优势。

在机制解析方面，scPRS 结合多层组学策略，对疾病相关细胞类型中的调控程序进行系统解析。首先识别在 scPRS 选择细胞中差异可及的候选顺式调控元件（candidate cis-regulatory elements, cCREs），随后通过 MAGMA 分析鉴定其中富集疾病相关变异的 cCREs，再利用共可及性分析和最近基因策略预测 cCRE 的靶基因。同时，研究团队训练了基于 DNA 序列的深度学习模型，预测单个变异对染色质可及性的影响，并结合表达数量性状位点（eQTL）、转录因子结合位点（TFBS）预测等多层证据精细定位致病变异。在 T2D 中，该方法鉴定出 rs10811660 通过影响 INS-high β 细胞中 MAFA 结合，调控 CDKN2A 表达，从而影响 T2D 风险。在 HCM 中，研究发现 rs886125 通过破坏 ZNF382 结合位点，特异性降低 CDM 中 MYL2 的调控活性。通过对诱导多能干细胞衍生心肌细胞的 RNA-seq 数据分析，scPRS 筛选出的 HCM 基因在患者心肌细胞中表达显著下调，且该下调可被 FDA 批准的 HCM 药物 mavacamten 挽救，提示这些基因与疾病进程和治疗反应密切相关。在 AD 中，scPRS 鉴定了 rs7922621 这一仅具有名义显著性的变异，并预测其通过降低小胶质细胞特异的 cCRE 可及性，下调 ANXA11 和 TSPAN14 表达。通过先导编辑（prime editing）实验，研究者证实将风险等位基因 A 编辑为非风险等位基因 C 可上调 ANXA11 的表达。进一步的 siRNA 敲低实验显示，ANXA11 和 TSPAN14 的抑制显著损害了诱导多能干细胞衍生的小胶质样细胞的吞噬功能，支持 rs7922621 通过影响小胶质细胞功能而参与 AD 发病的结论。

scPRS 的主要科学价值在于，它将遗传风险预测与单细胞层面的机制解析统一在一个框架内。传统 PRS 方法往往将大量存在连锁不平衡的变异等同对待，难以区分因果变异与统计相关变异。scPRS 利用单细胞染色质可及性作为功能先验，对 PRS 进行细胞水平分解，不仅提高了预测准确性和跨人群泛化能力，还使模型具有可解释性。研究者强调，scPRS 能够在 GWAS 功效有限的情况下识别仅具有名义显著性的风险变异，为扩大遗传发现提供了新的路径。该框架为“单细胞遗传学”的方法学体系奠定了基础，具有推动精准医学和复杂疾病机制研究的重要潜力。

本研究的亮点包括：提出并验证了 scPRS 这一基于图神经网络的单细胞 PRS 框架；在多疾病中系统比较了其与主流 PRS 方法的预测性能；通过单细胞层面的模型解释实现对疾病相关细胞和细胞类型的无偏排序；结合深度学习、eQTL 和 TFBS 分析精细定位了多种细胞类型特异的致病变异与靶基因；并通过先导编辑和 siRNA 干扰实验验证了新发现的 AD 相关基因功能。scPRS 的灵活性和可扩展性也使其有望应用于更多复杂疾病和更大规模的单细胞数据集。