目前的全基因组关联性研究并没有捕捉到人群和表型范围的足够多样性，在医学史上的大部分时间里，临床医生都会根据患者对临床症状的描述和表现来诊断多种疾病，近些年来，科学家们利用全基因组关联性研究（GWAS）揭示了参与多种疾病发生的遗传因素；近日，一篇发表在国际杂志Nature Genetics上题为“A cross-population atlas of genetic associations for 220 human phenotypes”的研究报告中，来自大阪大学医学院等机构的科学家们通过研究对来自不同人群的生物样本库中的样本进行GWAS研究，旨在识别与多种医疗适应症和性状相关的特定基因组位点。

本文研究的总览。

图片来源：Saori Sakaue et al., Nature Genetics.

尽管在过去几十年里GWAS被科学家们用于多项研究，但其广泛的应用性并不够，大多数的GWAS研究使用的是欧洲人口的数据，其表型数量相对较少，因为患特定疾病的个体也会被招募到研究中，此外研究人员缺乏一种解释结果并将其置于特定背景下的方法，因此，这篇研究报告中，研究人员旨在解决这些局限性并进行合理的GWAS分析。

为了实现这一目标，研究人员利用日本的生物样本库进行了GWAS分析，该样本库中包含了18万人的医疗数据，而且是最大的非欧洲生物样本库之一，其纳入了220种健康相关的疾病和性状，并能使得研究变得多样化和全面，尤其是在亚洲人群中。研究者Saori Sakaue博士说道，我们希望能大幅扩大GWAS的范围从而获取更多关于生物样本库的相关信息。实际上，有108个表型从未在东亚人群中进行GWAS分析。

随后研究人员对英国和芬兰生物样本库进行了跨人群的综合性分析，其中包括62.8万名个体，这篇研究还能帮助识别超过1.4万个具有表型意义的基因组位点，其中5000个位点是新发现的，同时研究人员还能确保其汇总统计数据能在门户网站上公开，其或能作为全球科学家们后期研究的宝贵资源。研究者认为，创造一种新方法能让其他研究人员也能轻松获得他们的数据时非常重要的，他们非常希望能通过全球化的合作来开展后期更大规模的研究。

图片来源：https://www.nature.com/articles/s41588-021-00931-x

由于本文研究所得到的GWAS的结果和一般的疾病遗传性的复杂特质，研究人员对其汇总统计和其它数据进行了统计上的去卷积，这一步非常重要，因为其能帮助研究人员通过巨大的数据集中得出与疾病相关的结论。研究者Sakaue解释道，去卷积能帮助我们锁定特定的遗传突变并共享与多种人群不同疾病相关的机制，随后就能利用这些机制来通过人类遗传学的视角重新评估并重建人类疾病。

本文研究提供了突破性的结果来解决此前GWAS研究中相关的倾向性问题，综上，本文研究中，研究人员通过对表型汇总统计数据矩阵进行统计学分析，确定了潜在的遗传性组分，从而就能识别出人群疾病分类的相关突变和生物学机制，被拆解的成分就能使得分析类似疾病的亚型得以实现，同时本文研究中，研究人员还识别出了一种潜在的途径，其能通过对遗传学特性进行分析来对人类疾病进行重新调查分析。