主题
MHC 区为什么是假阳性雷区
本课题的结果里 MHC 出现频率极高——"MR 前五全是 chr6 MHC 区 LD 假象被判否"、 "AGER 在 MHC 区多效性极强"、"通过 HEIDI 的 AGER 与 TNXB 均落在 MHC"。 这一页解释 MHC 是什么、为什么它专门制造假阳性，以及本课题哪些靶点落在里面。
★ 2026-08-06 口径变更：本页第 4 节「我们的处理方式」已作废
本页第 4 节写的是**"不预先剔除 + 披露 + 让共定位裁决"**。该做法已于 2026-08-06 更改为 在工具选择阶段排除 chr6:26–34Mb，依据是 proteome-wide MR 奠基作 Zheng et al. Nat Genet 2020;52:1122 的方法原文：
"we removed SNPs and proteins coded for by genes within the MHC region (chr6: from 26Mb to 34Mb)" —— Methods, Instrument Selection
同时 Krishna et al. Nat Commun 2024;15:6469 指出标准 fine-mapping 与共定位方法 在 MHC 区本身就不适用，即"让共定位裁决"这条路在该区域不成立。
本页第 1–3、5 节（机制解释与实测数据）仍然有效， 处理方式请以 → 分析流程与文献依据（2026-08-06 定稿） 为准。
1. MHC 是什么
MHC = Major Histocompatibility Complex，主要组织相容性复合体，在人类又叫 HLA 区 （Human Leukocyte Antigen，人白细胞抗原）。它是人 6 号染色体短臂上一段约 4 Mb 的连续区域 （chr6:28.5–33.4 Mb，GRCh37），编码免疫系统识别"自己 vs 非己"的核心分子。
| 经典 MHC | 扩展 MHC（xMHC） | |
|---|---|---|
| 坐标（GRCh37） | chr6:28,477,797–33,448,354 | chr6:25,726,063–33,400,644 |
| 长度 | ≈ 5.0 Mb | ≈ 7.7 Mb |
| 内容 | HLA-A/B/C（I 类）、HLA-DR/DQ/DP（II 类）、补体 C4/CFB/C2（III 类）等 | 再向外扩，含组蛋白簇、BTN 基因家族等 |
它是全基因组关联信号最密集的区域：自身免疫病（1 型糖尿病、类风湿、乳糜泻）、 感染易感性、多种癌症的最强信号几乎都在这里。
2. 为什么它专门制造假阳性
三个性质叠加，恰好把 MR / 共定位的前提全部打破：
① 超长连锁不平衡（LD）块 —— 这是最要命的
一般基因组区域的 LD 块是几十 kb，MHC 里可以长达数 Mb：整段区域以"祖先单倍型" （ancestral haplotype，如 8.1AH）的形式整体遗传，几百个基因锁在一起共同传递。
后果：同一个 LD 块里的两个信号，"看起来共定位"是常态，而不是证据。 共定位（coloc / HyPrColoc）的核心假设是"如果两个性状共享同一个因果变异， 它们的关联信号形状应该重合"。但在 MHC 里，几百个不同的因果变异会因为共处一个 长单倍型而信号形状天然重合——这正是 coloc 分不出 H4（共享因果变异）与 H3（各有因果变异、只是 LD 相连）的场景。
这就是我们的结果里「MR 最强的前五名蛋白，共定位一个都没通过」的原因—— 不是共定位算错了，是共定位在正确地拒绝 LD 假象。
② 极端多态性
HLA 基因是人类基因组中变异最多的基因，HLA-B 一个基因就有数千种等位型。 参考面板（如 1000 Genomes EUR）对这种多态性的覆盖天然不足， LD 估计、等位基因对齐、imputation 质量在这一区都比别处差。
③ 极端多效性（pleiotropy）
一个 MHC 变异同时关联几十上百种性状是常态。这直接违反 MR 的第三条核心假设 （排他性限制：工具只能通过暴露影响结局，不能有别的通路）。
本课题实测（PheWAS，OpenGWAS 50,164 个数据集，Bonferroni 阈值 8.52×10⁻⁹）：
| 蛋白 | 位置 | 通过 Bonferroni 的关联数 / 性状数 |
|---|---|---|
| AGER | chr6:32,155,581（MHC 经典） | 427 / 321 |
| HLA-DRA | MHC 经典 | 330 / 260 |
| BTN2A1 | chr6:26,498,758（扩展 MHC） | 308 / 240 |
| 对照：TNFRSF10A | chr8（非 MHC） | 7 / 6 |
| 对照：SPRY2 | chr13（非 MHC） | 0 / 0 |
差了两个数量级。这不是"AGER 比较重要"，而是"AGER 的工具 SNP 标记的是一整段 免疫单倍型，它跟什么都相关"。
3. 本课题哪些靶点落在 MHC
用本地 LD 面板 EUR.bim（GRCh37）对 117 个工具 SNP 逐个查坐标，实测结果：
全部 119 个显著蛋白中，18 个落在 MHC / 扩展 MHC： AGER、AIF1、ATP6V1G2、BTN1A1、BTN2A1、CDSN、CFB、DDR1、DXO、HCG22、 HLA-DRA、HLA-E、LTA、LTB、MICB_MICA、MOG、TNXB、TRIM40。
★ 关键发现：跨并发症"共享蛋白"几乎全是 MHC
在 ≥3 个糖尿病并发症中同时显著的 5 个蛋白，全部在 MHC 区内：
| 蛋白 | 工具 SNP | 位置（GRCh37） | 区域 | 命中并发症数 |
|---|---|---|---|---|
| AGER | rs204993 | chr6:32,155,581 | MHC 经典 | 4 |
| HCG22 | rs2905757 | chr6:31,022,828 | MHC 经典 | 4 |
| BTN2A1 | rs72843784 | chr6:26,498,758 | 扩展 MHC | 4 |
| CFB | rs641153 | chr6:31,914,180 | MHC 经典 | 3 |
| LTB | rs2395470 | chr6:31,235,261 | MHC 经典 | 3 |
命中 2 个并发症的 7 个蛋白里，也有 6 个在 MHC（唯一例外是 SIGLEC5，chr19）。
解读铁律：这个"共享"不能读成"5 个蛋白同时驱动多种糖尿病并发症"。 更可能的解释是——同一段 MHC 单倍型同时与多个并发症相关， 而这 5 个蛋白只是碰巧其 cis 区落在这段单倍型上的"路标"。 真正的因果分子可能是这一区里的任何一个（甚至是 HLA 本身）。
4. 我们的处理方式
| 环节 | 做法 |
|---|---|
| 不预先剔除 | MHC 蛋白照常进筛查，结果如实呈现——直接删会构成选择性报告 |
| 靠共定位裁决 | 让 coloc / HyPrColoc 去判 —— 本课题 MR 前五全部被判为 LD 假象（coloc_support=False），这恰恰是流程有效的证明 |
| 靠 SMR-HEIDI 交叉验证 | HEIDI 检验专门用于区分"共享因果变异"与"LD 连锁"；但通过 HEIDI 也不等于洗白——AGER 与 TNXB 通过了 HEIDI，仍因位于 MHC 而被我们降级 |
| 靠 PheWAS 量化多效性 | 脱靶关联数直接暴露多效性强度（AGER 427 vs TNFRSF10A 7） |
| 写作时必须披露 | 凡涉及 MHC 靶点的结论，一律标注"位于 MHC 区，LD 与多效性混杂不可排除" |
⚠️ 一个常见误区：有些流水线选择直接把
chr6:25–34 Mb整段剔除。 这在方法学上可接受（很多自身免疫 MR 论文这么做），但要在方法学里明写。 本课题选择保留 + 披露 + 让共定位裁决，理由是 AGER-RAGE 通路本身就是 糖尿病微血管损伤的经典机制，直接删掉会丢失一条有生物学先验的线索。
5. 一句话总结
MHC 是一段 6 号染色体上约 4 Mb 的免疫基因密集区。它的 LD 块超长、多态性极端、 多效性极强——这三条恰好把 MR 的"无混杂"和共定位的"信号形状可区分"两个前提同时打破。 所以 MHC 里出现强关联是常态，而强关联在这里几乎不构成因果证据。
在本课题里，这句话的具体含义是：AGER 是 DR 侧 MR 信号最强的蛋白（p=5.6×10⁻⁶¹）， 但它同时是脱靶最严重（427 个关联）、共定位被判否的蛋白。 它可以作为"通路层面的线索"来讲（AGE-RAGE 是糖尿病微血管损伤的教科书机制）， 但不能作为"经过遗传学验证的因果药靶"来讲。