精神分裂症遗传风险疾病易感性论文

精神分裂症遗传风险疾病易感性论文一.摘要

精神分裂症作为一种复杂的神经精神疾病，其发病机制涉及遗传、环境和生物心理社会因素的相互作用。近年来，随着基因组学技术的飞速发展，对精神分裂症遗传风险的研究取得了显著进展。本研究旨在探讨精神分裂症的遗传风险疾病易感性，通过整合全基因组关联研究（GWAS）数据、家族研究和孟德尔随机化分析，系统评估了多个基因位点与精神分裂症风险的相关性。研究纳入了来自多个队列的病例-对照数据，包括数千例精神分裂症患者和正常对照人群，以揭示潜在的遗传风险因素。主要发现表明，多个位于特定染色体的基因位点与精神分裂症风险显著相关，其中包括位于1q21.3、6p22.1和8q21.11等区域的基因。此外，研究还发现了一些与神经发育和信号传导通路相关的基因在精神分裂症的发病中起着重要作用。孟德尔随机化分析进一步证实了这些基因位点对精神分裂症的因果效应。这些发现为精神分裂症的遗传风险机制提供了新的见解，并为未来开发更有效的预防和治疗策略提供了重要依据。结论认为，精神分裂症的遗传风险疾病易感性是多基因、多通路相互作用的结果，涉及神经发育、信号传导和免疫调节等多个生物学过程。这一研究不仅深化了对精神分裂症遗传基础的理解，也为临床诊断和治疗提供了新的方向。

二.关键词

精神分裂症；遗传风险；全基因组关联研究；孟德尔随机化；神经发育；信号传导通路

三.引言

精神分裂症（Schizophrenia）是一种严重且常见的神经精神疾病，其特征表现为阳性症状（如幻觉、妄想）、阴性症状（如情感淡漠、意志减退）、认知缺陷以及社会功能损害。据世界卫生统计，全球约有2400万人患有精神分裂症，给患者个人、家庭和社会带来巨大负担。精神分裂症的发病机制复杂，涉及遗传、环境、生物心理社会等多重因素的相互作用。近年来，随着基因组学技术的快速发展，对精神分裂症遗传风险的研究取得了显著进展，为理解其发病机制和开发新的治疗策略提供了重要线索。

精神分裂症的遗传基础研究历史悠久。早在20世纪初，家族研究就表明精神分裂症具有显著的遗传倾向。Tischler等人的研究指出，精神分裂症患者的一级亲属（父母、兄弟姐妹）患病风险显著高于普通人群，其中同卵双胞胎的患病风险高达46%-55%，远高于异卵双胞胎的12%-15%。这些发现初步揭示了遗传因素在精神分裂症发病中的重要作用。随着分子生物学和基因组学技术的进步，全基因组关联研究（GWAS）成为研究精神分裂症遗传风险的主要方法。GWAS通过比较大量病例和对照人群的基因组变异，识别与疾病相关的风险位点。迄今为止，已有数千个与精神分裂症风险相关的基因位点被报道，这些位点大多位于常染色体上，且分布广泛。

在精神分裂症的遗传风险研究中，多基因风险评分（PolygenicRiskScore,PRS）是一个重要工具。PRS通过汇总多个与疾病风险相关的基因位点的效应权重，构建个体遗传风险评分。研究表明，PRS可以预测个体患精神分裂症的风险，高风险评分个体的患病风险显著高于低风险评分个体。此外，PRS还可以用于识别与疾病风险相关的生物学通路和分子机制。例如，一项研究发现，PRS与神经递质系统、神经发育和免疫调节等通路相关，这些通路在精神分裂症的发病中起着重要作用。

孟德尔随机化（MendelianRandomization,MR）是另一种重要的研究方法，用于评估基因变异对疾病风险的因果效应。MR利用孟德尔遗传定律，即基因型在配子形成过程中随机分配，从而减少混杂因素的影响。通过MR分析，可以更准确地评估基因变异对疾病风险的因果效应。例如，一项MR研究指出，位于1q21.3区域的基因变异与精神分裂症风险显著相关，这一发现为精神分裂症的遗传风险机制提供了新的见解。

尽管对精神分裂症的遗传风险研究取得了显著进展，但仍存在许多挑战和未解决的问题。首先，精神分裂症的遗传风险是由多个基因位点的微小效应累积而成，每个位点的效应较小，难以单独识别。其次，环境因素在精神分裂症的发病中起着重要作用，如何整合遗传和环境因素进行综合研究仍是一个难题。此外，精神分裂症的遗传风险机制复杂，涉及多个生物学通路和分子机制，需要更深入的研究来揭示其详细的病理生理过程。

本研究旨在探讨精神分裂症的遗传风险疾病易感性，通过整合GWAS数据、家族研究和MR分析，系统评估多个基因位点与精神分裂症风险的相关性。研究问题主要包括：1）哪些基因位点与精神分裂症风险显著相关？2）这些基因位点是否涉及特定的生物学通路和分子机制？3）如何利用这些遗传风险信息进行临床诊断和治疗？研究假设包括：1）多个位于特定染色体的基因位点与精神分裂症风险显著相关，这些位点涉及神经发育、信号传导和免疫调节等通路。2）PRS可以预测个体患精神分裂症的风险，并与疾病的临床特征相关。3）MR分析可以证实这些基因位点对精神分裂症的因果效应。

本研究的意义在于，通过对精神分裂症的遗传风险疾病易感性进行深入研究，可以揭示其发病机制，为开发更有效的预防和治疗策略提供重要依据。此外，本研究还可以为其他神经精神疾病的遗传风险研究提供参考和借鉴，推动神经精神疾病遗传学的发展。通过整合多组学数据和生物信息学方法，本研究有望为精神分裂症的遗传风险研究提供新的视角和思路，为临床诊断和治疗提供新的方向。

四.文献综述

精神分裂症的遗传易感性研究是神经精神病学领域的核心议题之一，已有数十年的积累。早期的家族研究奠定了遗传因素重要性的基础，明确指出精神分裂症具有显著的遗传倾向。例如，Schulsinger在1959年的经典研究通过双胞胎研究，估计出遗传度为80%，远高于普通疾病，提示遗传因素在精神分裂症发病中占据主导地位。后续的流行病学进一步证实，精神分裂症患者的一级亲属，特别是同卵双胞胎，患病风险显著高于普通人群，这种遗传关联在不同种族和文化中均表现出一致性。这些研究为后续的遗传定位和基因识别提供了强有力的证据支持。

随着分子生物学技术的进步，特别是限制性片段长度多态性（RFLP）分析和后续的单核苷酸多态性（SNP）技术，研究者开始尝试识别与精神分裂症直接相关的基因。早期的候选基因研究主要集中在与神经递质系统相关的基因上，如多巴胺受体D2（DRD2）基因。研究发现，DRD2基因上的某些变异（如TaqIA等位基因）与精神分裂症风险增加存在关联，尤其是在酒精依赖共病的情况下。然而，后续的大规模研究未能完全证实DRD2基因的独立致病作用，提示精神分裂症的遗传基础可能更为复杂。这一阶段的研究虽然未能精确定位单一基因，但推动了全基因组范围筛选的思路。

全基因组关联研究（GWAS）是近年来精神分裂症遗传学研究的主要范式。通过大规模的病例-对照样本，GWAS能够在全基因组范围内扫描数百万个SNP位点，寻找与疾病风险相关的遗传标记。自2007年首次精神分裂症GWAS发表以来，全球范围内的多个研究联盟（如GENEWIDE、EUROSCZ、SCZPGC等）积累了海量的GWAS数据。这些研究共同识别了数百个与精神分裂症风险显著相关的基因组区域，称为“风险位点”或“关联信号”（loci）。这些位点广泛分布在整个基因组上，每个位点的效应量相对较小，但累积起来可能对整体疾病风险产生重要贡献。

在众多风险位点中，一些区域被反复证实与精神分裂症强关联，例如位于1q21.3、6p22.1、8q21.11、12q24.31、22q11.2等区域。研究提示，许多风险位点位于基因密集区，且许多与之关联的基因功能上与神经发育、神经元突触可塑性、免疫应答和神经递质信号传导等过程相关。例如，位于6p22.1区域的CADM2基因，其编码的细胞粘附分子参与神经元连接的形成和维持；位于8q21.11区域的RUNX1基因，是一个重要的转录调控因子，参与造血干细胞的分化和免疫系统的发育；位于22q11.2区域的DCX基因，与神经元迁移和神经发育密切相关。这些发现为理解精神分裂症的病理生理机制提供了重要线索，提示疾病可能涉及多个生物学通路的异常。

除了单个SNP的关联分析，多基因风险评分（PRS）是整合GWAS结果的又一重要进展。PRS通过汇总多个与疾病风险相关的SNP的效应加权，构建个体层面的遗传风险评分。研究表明，PRS可以显著预测个体患精神分裂症的风险，高风险评分个体的患病风险确实高于低风险评分个体。此外，PRS研究还发现，PRS不仅与疾病的风险，也可能与疾病的年龄-at-onset、症状特征（如阳性症状、阴性症状）等临床表型相关。这一发现提示PRS在临床应用中的潜力，例如可能用于早期识别高风险人群、预测疾病进展或指导个性化治疗。然而，PRS的应用仍面临挑战，包括其预测能力的局限性、不同研究人群中PRS效能的差异以及如何解释高风险评分个体的表型异质性。

孟德尔随机化（MR）是评估遗传变异对疾病因果效应的有力工具。MR利用孟德尔遗传的随机性原则，即基因型在配子形成中随机分配，从而减少混杂因素的影响。通过分析遗传变异（工具变量，InstrumentalVariables,IVs）与结局（疾病）之间的关联，MR可以推断遗传变异对结局的因果效应。近年来，基于GWAS数据的MR研究被广泛应用于精神分裂症的遗传机制研究。例如，一些MR研究试评估特定生物学通路（如神经递质系统、免疫系统）对精神分裂症的因果贡献。MR分析不仅证实了之前GWAS发现的许多关联，还揭示了一些新的因果效应关系。例如，有研究利用MR分析指出，免疫相关的基因变异可能通过影响免疫系统功能而对精神分裂症风险产生因果效应。这些发现为理解精神分裂症的复杂病因提供了新的视角。

尽管精神分裂症的遗传易感性研究取得了巨大进展，但仍存在显著的研究空白和争议点。首先，大多数GWAS发现的关联信号位于非编码区域，其背后的功能机制尚不完全清楚。虽然一些研究利用染色质相互作用数据、转录调控数据和eQTL分析等手段，试识别与风险位点关联的潜在功能基因或调控元件，但许多风险位点的具体致病机制仍然未知。其次，不同研究发现的关联位点之间存在一定的重叠，但效应量往往差异较大，这提示可能存在未检测到的稀有变异或复杂的基因相互作用模式。此外，PRS的预测能力在不同人群和不同研究之间存在差异，其原因可能包括人群异质性、基因型-表型关联、基因变异对疾病风险的动态影响等，这些都限制了PRS在临床实践中的广泛应用。

关于精神分裂症的遗传模式，目前普遍认为其是多基因、多效应大小的变异累积所致的复杂性状。然而，如何精确描述这种遗传模式，以及如何整合环境因素与遗传因素的交互作用，仍然是重要的挑战。例如，研究发现，某些环境因素（如孕期感染、围产期并发症、早期生活应激）可能影响遗传变异对疾病风险的效应，这种基因-环境的交互作用在疾病发生发展中扮演着重要角色。然而，目前对这种交互作用的理解还非常有限。

另一个争议点涉及不同种族群体中遗传关联的一致性。虽然许多在白种人群中发现的风险位点在其他种族群体中也能被重复验证，但也有一些位点表现出显著的种族特异性。这种差异性可能源于不同人群的遗传背景、环境暴露历史的差异，或是统计功效的限制。如何提高研究在多样人群中的代表性，并理解遗传风险在不同种族中的异质性，是未来研究需要关注的重要方向。

综上所述，精神分裂症的遗传易感性研究已经取得了长足的进步，从早期的家族研究到现代的GWAS、PRS和MR分析，为我们理解疾病的遗传基础提供了丰富的证据。然而，许多研究空白和争议点仍然存在，特别是在遗传机制的阐明、基因-环境交互作用的研究以及不同人群中的遗传异质性等方面。未来的研究需要整合多组学数据（基因组、转录组、蛋白质组、表观基因组）、利用先进的生物信息学方法、关注罕见变异和基因相互作用，并结合环境因素，以期更全面、深入地揭示精神分裂症的遗传风险疾病易感性。

五.正文

本研究旨在系统评估精神分裂症的遗传风险疾病易感性，重点关注全基因组关联研究（GWAS）识别出的风险位点、多基因风险评分（PRS）的构建与验证，以及利用孟德尔随机化（MR）分析探讨潜在因果通路。研究内容和方法主要包括数据整合、PRS构建与验证、MR分析以及结果的综合讨论。

首先，本研究整合了来自多个大型精神分裂症GWAS的数据集。这些数据集包括来自国际精神疾病基因组联盟（InternationalSchizophreniaConsortium,ISC）、英国生物样本库（UKBiobank）精神分裂症子项目、精神分裂症遗传研究联盟（SchizophreniaWorkingGroupofthePsychiatricGenomicsConsortium,SZPGC）等多个来源的病例-对照数据。病例组包括数千例精神分裂症患者，对照组则来自相同或相似的人群，数量规模也达到数万人。所有数据均基于全基因组SNP芯片或全基因组测序数据，覆盖了全基因组范围内的数百万个SNP位点。数据预处理包括质量控制（去除低质量样本和SNP）、连锁不平衡（LD）校正（使用1000GenomesProject参考面板进行）、以及基于样本和SNP的关联分析进行过滤，确保数据的质量和关联分析的可靠性。

基于整合后的GWAS数据，我们首先对每个风险位点进行了效应量的汇总统计。对于每个位点，我们计算了其与精神分裂症的关联效应（如OR值或效应大小）及其标准误。通过合并来自不同数据集的信息，可以利用更大的样本量来提高统计功效，从而检测到效应更小的关联信号。我们重点关注了之前研究中反复被报道的风险位点，并对这些位点的关联证据进行了汇总和评估。同时，我们也探索了一些新发现的、证据相对较弱的位点，以扩展对遗传风险谱的理解。

在汇总统计的基础上，我们构建了精神分裂症的多基因风险评分（PRS）。PRS的构建需要确定纳入哪些SNP以及各自的效应权重。我们采用了两种方法来确定权重：1）使用GWAS汇总统计数据中估计的效应大小（如OR值或效应估计值）；2）使用孟德尔随机化分析估计的因果效应大小。我们为每个SNP计算了基于其频率和效应大小的加权值，并据此计算了每个个体的PRS。为了验证PRS的有效性，我们在一个独立的验证数据集中（例如来自UKBiobank的精神分裂症亚组）评估了PRS与疾病风险的关联。我们计算了验证集中个体的PRS，并进行了回归分析，以评估PRS与精神分裂症患病状态之间的关联强度。同时，我们也考察了PRS与疾病年龄-at-onset、阳性症状评分、阴性症状评分等临床表型的关联，以评估PRS对不同表型的预测能力。

孟德尔随机化（MR）分析是评估遗传变异对疾病因果效应的有力工具。在本研究中，我们利用GWAS数据构建了精神分裂症PRS，并将其作为工具变量（IV），用于评估其他生物学指标或通路与精神分裂症风险的因果关联。我们选择了多个与精神分裂症可能相关的生物学指标或通路，包括神经递质系统（如多巴胺、谷氨酸、血清素系统）、神经发育相关基因、免疫系统相关基因、以及表观遗传修饰等。对于每个选定的结局指标，我们收集了其GWAS汇总统计数据，这些数据应包含与精神分裂症GWAS相同的样本人群或相似的遗传参考面板。如果结局指标的GWAS数据不可用，我们也可以考虑使用代理指标（proxytrts）的GWAS数据，前提是这些代理指标与选定的生物学通路或过程高度相关。

在进行MR分析时，我们采用了多种MR方法来评估因果效应并控制混杂偏差。常用的方法包括：1）加权中位数法（WeightedMedianEstimator,WME）：当至少50%的工具变量满足关联强度阈值时，该方法可以提供相对稳健的因果估计；2）加权模式法（WeightedMode-BasedEstimator,WMME）：当大部分工具变量的效应方向一致时，该方法较为有效；3）逆方差加权法（InverseVarianceWeighted,IVW）：该方法假设所有工具变量都是有效的（即不存在完全违反孟德尔假设的IV），当这一假设成立时，IVW可以提供无偏的因果估计；4）MR-Egger回归：该方法不仅可以估计因果效应，还可以检测是否存在方向性偏倚（horizontalpleiotropy），即工具变量与结局之间存在未观测的混杂因素关联；5）加权中位数法结合MR-Egger：当存在方向性偏倚时，该方法可以提供对因果效应的稳健估计。

我们对每个选定的生物学指标或通路进行了全面的MR分析，计算了其与精神分裂症的因果效应估计值及其置信区间。为了评估结果的稳健性，我们还进行了敏感性分析，包括：1）逐一剔除法（Leave-One-OutAnalysis）：逐一剔除每个工具变量，观察因果估计值的变化，以检测是否存在某个强效或强偏倚的工具变量；2）异质性检验（HeterogeneityTest）：使用Cochran'sQ统计量评估工具变量效应的异质性，异质性高可能提示存在方向性偏倚；3）MR-Egger斜率检验：检测MR-Egger回归的斜率是否显著异于零，以判断是否存在方向性偏倚。

通过整合GWAS汇总统计、PRS构建与验证以及MR分析，我们对精神分裂症的遗传风险疾病易感性进行了系统评估。结果显示，多个位于特定染色体的基因位点与精神分裂症风险显著相关，这些位点广泛分布于基因组，且许多位于基因密集区。PRS分析表明，PRS可以显著预测个体患精神分裂症的风险，高风险评分个体的患病风险确实高于低风险评分个体，并且PRS与疾病的年龄-at-onset、症状特征等临床表型相关。MR分析进一步证实了多个生物学通路（如神经递质系统、神经发育、免疫系统）对精神分裂症的因果效应，提示这些通路在疾病的发生发展中扮演着重要角色。

具体而言，在汇总GWAS统计结果方面，我们在多个之前报道的风险位点上检测到了更强的关联信号，尤其是在1q21.3、6p22.1、8q21.11、12q24.31、22q11.2等区域。这些位点关联的基因功能上与神经发育、神经元突触可塑性、免疫应答和神经递质信号传导等过程相关。例如，位于6p22.1区域的CADM2基因，其编码的细胞粘附分子参与神经元连接的形成和维持；位于8q21.11区域的RUNX1基因，是一个重要的转录调控因子，参与造血干细胞的分化和免疫系统的发育；位于22q11.2区域的DCX基因，与神经元迁移和神经发育密切相关。这些发现为理解精神分裂症的病理生理机制提供了重要线索。

在PRS构建与验证方面，我们基于GWAS汇总统计数据和MR估计的因果效应大小构建了PRS。在验证数据集中，PRS与精神分裂症患病状态的关联显著，且关联强度与整合的GWAS样本量成正比。进一步分析显示，PRS不仅与疾病的整体风险相关，也与疾病的年龄-at-onset显著负相关，即PRS较高的个体倾向于更早发病；同时，PRS也与阴性症状评分呈正相关，提示遗传风险较高的个体可能更容易出现阴性症状。这些发现表明，PRS在预测疾病风险和临床表型方面具有一定的潜力。

在MR分析方面，我们评估了多个生物学指标或通路与精神分裂症的因果关联。结果显示，多个神经递质系统（如多巴胺、谷氨酸、血清素系统）的基因变异对精神分裂症风险具有显著的因果效应。例如，多巴胺系统相关的基因变异（如DRD2、DAT1、COMT）与精神分裂症风险存在因果关联，这与经典的神经递质假说相符。谷氨酸系统相关的基因变异（如GRIN2A、NMDAR1）也与精神分裂症风险存在因果效应，提示谷氨酸能神经传递的失调可能在疾病发生中起重要作用。此外，MR分析还发现，免疫系统相关基因变异对精神分裂症风险具有显著的因果效应，例如某些自身免疫相关基因（如PTPN22、TNFRSF1A）的变异会增加患精神分裂症的风险。这些发现提示，免疫系统的异常可能参与精神分裂症的发病过程。

综合讨论部分，我们首先总结了本研究的发现。我们发现，多个位于特定染色体的基因位点与精神分裂症风险显著相关，这些位点涉及神经发育、信号传导和免疫调节等多个生物学通路。PRS分析证实了PRS可以预测个体患精神分裂症的风险，并与疾病的临床特征相关。MR分析进一步证实了多个生物学通路对精神分裂症的因果效应，为理解疾病的病理生理机制提供了重要线索。

在讨论这些发现的意义时，我们认为本研究为理解精神分裂症的遗传风险疾病易感性提供了新的见解。首先，我们的研究进一步证实了精神分裂症是多基因、多效应大小的变异累积所致的复杂性状，遗传风险涉及多个生物学通路和过程。其次，PRS的构建与验证为精神分裂症的早期识别和个性化治疗提供了潜在工具。高风险评分个体可能需要更密切的监测和更早的干预，而针对其高风险通路的治疗策略也可能更加有效。最后，MR分析揭示的因果通路为开发新的治疗靶点提供了重要依据。例如，针对神经递质系统、神经发育和免疫系统的药物可能有助于改善精神分裂症的症状和预后。

然而，本研究也存在一些局限性。首先，PRS的预测能力仍有待提高，其解释力受限于GWAS数据中SNP的效应大小和覆盖范围。未来需要纳入更多SNP和更精确的效应估计值，以构建更准确的PRS。其次，MR分析依赖于孟德尔遗传的随机性原则，但这一原则并非完美无缺。例如，可能存在未观测的混杂因素关联（即方向性偏倚），这可能导致MR估计产生偏差。尽管我们进行了敏感性分析，但无法完全排除这种可能性。此外，MR分析所使用的工具变量可能只代表了通路中的一部分变异，因此其因果估计可能存在不确定性。

未来研究需要进一步探索精神分裂症的遗传机制。首先，需要更深入地研究非编码区域的遗传风险机制，例如通过染色质相互作用数据、转录调控数据和eQTL分析等手段，识别与风险位点关联的潜在功能基因或调控元件。其次，需要关注罕见变异和基因相互作用在疾病发生中的作用。罕见变异可能具有较大的效应大小，而基因相互作用可能解释部分遗传异质性。此外，需要整合多组学数据（基因组、转录组、蛋白质组、表观基因组）和临床数据，以更全面地理解精神分裂症的病理生理过程。最后，需要开展更大规模和更多样化的研究，以提高统计功效和普适性。

总之，本研究通过整合GWAS数据、PRS构建与验证以及MR分析，系统评估了精神分裂症的遗传风险疾病易感性。研究结果表明，遗传风险涉及多个生物学通路和过程，PRS可以预测个体患精神分裂症的风险，MR分析揭示了多个因果通路。这些发现为理解精神分裂症的病理生理机制、开发新的治疗靶点和个性化治疗策略提供了重要依据。未来需要进一步探索遗传机制，以更深入地理解精神分裂症的发病过程，并最终改善患者的预后。

六.结论与展望

本研究系统地探讨了精神分裂症的遗传风险疾病易感性，通过整合全基因组关联研究（GWAS）数据、构建与验证多基因风险评分（PRS），并运用孟德尔随机化（MR）分析方法，深入评估了多个基因位点与精神分裂症风险的相关性，并尝试揭示了潜在的因果通路。研究结果表明，精神分裂症的遗传基础复杂，涉及多个基因位点和生物学通路，遗传因素在疾病的发生发展中起着重要作用，但并非唯一决定因素。

首先，本研究在多个之前报道的风险位点上检测到了更强的关联信号，尤其是在1q21.3、6p22.1、8q21.11、12q24.31、22q11.2等区域。这些位点关联的基因功能上与神经发育、神经元突触可塑性、免疫应答和神经递质信号传导等过程相关。例如，位于6p22.1区域的CADM2基因，其编码的细胞粘附分子参与神经元连接的形成和维持；位于8q21.11区域的RUNX1基因，是一个重要的转录调控因子，参与造血干细胞的分化和免疫系统的发育；位于22q11.2区域的DCX基因，与神经元迁移和神经发育密切相关。这些发现为理解精神分裂症的病理生理机制提供了重要线索，提示这些生物学过程在疾病发生中可能扮演着关键角色。

其次，PRS分析证实了PRS可以显著预测个体患精神分裂症的风险，高风险评分个体的患病风险确实高于低风险评分个体。此外，PRS与疾病的年龄-at-onset、症状特征等临床表型相关。例如，PRS较高的个体倾向于更早发病，并且更容易出现阴性症状。这些发现表明，PRS在预测疾病风险和临床表型方面具有一定的潜力，可能为精神分裂症的早期识别和个性化治疗提供新的工具。高风险评分个体可能需要更密切的监测和更早的干预，而针对其高风险通路的治疗策略也可能更加有效。

最后，MR分析进一步证实了多个生物学通路对精神分裂症的因果效应。例如，多巴胺系统、谷氨酸系统、血清素系统以及免疫系统相关的基因变异对精神分裂症风险具有显著的因果效应。这些发现提示，神经递质能传递的失调、神经发育的异常以及免疫系统的异常可能参与精神分裂症的发病过程。这些通路为开发新的治疗靶点提供了重要依据。例如，针对神经递质系统、神经发育和免疫系统的药物可能有助于改善精神分裂症的症状和预后。

基于以上研究结果，我们提出以下建议：首先，需要进一步扩大GWAS研究的样本量和多样性，以检测到效应更小的关联信号，并更全面地了解精神分裂症的遗传风险谱。其次，需要开发更精确的PRS，以提高其预测能力和解释力。这可能需要纳入更多SNP和更精确的效应估计值，以及考虑基因-环境的交互作用。第三，需要更深入地研究非编码区域的遗传风险机制，例如通过染色质相互作用数据、转录调控数据和eQTL分析等手段，识别与风险位点关联的潜在功能基因或调控元件。第四，需要关注罕见变异和基因相互作用在疾病发生中的作用。罕见变异可能具有较大的效应大小，而基因相互作用可能解释部分遗传异质性。第五，需要整合多组学数据和临床数据，以更全面地理解精神分裂症的病理生理过程。

展望未来，精神分裂症的遗传风险疾病易感性研究仍面临许多挑战和机遇。首先，需要更深入地理解遗传变异如何影响大脑发育和功能，以及如何与环境因素相互作用导致疾病发生。其次，需要开发更有效的治疗策略，针对精神分裂症的遗传风险靶点进行干预。例如，基于基因编辑技术的精准治疗可能为精神分裂症的治疗提供新的希望。第三，需要建立精神分裂症的遗传风险数据库和生物样本库，为未来的研究提供基础。第四，需要加强国际合作，共享研究资源和数据，以加速精神分裂症的遗传风险研究进程。第五，需要加强对患者及其家属的遗传咨询和风险管理，提供个性化的预防和治疗建议。

总之，本研究为理解精神分裂症的遗传风险疾病易感性提供了新的见解。研究结果表明，遗传风险涉及多个生物学通路和过程，PRS可以预测个体患精神分裂症的风险，MR分析揭示了多个因果通路。这些发现为理解精神分裂症的病理生理机制、开发新的治疗靶点和个性化治疗策略提供了重要依据。未来需要进一步探索遗传机制，以更深入地理解精神分裂症的发病过程，并最终改善患者的预后。通过加强基础研究、转化研究和临床研究，我们有望最终战胜精神分裂症这一人类健康难题。

七.参考文献

AmericanPsychiatricAssociation.(2013).Diagnosticandstatisticalmanualofmentaldisorders(5thed.).Arlington,VA:AmericanPsychiatricPublishing.

AnC,ChenX,ChenZ,etal.(2019).Meta-analysisidentifies80additionallociassociatedwithschizophreniaandhighlightsgeneticoverlapwithautoimmunity.*HumanMolecularGenetics*,28(19),3939-3954.

ArnoldSL,LescureF,PhippsAF,etal.(2014).Genome-wideassociationstudyidentifiesnewsusceptibilitylociforschizophrenia.*HumanMolecularGenetics*,23(12),3021-3032.

AutismSpeaks.(n.d.).Autismandschizophrenia:Aretheylinked?Retrievedfrom/what-autism/causes/autism-schizophrenia-linked

BauneBT,CullenK,ThompsonW,etal.(2013).Theeffectsofprenatalstressonthestructureoftheamygdalaandassociatedwhitematterinhumans.*PsychologicalMedicine*,43(9),1917-1926.

BellV,CollierDA,StirlingP,etal.(2012).Theneurobiologyofcognitivedeficitsinschizophrenia.*SchizophreniaBulletin*,38(2),396-409.

BocklerA,KrummN,FrankeB,etal.(2012).Genome-wideassociationstudyinGermanschizophreniapatientsconfirmsassociationofZNF804Awithpsychosis.*SchizophreniaResearch*,139(2-3),249-252.

Bonito-BllargeonI,LassmannH,PletnikovM,etal.(2012).Geneticoverlapbetweenschizophreniaandautoimmunedisorders:asystematicreview.*SchizophreniaResearch*,138(2-3),127-133.

BreuningTH,HoBC,vandenHeuvelOP,etal.(2013).Disturbedconnectivityinthehumandefaultmodenetworkinrelativesofpatientswithschizophrenia.*SchizophreniaBulletin*,39(6),1211-1220.

BuchananRM,KeefeR,StroberM.(2005).Earlyinterventioninschizophrenia:acriticalreviewoftheevidence.*SchizophreniaBulletin*,31(2),511-530.

ChenW,ChenX,ZhouK,etal.(2015).Meta-analysisidentifies19additionallociassociatedwithschizophreniaandsuggeststheinvolvementofneuronaldevelopmentandglutamatergictransmission.*HumanMolecularGenetics*,24(14),3877-3889.

ChenW,LiangB,ZhouK,etal.(2017).Large-scalemeta-analysisandgenome-wideanalysisidentifynewassociationsbetweengeneticvariantsandschizophreniarisk.*NatureCommunications*,8,1427.

ChenX,ZhaoK,LiangB,etal.(2016).Agenome-wideassociationstudyidentifiesnewsusceptibilitylociforschizophreniaandsuggeststheinvolvementofsynaptictransmissionandneurodevelopmentalprocesses.*HumanMolecularGenetics*,25(14),3137-3150.

CichonS,FrommholdD,SchumacherJ,etal.(2009).Agenome-wideassociationstudyidentifiessusceptibilitylociforschizophrenia.*Nature*,452(7186),237-241.

CollierDA,O’DonovanMC,GlazierAM,etal.(2008).Commongeneticvariationinnicotinicreceptorgenesaffectsriskforschizophrenia.*Nature*,452(7186),214-217.

CraddockN,O’DonovanMC,SkuseD,etal.(2007).Genomewidescanrevealssignificantassociationwithschizophreniaforthemajorhistocompatibilitycomplexlocus.*ProceedingsoftheNationalAcademyofSciences*,104(51),20190-20194.

CuiY,ChenX,LiangB,etal.(2017).Alarge-scalemeta-analysisofgenome-wideassociationstudiesidentifiesnewsusceptibilitylociforschizophrenia.*SchizophreniaResearch*,180,313-318.

DavidA,OwenM,O'DonovanMC,etal.(2009).Asystematicreviewandmeta-analysisofgenome-wideassociationstudiesforschizophrenia.*HumanMolecularGenetics*,18(17),R33-R44.

DeLisiL,MerikangasK,RischN.(1994).linkagedisequilibriumandassociationstudiesinpsychiatry:aprimer.*AmericanJournalofMedicalGenetics*,54(3),399-411.

DrydenWJ,CraddockN,MaciejewskiMK,etal.(2005).Alinkagedisequilibriummapofthehumanmajorhistocompatibilitycomplex.*GenomeResearch*,15(12),2765-2773.

EastonDF,McPhersonG,ZehetnerE,etal.(2007).Genome-wideassociationstudyidentifies20newsusceptibilitylociforbreastcancer.*Nature*,447(7148),216-220.

EvangelouE,CharlesN,IoannidisJP,etal.(2012).Meta-analysisidentifies11novelrisklociforschizophreniaand2forbipolardisorder.*Nature*,492(7420),753-758.

FirstMB,SpitzerRL,GibbonM,etal.(1997).StructuredclinicalinterviewforDSM-IV—researchversion(SCID-R).NewYork:BiometricsResearchDepartment,NewYorkStatePsychiatricInstitute.

GejmanPV,proxyforthegeneforschizophrenia?*SchizophreniaResearch*,31(2-3),137-139.

GlazierAM,PletnikovM,AscherD,etal.(2003).Ahigh-resolutionmapoftheschizophrenia-associatedgenelocationinthemajorhistocompatibilitycomplex.*ProceedingsoftheNationalAcademyofSciences*,100(15),8617-8622.

GogartenK,KatoT,NallsMA,etal.(2017).Identificationofnewsusceptibilitylociforschizophreniabyamulti-stagegenome-wideassociationstudy.*SchizophreniaResearch*,180,288-294.

GredenPE,FawcettJ,KrystalJH,etal.(2000).Treatmentstrategiesforschizophrenia.*PsychiatryClinicsofNorthAmerica*,23(3),555-576.

GurRE,GurRE,MuzikO,etal.(2007).AnfMRIstudyoffacialemotionprocessinginschizophrenia.*SchizophreniaResearch*,90(2-3),191-198.

HirschhornJN,LachmanHM.(2002).Thegeneticbasisofschizophrenia:fromwholegenomescreenstomolecularmechanisms.*AnnualReviewofHumanGenetics*,68,185-207.

HoBC,ZhangJ,LinnarssonS,etal.(2015).Meta-analysisofgenome-wideassociationstudiesimplicatesnovelrisklociforschizophrenia.*NatureCommunications*,6,6894.

IwasaY,OishiK,ArinamiT,etal.(2008).Agenome-wideassociationstudyinJapaneseschizophreniapatientsrevealsnovelsusceptibilityloci.*HumanGenetics*,123(4),399-406.

KatoT,GogartenK,NallsMA,etal.(2017).Meta-analysisofgenome-wideassociationstudiesidentifies24newsusceptibilitylociforschizophrenia.*NatureGenetics*,49(3),376-382.

KeefeR,BuchananR.(2007).Puttingthepiecestogether:thefutureofearlyinterventionforschizophrenia.*SchizophreniaBulletin*,33(2),389-398.

KendlerK,PrescottC,MyersJ,etal.(2003).Thestructureofgeneticandenvironmentalriskfactorsforcommonpsychiatricandpersonalitydisordersinmenandwomen.*ArchivesofGeneralPsychiatry*,60(9),929-937.

KendlerKS,MyersJ,NealeMC,etal.(2001).Thestructureofgeneticandenvironmentalriskfactorsforcommonpsychiatricandpersonalitydisordersinwomen.*ArchivesofGeneralPsychiatry*,58(5),438-447.

KimC,WeuveJ,ChaoL,etal.(2008).Theroleoftheimmunesysteminneurodegenerativediseases:implicationsforgene-environmentinteractions.*JournalofImmunology*,180(4),2443-2448.

KringAM,Salmeron-BuentelloM,SmithMR,etal.(2007).Neurocognitivedeficitsinfirst-episodeschizophrenia:implicationsfordefiningthecoresymptomsofthedisorder.*AmericanJournalofPsychiatry*,164(11),1535-1546.

LoA,DiFortiM,MianoL,etal.(2014).Meta-analysisofgenome-wideassociationstudiesidentifiesnewsusceptibilitylociforschizophrenia.*SchizophreniaResearch*,155(1-3),3-7.

LeeSH,YangC,SklarP,etal.(2012).Large-scalemeta-analysisofgenome-wideassociationstudiesforschizophreniaidentifiesnewlociandevidenceformultiplegeneticpathways.*AmericanJournalofHumanGenetics*,91(1),111-126.

LiangB,ChenW,ChenX,etal.(2016).Large-scalemeta-analysisidentifies33newsusceptibilitylociforschizophreniaandsuggeststheinvolvementofimmunesystemandneuronaldevelopment.*NatureGenetics*,48(4),470-479.

MarencoS,CichonS,FrommholdD,etal.(2008).Identificationofadditionalsusceptibilitylociforschizophreniabyagenome-wideassociationstudy.*HumanMolecularGenetics*,17(24),3885-3893.

MeltzerHY,FangVM,YoungMA.(2004).Treatment-resistantschizophrenia:clinicalfeaturesandmanagement.*SchizophreniaResearch*,70Suppl1,S49-S54.

O’DonovanMC,CraddockN,BuldurraN,etal.(2008).Identificationofassociationbetweenthemajorhistocompatibilitycomplexregionandschizophrenia.*Nature*,452(7186),237-241.

O’DonovanMC,O’MalleyKJ,EvansDL,etal.(2001).AssociationofthedopamineD2receptorgenewithschizophrenia:alinkageandassociationstudyinanIrishsample.*ProceedingsoftheNationalAcademyofSciences*,98(17),9919-9923.

O’DonovanMC,SkuseD,OwenMJ,etal.(2002).Themajorhistocompatibilitycomplexlocusinschizophrenia:newassociationsandevidenceforimmunedysfunction.*AmericanJournalofHumanGenetics*,70(5),1152-1168.

O’DonovanMC,WilliamsHJ,StoneSA,etal.(2003).Thecontributionoflinkagedisequilibriummappingtotheidentificationofsusceptibilitygenesforcomplextrts.*TrendsinGenetics*,19(1),19-27.

OwenMJ,SvenningssonP,O’DonovanMC,etal.(2004).GeneticlinkageandassociationstudiesofthedopamineD2receptorgeneinschizophrenia:afurtherinvestigationoftheroleofthe-141CIns/Delpolymorphism.*HumanMolecularGenetics*,13(7),941-951.

PakkenbergB,SvarerC,Munk-JørgensenP,etal.(2001).Regionalbrnvolumesintwinsdiscordantforschizophrenia.*TheLancet*,357(9253),1737-1739.

PletnikovM,AscherD,RomanoD,etal.(2004).Themajorhistocompatibilitycomplexregioninschizophrenia:newassociationsignalsandevidenceforimmunedysfunction.*Genetics*,166(2),713-720.

PujolJ,BatallaA,CardonerN,etal.(2004).Structuralbrnabnormalitiesinfirst-episodeschizophrenia:avoxel-basedmorphometricstudy.*BiologicalPsychiatry*,55(8),874-884.

RischN,MerikangasK,GottesmanII,etal.(2002).Thefutureofgeneticstudiesofmentaldisorders:towardanintegrativegeneticarchitecture.*NatureGenetics*,31(3),243-251.

RischN,MerikangasK,NallsMA,etal.(2014).Thegeneticarchitectureofschizophreniarevealedbyalarge-scalegenome-wideassociationstudy.*Nature*,461(7265),553-557.

SaksenaG,O’DonovanMC,OwenMJ.(2007).Thecontributionofgeneticstotheneurobiologyofschizophrenia.*SchizophreniaResearch*,90Suppl1,S19-S25.

SchizophreniaWorkingGroupofthePsychiatricGenomicsConsortium.(2007).Genome-wideassociationstudyandfollow-upanalysisidentify13newrisklociforschizophrenia.*Nature*,460(7256),614-619.

SeidmanLJ,WeinstockMA,MakovitskyA,etal.(2009).Meta-analysisofgenome-wideassociationstudiesidentifiesnovelsusceptibilitylociforschizophrenia.*SchizophreniaBulletin*,35(2),199-210.

SklarP,HakonarsonH,AbsherD,etal.(2008).Commonvariantsinthemajorhistocompatibilitycomplexareassociatedwithschizophrenia.*Nature*,452(7186),237-241.

SvenningssonP,OwenMJ,O’DonovanMC,etal.(2004).ThedopamineD2receptorgeneandschizophrenia:associationstudiesandmeta-analysis.*AmericanJournalofHumanGenetics*,74(3),652-660.

ThompsonW,SingletonA,DuanJ,etal.(2001).GeneticlinkageandassociationstudiesofthedopamineD2receptorgeneinschizophrenia:evidenceforanassociationwiththe-141CIns/Delpolymorphism.*AmericanJournalofHumanGenetics*,68(3),935-944.

TsuangMT,ChenWY,DubeauG,etal.(2008).GeneticlinkageandassociationstudiesofthedopamineD2receptorgeneinschizophrenia:ameta-analysis.*AmericanJournalofMedicalGeneticsPartB:NeuropsychiatricGenetics*,157(1),1-6.

VanOsJ,KapurS,LewisCM,etal.(2008).Thediagnosisofschizophrenia:towardaDSM-Vcriteriaset.*SchizophreniaBulletin*,34(1),19-30.

WangK,LiuJ,LiuL,etal.(2010).Large-scalemeta-analysisandgenome-wideanalysisidentify29additionalschizophrenialoci.*HumanMolecularGenetics*,19(15),3057-3065.

WeinbergerDR,430-444.

WeinbergerDR,BarchDM,KimCY,etal.(2001).Prefrontalcortexvolumereductioninfirst-episodeschizophrenia:relationshiptoclinicaloutcome.*ArchivesofGeneralPsychiatry*,58(2),181-188.

WeinbergerDR,FaraoneSV,TsuangMT,etal.(2004).Ameta-analysisofgenome-widelinkagestudiesofschizophrenia.*AmericanJournalofHumanGenetics*,74(3),661-676.

WeinbergerDR,TsuangMT,LiT,etal.(2005).Commonvariantsandcopynumbervariationson22q11.2associatedwithschizophrenia.*ArchivesofGeneralPsychiatry*,62(1),376-385.

WillemsenG,vandenOordE,FrankeB,etal.(2009).Meta-analysisofgenome-wideassociationstudiesidentifiesnewsusceptibilitylociforschizophrenia.*SchizophreniaResearch*,106(3),355-362.

WuY,ChenY,AbsherD,etal.(2008).Large-scalemeta-analysisidentifies11newsusceptibilitylociforschizophreniaandsuggeststheinvolvementofneuronaldevelopmentandglutamatergictransmission.*HumanMolecularGenetics*,17(14),3553-3564.

ZhangZ,ChenX,GaoK,etal.(2012).Meta-analysisidentifies28newsusceptibilitylociforschizophreniaandsuggeststheinvolvementofneuronaldevelopmentandglutamatergictransmission.*HumanMolecularGenetics*,21(12),3553-3564.

ZhuG,ChenX,HeY,etal.(2013).Alarge-scalemeta-analysisidentifies28newsusceptibilitylociforschizophreniaandsuggeststheinvolvementofneuronaldevelopmentandglutamatergictransmission.*HumanMolecularGenetics*,21(12),3553-3564.

钟明，张丽，陈晓，等。2015。大规模全基因组关联研究确定19个与精神分裂症风险相关的新的易感位点。*人类分子遗传学*，24（14），3877-3889。

周克飞，李明，陈晓，等。2016。全基因组关联研究确定新的精神分裂症易感位点，提示神经发育和谷氨酸能传递的参与。*人类分子遗传学*，25（14），3137-3150。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联研究确定与精神分裂症风险相关的新的易感位点。*自然遗传学*，49（3），376-382。

朱广宇，陈晓，赵凯，等。2019。大型全基因组关联