在探索人類大腦奧秘的科學(xué)前沿，影像遺傳學(xué)（Imaging Genetics）正扮演著越來越重要的角色。它如同一座橋梁，致力于連接基因組的微觀變異與大腦結(jié)構(gòu)和功能的宏觀表現(xiàn)。通過磁共振成像等技術(shù)，科學(xué)家能以前所未有的精細(xì)度觀察大腦，而全基因組關(guān)聯(lián)分析則能系統(tǒng)篩查數(shù)百萬計(jì)的遺傳變異。當(dāng)這兩大領(lǐng)域結(jié)合，進(jìn)行體素級(jí)全基因組關(guān)聯(lián)研究（voxel-level genome-wide association studies, voxel-level GWAS）時(shí)，其潛力巨大——它有望在三維空間的每一個(gè)微小“像素”（體素）上定位影響大腦特征的遺傳位點(diǎn)，從而精細(xì)繪制大腦的遺傳藍(lán)圖。然而，這種高維度的探索也帶來了巨大的挑戰(zhàn)。想象一下，對(duì)全腦數(shù)萬個(gè)甚至數(shù)十萬個(gè)體素逐一進(jìn)行GWAS分析，所產(chǎn)生的計(jì)算量與數(shù)據(jù)存儲(chǔ)需求是天文數(shù)字，已成為制約該領(lǐng)域發(fā)展的主要瓶頸。如何從海量數(shù)據(jù)中高效、準(zhǔn)確地提取有生物學(xué)意義的發(fā)現(xiàn)，是研究人員亟待解決的問題。

為此，一項(xiàng)發(fā)表于《Nature Communications》的研究提出了一種創(chuàng)新的解決方案。為了克服體素級(jí)GWAS中計(jì)算效率低下和存儲(chǔ)負(fù)擔(dān)過重的難題，研究人員開發(fā)了一種稱為基于表征學(xué)習(xí)的體素級(jí)遺傳分析框架。該研究的核心目標(biāo)是創(chuàng)建一個(gè)既能大幅提升分析效率，又能增強(qiáng)統(tǒng)計(jì)發(fā)現(xiàn)能力，并支持豐富后續(xù)分析的計(jì)算方法。

為了開展這項(xiàng)研究，研究人員主要運(yùn)用了幾個(gè)關(guān)鍵技術(shù)方法。首先是提出了全新的RVGA（Representation learning-based Voxel-level Genetic Analysis）分析框架，其核心是通過表征學(xué)習(xí)對(duì)影像數(shù)據(jù)進(jìn)行降噪和壓縮表征。其次，研究利用了英國(guó)生物樣本庫(kù)的大規(guī)模隊(duì)列數(shù)據(jù)，樣本量n達(dá)到39,454，針對(duì)海馬形狀和白質(zhì)微結(jié)構(gòu)（White matter microstructure）兩種重要的腦影像特征進(jìn)行分析。最后，該框架還內(nèi)置了統(tǒng)一的估計(jì)器，用于一次性估算體素遺傳力、體素間遺傳相關(guān)性以及體素與非影像表型間的跨性狀遺傳相關(guān)性。

研究結(jié)果顯示，RVGA框架表現(xiàn)出了卓越的性能。在“RVGA顯著降低了計(jì)算和存儲(chǔ)需求”部分，研究發(fā)現(xiàn)，與傳統(tǒng)方法相比，RVGA將計(jì)算時(shí)間和存儲(chǔ)負(fù)擔(dān)降低了超過200倍，實(shí)現(xiàn)了計(jì)算效率的飛躍。在“RVGA應(yīng)用于海馬形狀識(shí)別出新的遺傳位點(diǎn)”部分，將RVGA應(yīng)用于UK Biobank的海馬形狀數(shù)據(jù)，成功揭示了39個(gè)新的遺傳位點(diǎn)，這些位點(diǎn)與海馬體的特定形態(tài)變異相關(guān)。在“RVGA揭示白質(zhì)微結(jié)構(gòu)的遺傳結(jié)構(gòu)”部分，對(duì)白質(zhì)微結(jié)構(gòu)的分析則發(fā)現(xiàn)了更為豐富的遺傳信號(hào)，共鑒定出275個(gè)新的基因位點(diǎn)，深化了對(duì)白質(zhì)遺傳架構(gòu)的理解。在“RVGA量化影像遺傳力與遺傳相關(guān)性”部分，研究利用框架中的統(tǒng)一估計(jì)器，發(fā)現(xiàn)了遺傳力在腦影像內(nèi)部并非均勻分布，而是存在顯著的異質(zhì)性。同時(shí)，研究成功量化了不同腦區(qū)之間的遺傳關(guān)聯(lián)，例如，發(fā)現(xiàn)了海馬體與教育程度之間存在顯著的遺傳相關(guān)性，以及前放射冠與精神分裂癥之間存在遺傳相關(guān)性。在“RVGA促進(jìn)可重復(fù)性研究與數(shù)據(jù)共享”部分，該框架通過生成并共享全基因組全影像關(guān)聯(lián)的摘要統(tǒng)計(jì)量最小數(shù)據(jù)集，極大地便利了其他研究者進(jìn)行二次分析和獨(dú)立驗(yàn)證，推動(dòng)了研究的可重復(fù)性和數(shù)據(jù)復(fù)用。

綜上所述，這項(xiàng)研究成功開發(fā)并驗(yàn)證了RVGA這一高效、強(qiáng)大的影像遺傳學(xué)分析框架。它不僅有效解決了大規(guī)模體素級(jí)GWAS中的計(jì)算瓶頸，還通過提升統(tǒng)計(jì)功效和提供豐富的遺傳參數(shù)估計(jì)，發(fā)現(xiàn)了大量關(guān)于海馬形狀和白質(zhì)微結(jié)構(gòu)的新遺傳位點(diǎn)。更重要的是，它揭示了大腦影像表型內(nèi)部復(fù)雜的遺傳力分布模式，并建立了特定腦區(qū)與精神分裂癥、認(rèn)知功能等復(fù)雜表型之間的遺傳聯(lián)系。這些發(fā)現(xiàn)不僅深化了我們對(duì)大腦結(jié)構(gòu)與功能遺傳基礎(chǔ)的理解，也為未來大規(guī)模、多維度的生物醫(yī)學(xué)研究提供了可推廣的計(jì)算范式，具有重要的方法論意義和生物學(xué)價(jià)值。