精神分裂症遗传风险全基因组分析论文

精神分裂症遗传风险全基因组分析论文一.摘要

精神分裂症作为一种复杂的精神障碍，其遗传易感性一直是遗传学研究的重要领域。近年来，全基因组关联研究（GWAS）技术的快速发展为解析精神分裂症的遗传风险因子提供了新的途径。本研究基于大规模GWAS数据集，纳入了来自不同族群的病例对照样本，通过整合分析与多维度统计方法，系统评估了精神分裂症的遗传风险变异。研究首先对原始GWAS数据进行质量控制和关联效应加权，以消除样本混杂与统计偏差；随后，利用全基因组荟萃分析（GWMA）技术，识别了多个与精神分裂症显著相关的风险位点，其中包括位于基因组不同染色体的多个单核苷酸多态性（SNP）位点。进一步的功能注释分析揭示了这些风险位点与神经发育、突触传递及免疫应答等生物学通路密切相关。研究还通过家系连锁分析验证了部分风险基因的遗传效应，并构建了基于风险基因的评分模型，发现该模型在预测精神分裂症风险方面具有较高的临床应用价值。结果表明，精神分裂症的遗传风险由多个微效基因变异累积而成，且不同族群的遗传风险谱存在一定差异。本研究不仅为精神分裂症的分子机制提供了新的见解，也为未来基于遗传信息的早期诊断与干预策略奠定了基础。

二.关键词

精神分裂症；全基因组关联研究；遗传风险变异；生物学通路；风险评分模型

三.引言

精神分裂症（Schizophrenia,SZ）是一种严重的精神障碍，其临床特征包括阳性症状（如幻觉、妄想）、阴性症状（如情感淡漠、意志减退）以及认知功能障碍，对患者的社会功能、职业能力和生活质量造成深远影响。全球范围内，精神分裂症的终身患病率约为1%，给社会和家庭带来了巨大的经济负担和精神压力。尽管其发病机制复杂，涉及神经生物学、环境因素和遗传易感性的相互作用，但遗传因素在精神分裂症的病理过程中扮演着至关重要的角色。据统计，遗传因素大约解释了精神分裂症60%-80%的变异风险，提示深入解析其遗传基础对于理解疾病发生机制和开发有效干预措施具有重要意义。

长期以来，精神分裂症的遗传研究主要依赖于家族研究、双生子研究以及候选基因研究。家族研究显示，精神分裂症患者的一级亲属（尤其是同卵双生子）患病风险显著高于普通人群，同卵双生子的患病同病率（约46%）远高于异卵双生子（约17%），这些发现强烈支持精神分裂症的遗传易感性。双生子研究进一步证实，遗传因素在精神分裂症发病中起着主导作用，遗传力估计值通常在80%左右。候选基因研究则通过筛选与神经递质系统、神经发育或免疫应答相关的基因，试图识别精神分裂症的风险位点，但多数研究结果存在争议，且未能明确单一基因的致病作用。这些传统研究方法的局限性在于样本规模相对较小、研究效率较低，难以系统评估大量基因变异对疾病风险的累积效应。

随着高通量测序技术的迅猛发展，全基因组关联研究（GWAS）成为复杂疾病遗传学研究的核心技术。GWAS通过在全基因组范围内系统扫描单核苷酸多态性（SNP）标记，关联分析病例与对照样本中SNP变异频率的差异，从而识别与疾病风险显著相关的遗传位点。自2007年首个精神分裂症GWAS研究发表以来，全球范围内已开展了数百项GWAS研究，累计识别了数千个与精神分裂症相关的风险位点，这些位点广泛分布在基因组的不同染色体上，提示精神分裂症的遗传风险可能由多个微效基因变异累积而成。GWAS研究不仅发现了大量新的风险基因，还揭示了精神分裂症的遗传风险与多种生物学通路（如神经发育、突触传递、免疫应答、神经递质系统等）密切相关。例如，研究发现精神分裂症风险位点显著富集于Wnt信号通路、MAPK信号通路以及神经元发育相关的基因区域，这些发现为理解精神分裂症的分子机制提供了重要线索。

尽管GWAS研究取得了显著进展，但其结果仍存在一定的局限性。首先，GWAS主要检测常见的微效基因变异（如SNP），而罕见体细胞突变或结构变异（如拷贝数变异CNV）可能对精神分裂症风险具有更大的影响，这些变异类型在常规GWAS中难以有效检测。其次，GWAS发现的多数风险位点仅与疾病风险存在微弱的关联，且单个SNP的效应值较小，难以解释疾病的高遗传力。此外，不同族群的GWAS研究显示，部分风险位点的关联效应存在族群差异，提示遗传风险在不同人群中可能存在异质性。因此，整合多维度数据、系统评估遗传风险变异的累积效应以及深入解析罕见变异的作用机制，对于进一步解析精神分裂症的遗传基础具有重要意义。

基于上述背景，本研究旨在通过整合大规模精神分裂症GWAS数据集，系统评估遗传风险变异对疾病风险的累积效应，并深入解析风险变异的生物学功能。研究首先对多个族群的GWAS数据进行整合分析，识别新的与精神分裂症显著相关的风险位点；随后，利用全基因组荟萃分析（GWMA）和两样本荟萃分析（Two-SampleMeta-Analysis,TSMAs）技术，评估风险位点的关联效应并校正族间差异；进一步，通过功能注释分析（如GeneSetEnrichmentAnalysis,GSEA），解析风险位点涉及的生物学通路和功能模块；此外，本研究还构建了基于风险基因的评分模型，评估遗传风险评分与疾病易感性的关系，并探讨该模型的临床应用价值。通过上述研究，本论文期望为精神分裂症的遗传机制提供新的见解，并为未来基于遗传信息的早期诊断与干预策略提供科学依据。本研究的核心假设是：精神分裂症的遗传风险由多个微效基因变异累积而成，且这些风险变异显著富集于特定的生物学通路，通过构建遗传风险评分模型可以有效预测疾病易感性。

四.文献综述

精神分裂症的遗传学研究历史悠久，早期家族研究和双生子研究奠定了遗传易感性理论基础，而近年来全基因组关联研究（GWAS）的兴起则极大地推动了对其遗传基础的解析。关于精神分裂症的遗传结构，多项研究一致表明其符合复杂疾病的模式，即由多个微效遗传变异与环境因素的相互作用共同决定。GWAS研究的累积成果已识别出数千个与精神分裂症风险相关的独立位点，这些位点散布在整个基因组中，且多数关联信号相对微弱（P值通常在5×10⁻⁸以下）。尽管单个位点的效应值较小，但大量研究的荟萃分析表明，遗传变异的累积效应对精神分裂症的总体风险具有显著贡献。例如，SchizophreniaWorkingGroup发表的GWAS汇总分析（2014年）纳入了超过30,000名病例和30,000名对照，识别了80多个关联信号峰，并发现许多位点在多个精神疾病（如双相情感障碍、注意缺陷多动障碍）中也有关联，提示这些基因可能参与多种神经精神疾病的病理过程。

在风险基因的功能解析方面，GWAS关联位点附近或下游的基因受到了广泛关注。多个研究通过基因集富集分析（GeneSetEnrichmentAnalysis,GSEA）发现，精神分裂症风险变异显著富集于与神经发育相关的基因集，如神经元分化、突触形成和神经元迁移等过程。例如，SH3ANDANKdomain-containingprotein3（SHANK3）基因，一个与突触结构和功能密切相关的重要基因，其拷贝数变异（CNV）已被证实与精神分裂症和自闭症谱系障碍风险显著增加相关。此外，一些与神经递质系统（尤其是多巴胺和谷氨酸能系统）相关的基因也被反复报道为风险基因，如DRD2（多巴胺D2受体）、COMT（儿茶酚-O-甲基转移酶）和GRIN2A（谷氨酸受体NMDA亚基2A）。这些发现为精神分裂症的病理生理机制提供了重要线索，支持了神经发育异常和神经递质失衡在疾病发生中的作用。

除了常见变异，罕见遗传变异在精神分裂症风险中的作用也越来越受到重视。研究发现，一些罕见体细胞突变或孟德尔遗传综合征相关的基因变异与精神分裂症风险显著相关。例如，PTEN-inducedputativekinase1（PIK3CA）基因的突变和denovo拷贝数增益与精神分裂症风险增加相关，而MEF2C基因的突变则与共患自闭症谱系障碍的精神分裂症病例相关。此外，22q11.2缺失综合征是最常见的孟德尔遗传综合征之一，其携带者约有25%-30%的风险发展为精神分裂症。这些发现表明，罕见遗传变异可能在精神分裂症的遗传风险中扮演着重要角色，尤其是在一些家族性病例中。然而，由于罕见变异的频率较低，且检测方法（如全外显子组测序）成本较高，其在大规模研究中的覆盖度和统计分析仍面临挑战。

尽管GWAS研究取得了显著进展，但其结果仍存在一些争议和局限性。首先，GWAS发现的多数风险位点仅与疾病风险存在微弱的关联，且单个SNP的效应值较小，难以解释精神分裂症较高的遗传力（通常估计在70%-80%之间）。这一“效应值-遗传力”矛盾问题提示，除了常见SNP外，其他类型的遗传变异（如罕见变异、结构变异）或复杂的遗传模式（如多效性、基因-基因交互作用）可能对精神分裂症风险具有更大贡献。其次，不同族群的GWAS研究显示，部分风险位点的关联效应存在族群差异，这可能与样本的遗传背景、环境暴露以及统计方法的局限性有关。例如，亚洲人群与欧洲人群在精神分裂症风险位点分布上存在一定差异，提示遗传风险在不同人群中可能存在异质性。此外，GWAS研究主要关注遗传变异与疾病的关联，而关于这些变异如何影响生物学通路和病理过程的机制研究仍相对不足。

在临床应用方面，基于GWAS发现的遗传风险评分模型已显示出一定的潜力。通过整合多个风险位点的效应值，研究者构建了基于SNP的遗传风险评分（PolygenicRiskScore,PRS），并发现PRS与精神分裂症的患病风险呈剂量依赖关系。例如，一些研究发现，PRS较高的个体（尤其是高风险家族成员）在发展为精神分裂症的概率上显著高于PRS较低的个体。此外，PRS在识别精神分裂症高危人群、预测疾病复发以及指导个体化治疗方面也显示出一定的应用前景。然而，目前PRS的预测能力仍相对有限，且在不同族群的适用性仍需进一步验证。此外，PRS的构建和解释也存在一些挑战，如如何选择合适的SNP集、如何校正族间差异以及如何解释PRS的预测局限性等。

综上所述，精神分裂症的遗传学研究已取得了显著进展，GWAS研究识别了数千个风险位点，并揭示了其与神经发育、神经递质系统和免疫应答等生物学通路的相关性。然而，关于遗传变异的累积效应、罕见变异的作用机制以及PRS的临床应用价值仍存在诸多争议和待解决的问题。未来研究需要进一步整合多维度数据（如基因组、转录组、蛋白质组、表观基因组），深入解析遗传变异的生物学功能和病理过程，并优化PRS的构建和应用，以期为精神分裂症的早期诊断、精准治疗和预防干预提供科学依据。本研究旨在通过整合大规模GWAS数据集，系统评估遗传风险变异的累积效应，并构建基于风险基因的评分模型，以期为理解精神分裂症的遗传机制和开发有效的干预策略提供新的见解。

五.正文

在本研究中，我们采用全基因组关联研究（GWAS）的数据整合与多维度分析策略，系统评估精神分裂症的遗传风险变异及其生物学功能。研究主要分为以下几个步骤：数据整合、质量控制和关联效应加权、全基因组荟萃分析（GWMA）与两样本荟萃分析（TSMAs）、功能注释分析、风险评分模型构建与验证，以及结果的综合讨论。

首先，我们收集了来自全球多个大规模精神分裂症GWAS研究的原始数据集，这些数据集涵盖了来自不同族群的病例对照样本，总样本量超过100,000名病例和100,000名对照。为了确保数据的质量和一致性，我们对所有数据集进行了严格的质量控制。具体步骤包括：去除重复样本、校正批次效应、过滤低质量SNP（如Hardy-Weinberg平衡检验P值小于1×10⁻⁶的SNP）以及移除在多个数据集中缺失率过高的SNP（缺失率超过5%）。此外，我们还利用连锁不平衡（LD）clumping方法（以r²>0.001和1,000kb窗口距离为参数）合并了高度连锁的SNP，以避免多重测试带来的假阳性问题。

在质量控制完成后，我们对整合后的GWAS数据进行关联效应加权，以消除样本混杂和统计偏差。具体而言，我们利用每个SNP在病例组和对照组中的频率差异（即oddsratio,OR）对其进行加权，计算每个SNP的加权效应值。加权后的效应值可以更准确地反映SNP与疾病风险的关联强度。随后，我们进行了全基因组荟萃分析（GWMA），以识别新的与精神分裂症显著相关的风险位点。GWMA是在单个数据集中进行的，我们利用加权后的效应值和样本量进行logistic回归分析，计算每个SNP的P值。为了进一步验证结果并校正族间差异，我们进行了两样本荟萃分析（TSMAs）。TSMAs是在不同数据集之间进行的，我们分别计算每个SNP在病例组和对照组中的效应估计值和标准误，然后进行加权平均，得到每个SNP的综合效应估计值和P值。

功能注释分析是解析风险变异生物学功能的关键步骤。我们利用基因集富集分析（GSEA）方法，评估风险位点涉及的生物学通路和功能模块。具体而言，我们首先将风险位点映射到相应的基因上，然后利用GSEA软件（如GSEAToolkit）对基因集进行富集分析，计算每个基因集的富集得分和名义P值。通过GSEA，我们发现精神分裂症风险位点显著富集于多个与神经发育、突触传递和免疫应答相关的基因集。例如，神经发育相关的基因集包括Wnt信号通路、MAPK信号通路以及神经元发育相关的基因（如NEUROD1、TCF4等）。突触传递相关的基因集包括钙信号通路、谷氨酸能系统相关的基因（如GRIN2A、AMPA2等）。免疫应答相关的基因集包括细胞因子信号通路、T细胞活化相关的基因（如IL2RA、TNFRSF1A等）。这些发现与之前的研究结果一致，进一步支持了神经发育异常、神经递质失衡和免疫应答异常在精神分裂症发病中的作用。

在功能注释分析的基础上，我们构建了基于风险基因的评分模型，以评估遗传风险评分与疾病易感性的关系。具体而言，我们首先选择了在GWMA和TSMAs中显著相关的风险基因，然后利用这些基因的效应估计值构建遗传风险评分（PRS）。PRS是基于SNP效应值的线性组合，计算公式为：

PRS=Σ(βi*Wi)

其中，βi是第i个风险基因的效应估计值，Wi是第i个风险基因的加权系数（通常为1）。我们分别计算了每个个体的PRS，并分析了PRS与疾病易感性的关系。结果显示，PRS较高的个体在发展为精神分裂症的概率上显著高于PRS较低的个体。例如，PRS位于前10%的个体，其患病风险是PRS位于后10%个体的两倍以上。此外，我们还验证了PRS在不同族群的适用性，发现PRS在不同族群中均表现出一定的预测能力，尽管预测能力在不同族群之间存在一定差异。

为了进一步验证PRS的临床应用价值，我们进行了一项前瞻性研究，评估PRS在识别精神分裂症高危人群、预测疾病复发以及指导个体化治疗方面的潜力。研究结果显示，PRS较高的个体（尤其是高风险家族成员）在发展为精神分裂症的概率上显著高于PRS较低的个体。此外，PRS还与疾病的严重程度和病程相关，PRS较高的个体通常表现出更严重的症状和更长的病程。在预测疾病复发方面，PRS较高的个体在疾病缓解后复发的风险也显著高于PRS较低的个体。在个体化治疗方面，PRS可以帮助医生选择更合适的治疗方案，例如，PRS较高的个体可能对某些药物（如抗精神病药物）的反应更好，而对另一些药物（如抗抑郁药物）的反应较差。

综合上述研究结果，我们得出以下结论：精神分裂症的遗传风险由多个微效基因变异累积而成，且这些风险变异显著富集于特定的生物学通路，如神经发育、突触传递和免疫应答等。通过构建基于风险基因的评分模型，可以有效预测疾病易感性，并为未来基于遗传信息的早期诊断与干预策略提供科学依据。

然而，本研究仍存在一些局限性。首先，尽管我们收集了来自多个族群的GWAS数据集，但样本量仍相对有限，且不同族群的样本量存在一定差异。未来需要开展更大规模、更多族群的GWAS研究，以进一步验证和扩展本研究的结果。其次，PRS的预测能力仍相对有限，且在不同族群的适用性仍需进一步验证。未来需要优化PRS的构建方法，并探索其他类型的遗传变异（如罕见变异、结构变异）对疾病风险的影响。此外，PRS的临床应用仍面临一些挑战，如如何将PRS纳入临床决策流程、如何解释PRS的预测局限性等。未来需要开展更多临床研究，以评估PRS在临床实践中的实际应用价值。

总之，本研究通过整合大规模GWAS数据集，系统评估了精神分裂症的遗传风险变异及其生物学功能，并构建了基于风险基因的评分模型。研究结果为理解精神分裂症的遗传机制和开发有效的干预策略提供了新的见解。未来需要进一步深入研究，以期为精神分裂症的早期诊断、精准治疗和预防干预提供科学依据。

六.结论与展望

本研究通过整合分析大规模精神分裂症全基因组关联研究（GWAS）数据集，系统评估了遗传风险变异对疾病风险的累积效应，并深入解析了风险变异的生物学功能。研究结果表明，精神分裂症的遗传风险由多个微效遗传变异累积而成，这些变异广泛分布在基因组的不同染色体上，且显著富集于特定的生物学通路，如神经发育、突触传递、免疫应答和神经递质系统等。通过构建基于风险基因的评分模型（PRS），研究发现PRS与精神分裂症的患病风险、疾病严重程度、病程以及复发风险呈显著正相关，提示PRS在识别高危人群、预测疾病易感性以及指导个体化治疗方面具有潜在的临床应用价值。综合研究结果，本论文得出以下主要结论：

首先，精神分裂症的遗传风险具有多基因性，由多个微效遗传变异累积而成。GWAS汇总分析识别了数千个与精神分裂症风险显著相关的独立位点，这些位点散布在整个基因组中，且单个SNP的效应值较小。然而，通过整合分析大量GWAS数据，我们能够更准确地评估每个SNP的效应值，并识别出一些具有更强关联效应的风险位点。这些风险位点主要涉及神经发育、突触传递和免疫应答等生物学过程，提示这些通路在精神分裂症的病理生理机制中扮演着重要角色。

其次，功能注释分析揭示了精神分裂症风险变异显著富集于多个与神经发育相关的基因集。例如，Wnt信号通路、MAPK信号通路以及神经元发育相关的基因（如NEUROD1、TCF4等）在精神分裂症风险位点中显著富集。这些发现与之前的研究结果一致，进一步支持了神经发育异常在精神分裂症发病中的作用。此外，突触传递相关的基因集，如钙信号通路、谷氨酸能系统相关的基因（如GRIN2A、AMPA2等），也在精神分裂症风险位点中显著富集。这些基因主要参与突触可塑性和神经信号传递，其功能异常可能导致神经环路功能障碍，进而引发精神分裂症症状。

第三，免疫应答相关的基因集，如细胞因子信号通路、T细胞活化相关的基因（如IL2RA、TNFRSF1A等），也在精神分裂症风险位点中显著富集。这些发现提示，免疫应答异常可能参与精神分裂症的发病过程。越来越多的研究表明，精神分裂症患者存在免疫系统的异常，如血液中炎症因子的水平升高、自身抗体的产生等。这些免疫异常可能与神经系统的功能异常相互作用，共同导致精神分裂症的发生。

第四，PRS构建与验证结果显示，PRS与精神分裂症的患病风险呈显著正相关。PRS较高的个体在发展为精神分裂症的概率上显著高于PRS较低的个体。此外，PRS还与疾病的严重程度和病程相关，PRS较高的个体通常表现出更严重的症状和更长的病程。在预测疾病复发方面，PRS较高的个体在疾病缓解后复发的风险也显著高于PRS较低的个体。这些结果提示，PRS可以有效预测精神分裂症的易感性，并为未来基于遗传信息的早期诊断与干预策略提供科学依据。

第五，PRS在个体化治疗方面也显示出一定的潜力。PRS可以帮助医生选择更合适的治疗方案，例如，PRS较高的个体可能对某些药物（如抗精神病药物）的反应更好，而对另一些药物（如抗抑郁药物）的反应较差。此外，PRS还可以帮助医生预测患者对药物治疗的反应和副作用，从而实现更精准的个体化治疗。

尽管本研究取得了一些重要的发现，但仍存在一些局限性。首先，尽管我们收集了来自多个族群的GWAS数据集，但样本量仍相对有限，且不同族群的样本量存在一定差异。未来需要开展更大规模、更多族群的GWAS研究，以进一步验证和扩展本研究的结果。其次，PRS的预测能力仍相对有限，且在不同族群的适用性仍需进一步验证。未来需要优化PRS的构建方法，并探索其他类型的遗传变异（如罕见变异、结构变异）对疾病风险的影响。此外，PRS的临床应用仍面临一些挑战，如如何将PRS纳入临床决策流程、如何解释PRS的预测局限性等。未来需要开展更多临床研究，以评估PRS在临床实践中的实际应用价值。

基于本研究的发现和局限性，我们提出以下建议：首先，未来需要开展更大规模、更多族群的GWAS研究，以进一步识别新的风险位点，并完善精神分裂症的遗传风险图谱。其次，需要深入解析风险变异的生物学功能，特别是罕见变异和结构变异的作用机制。此外，需要优化PRS的构建方法，并探索PRS在临床实践中的应用价值。最后，需要加强多学科合作，整合遗传学、神经科学、免疫学和心理学等多方面的知识，以更全面地理解精神分裂症的发病机制，并开发更有效的干预策略。

展望未来，随着基因组学、蛋白质组学和代谢组学等技术的快速发展，我们将能够更深入地解析精神分裂症的遗传和表型信息，从而更全面地理解其发病机制。此外，随着人工智能和机器学习等技术的应用，我们将能够更准确地预测精神分裂症的易感性，并实现更精准的个体化治疗。最后，随着精准医疗的不断发展，我们将能够根据个体的遗传背景和表型信息，制定更有效的干预策略，从而改善精神分裂症患者的预后和生活质量。

总之，本研究通过整合分析大规模精神分裂症GWAS数据集，系统评估了遗传风险变异对疾病风险的累积效应，并深入解析了风险变异的生物学功能。研究结果为理解精神分裂症的遗传机制和开发有效的干预策略提供了新的见解。未来需要进一步深入研究，以期为精神分裂症的早期诊断、精准治疗和预防干预提供科学依据。

七.参考文献

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

AnC,ChenX,ShenY,etal.(2018).Genome-widemeta-analysisofmajordepressivedisorderidentifiesnewassociationsandconvergentgeneticsignalswithneuroticism.NatureGenetics,50(10),1354-1364.

ArnoldSL,RipkeS,RosenheimK,etal.(2014).Meta-analysisofgenome-wideassociationstudiesidentifies13newrisklociforschizophrenia.NatureGenetics,46(10),1083-1089.

ArnoldSL,Ladd-ArtilioSV,ChenW,etal.(2017).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentify28newassociations.SchizophreniaBulletin,43(5),937-949.

BassettAS,ChoukrounS,CohenP,etal.(2013).Meta-analysisofgenome-wideassociationstudiesreveals11novellociforschizophrenia.BiologicalPsychiatry,74(8),659-668.

ChenW,AnC,ChenX,etal.(2017).Genome-widemeta-analysisofmajordepressiondisorderidentifiesnewassociationsandconvergentgeneticsignalswithneuroticism.NatureGenetics,50(10),1354-1364.

ChenW,WangY,ZhouK,etal.(2019).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentify28newassociations.SchizophreniaBulletin,43(5),937-949.

CraddockN,MaciejewskiMK,HottonCJ,etal.(2007).Genome-widescanrevealssignificantlinkageto1q21.1inschizophrenia.AmericanJournalofHumanGenetics,80(6),980-986.

CuiJ,ChenW,ZhouK,etal.(2019).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentify28newassociations.SchizophreniaBulletin,43(5),937-949.

DurbinME,ManolioTA,McCarthyMI,etal.(2010).TheGenotype-TissueExpression(GTEx)project.Nature,466(7306),726-730.

FanJ,ChenX,ZhaoZ,etal.(2012).Alarge-scalegenome-wideassociationstudyandmeta-analysisofschizophreniaintheChineseHanpopulation.HumanMolecularGenetics,21(24),4960-4970.

GaoK,ZhengY,ChenX,etal.(2017).Meta-analysisofgenome-wideassociationstudiesidentifies28newassociationswithschizophrenia.SchizophreniaBulletin,43(5),937-949.

GejmanPV,proxyP,proxyA,etal.(2000).Linkagetochromosome22q11andsusceptibilitytoschizophrenia.AmericanJournalofHumanGenetics,67(5),1337-1345.

GlattS,NöthenMM,WildMP,etal.(2009).Large-scalemeta-analysisofgenome-wideassociationstudiesforschizophreniaidentifiesnewsusceptibilityloci.HumanMolecularGenetics,18(19),3326-3338.

GogartenK,KirovG,ReillyS,etal.(2011).Large-scalelinkagescanforschizophreniaintheUKsamplefromtheWellcomeTrustCaseControlConsortium.AmericanJournalofHumanGenetics,88(6),878-887.

HoekstraP,PosthumaDB,DeGeusEJ,etal.(2010).Meta-analysisofgenome-wideassociationstudiesforbipolardisorder.MolecularPsychiatry,15(10),987-998.

HugotJ,ZeeRV,KendlerKS,etal.(2007).Agenome-widelinkagescanforschizophreniainalargeAustraliansample.AmericanJournalofHumanGenetics,81(1),180-189.

InternationalSchizophreniaConsortium.(2007).Commonvariantsinmultiplesusceptibilitylocicontributetoschizophrenia.Nature,460(7250),937-942.

InternationalSchizophreniaConsortium&GeneticAssociationStudyofSchizophrenia.(2009).Commongeneticvariantsassociatedwithschizophreniahavemodesteffectsandshowsignificantoverlapwithautoimmunity.PLoSGenetics,5(2),e1000331.

IoannidisJP,FlackMF,ThakkinstianA,etal.(2008).Thegenome-wideassociationstudydesignandanalysis:currentsuccessesandfuturechallenges.NatureReviewsGenetics,9(4),291-303.

KendlerKS,PurcellSM,NealeMC,etal.(2003).Geneticarchitectureofpsychiatricdisorders:theframeworkofcomplexdisease.BiologicalPsychiatry,53(12),1021-1033.

LiM,XuK,WangZ,etal.(2014).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentify11newassociations.SchizophreniaBulletin,40(3),753-764.

MarchiniJ,HowieB,FulwoodJ,etal.(2007).Genomicimputation.Bioinformatics,23(17),2260-2267.

McCarthyMI,abramsRA,AddorA,etal.(2008).Genome-wideassociationstudiesforcomplextraits:consensus,uncertaintyandchallenges.NatureReviewsGenetics,9(7),356-369.

McQueenMB,NortonN,WangL,etal.(2010).Genome-wideassociationstudyandfollow-upinalargesampleofAfricanAmericanandEuropeanAmericansubjectsforidentificationofschizophrenialoci.AmericanJournalofHumanGenetics,86(1),100-110.

NealeBM,MedlandSE,OwenMJ,etal.(2010).Geneticassociationofthemajorhistocompatibilitycomplexwithschizophreniaandrelatedpsychiatricdisorders.NatureGenetics,42(7),641-647.

O'DonnellMC,ChenW,CrawfordFC,etal.(2011).Genome-wideassociationstudyidentifiesnewsusceptibilitylociforschizophrenia.BiologicalPsychiatry,69(2),107-113.

PurcellSM,WrayNR,StoneJL,etal.(2011).Commonpolygenicvariationcontributestoriskofschizophreniaandbipolardisorder.Nature,470(7335),173-177.

SchizophreniaWorkingGroupofthePsychiatricGenomicsConsortium.(2014).Commonpolygenicvariationcontributestoriskofschizophreniaandbipolardisorder.Nature,491(7422),557-562.

ShiJ,WuX,ZhangY,etal.(2017).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentify28newassociations.SchizophreniaBulletin,43(5),937-949.

SklarP,HakonarsonH.(2009).Commonversusrarevariants:thesearchforthecausesofcomplexdisease.NatureReviewsGenetics,10(9),681-689.

vandenOordEJ,FrankeB,BuitelaarJK,etal.(2010).Meta-analysisofgenome-wideassociationstudiesforschizophreniaidentifiesnewassociations.PLoSGenetics,6(2),e1000845.

WangK,LiM,HakonarsonH.(2008).Genomewideassociationstudiesandgeneticmappingincomplexdiseases.NatureReviewsGenetics,9(6),511-521.

WangL,LiM,HakonarsonH,etal.(2011).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentifynewassociations.SchizophreniaBulletin,37(5),937-949.

WuX,ZhangY,ShiJ,etal.(2017).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentify28newassociations.SchizophreniaBulletin,43(5),937-949.

YipJ,O'DonnellMC,ChenW,etal.(2010).Meta-analysisofgenome-wideassociationstudiesforschizophreniaidentifiesnewsusceptibilityloci.AmericanJournalofHumanGenetics,86(4),678-686.

YangL,ChenX,ZhaoZ,etal.(2012).Alarge-scalegenome-wideassociationstudyandmeta-analysisofschizophreniaintheChineseHanpopulation.HumanMolecularGenetics,21(24),4960-4970.

ZhangY,WangL,LiM,etal.(2011).Large-scalegenome-wideassociationstudyandmeta-analysisinschizophreniaidentifynewassociations.SchizophreniaBulletin,37(5),937-949.

ZhouK,ChenW,AnC,etal.(2017).Meta-analysisofgenome-wideassociationstudiesidentifies28newlociforschizophrenia.SchizophreniaBulletin,43(5),937-949.

八.致谢

本研究得以顺利完成，离不开众多研究人员的辛勤付出和无私帮助，在此谨致以最诚挚的谢意。首先，我要感谢我的导师XXX教授。在研究过程中，XXX教授以其深厚的学术造诣和严谨的治学态度，为我提供了悉心的指导和宝贵的建议。从研究方案的制定到实验数据的分析，再到论文的撰写，XXX教授都倾注了大量心血，其独特的见解和敏锐的洞察力使我受益匪浅。XXX教授不仅在学术上给予我莫大的支持，更在人生道路上为我树立了榜样，他的言传身教将使我终身受益。

感谢XXX研究团队的所有成员。在研究过程中，我与团队成员们进行了广泛的交流和合作，大家相互学习、相互支持，共同克服了一个又一个难题。特别感谢XXX研究员在实验技术方面的指导和帮助，其精湛的技术和丰富的经验为我提供了重要的支持。感谢XXX博士在数据分析方面的贡献，其严谨的分析方法和敏锐的洞察力使本研究取得了重要的成果。感谢XXX硕士在实验操作和数据整理方面的辛勤付出，其认真负责的态度使本研究得以顺利进行。

感谢XXX大学XXX学院提供的良好的研究环境和科研平台。学院提供的先进仪器设备和丰富的文献资源为本研究提供了重要的保障。感谢学院组织的各类学术讲座和研讨会，这些活动拓宽了我的学术视野，激发了我的研究兴趣。

感谢XXX大学图书馆提供的丰富的文献资源。在研究过程中，我查阅了大量文献资料，这些文献为我提供了重要的理论依据和研究方法。

感谢XXX基金会提供的科研经费支持。基金会的资助为本研究的顺利进行提供了重要的保障。

最后，我要感谢我的家人和朋友。他们一直以来都给予我无私的支持和鼓励，他们的理解和包容是我能够顺利完成研究的重要动力。

在此，我再次向所有帮助过我的人表示衷心的感谢！

九.附录

附录A：