主题
R9 主线：从 2,415 个血浆蛋白到 11 个共定位支持的候选
这条线在回答什么
哪些血浆蛋白对糖尿病并发症有因果作用，而不只是相关。
本页是全流程的一张地图，每一步都配了从产物里读出来的真实数字。 代码在 /home/research/mr-pipeline-r9v3，第一节的数字截至 2026-08-09。
本页只有第一节已更新到 v4，往下都是 v3 时代的写法
2026-08-09 按第 7 步定稿重画了下面这张全景图，用的是 v4 流程与本轮实测数字。
第二节起尚未同步，仍在讲两样东西，它们在 v3/v4 都已经删掉：
- 候选分级 A/B/C/D（
tier） —— 已于 2026-08-09 全面删除。 v4 不给候选分级，只按「过没过否决点」与「能不能升级措辞」记录状态。 - HyPrColoc —— v4 只跑
coloc.abf一种方法，判据是PP.H4。
在整页改完之前，以第一节的图为准；下面各节请当作历史记录读。 （整页重写排在第 7 步的 7.5 图注与审计，不在本次范围内。）
一、全景：v4 八步，以及每一步有权做什么
v4 的要点不是"跑了哪些分析"，而是每一步能不能动候选集。 全流程只有两个否决点；外部复制只分流、共定位只改措辞、注释层一个都不剔除。
怎么读这张图：颜色标的是权限，不是重要性。
| 颜色 | 含义 | 哪几步 |
|---|---|---|
| 蓝 | 准备，不动候选集 | 第 0 / 1 / 2 步 |
| 深橙 | 否决点，可以把候选删掉 | 第 3 步、第 4X 步 |
| 土黄 | 只分流，三分法记录，永不否决 | 第 4 步 |
| 墨绿 | 改措辞 / 只注释 / 定稿，都不改去留 | 第 5 / 6 / 7 步 |
| 灰 | 虚线旁支，只供解释 | 通路富集 |
★ 57 − 4 − 1 = 52：全流程一共只删掉 5 对，其中 4 对来自反向 MR、1 对来自表位调查。 「外部复制没复制上」不是删除理由 —— 工具在对照数据集里查不到时无法判定， 按 v4 记为「不可评估」，不计作失败。
★ 发表级版本见成稿图 results/candidate_summary/figures/pipeline_overview_v4 （脚本 analysis/75_figure_F7c_flow.R，图上的数字与本图同源现算）。
二、概念补丁：读下面之前先搞清这 7 件事
这一节和「理论与公式逐项拆解」的分工
那一页讲 MR 的数学（三条 IV 假设、Wald 比值、IVW、MR-Egger、F 统计量、各类偏倚的方向）—— 去看那一页。
这一节讲 这条流水线特有的概念：连锁不平衡、共定位、表位伪影、估计量。 两边不重复。
2.1 孟德尔随机化凭什么敢说「因果」
观察性研究看到「血里某蛋白高的人并发症多」，有三种可能：蛋白导致病、病导致蛋白高（反向）、 或者有第三个因素同时抬高两者（混杂）。光看相关分不出来。
MR 的支点是一个生物学事实：等位基因在受精那一刻随机分配，且此后终身不变。
- 随机分配 → 相当于一次天然的随机对照试验，混杂因素在基因型两组间大致均衡
- 终身不变 → 疾病不可能倒过来改写你的基因型，反向因果在结构上被排除
所以「携带使某蛋白升高的等位基因的人，并发症更多」这句话，比「蛋白高的人并发症多」强得多。
但这只在三条假设成立时才成立
① 工具与暴露强相关；② 工具不通过别的路径影响结局（无水平多效性）；③ 工具与混杂因素无关。 第②条是最脆弱的一条，本流水线大半的设计都是在防它——下面 2.2 和 2.3 都是。
2.2 为什么只用 cis 工具，代价是什么
同一个蛋白的遗传工具有两类：
| 位置 | 机制路径 | 多效性风险 | |
|---|---|---|---|
| cis-pQTL | 就在该蛋白自己基因附近（本课题取 ±500 kb） | 直接影响它的转录、翻译、分泌、清除 | 低 |
| trans-pQTL | 在基因组别处 | 要经过一串中间分子才影响到它 | 高——那串中间分子本身就可能独立影响疾病 |
所以本课题只用 cis，这是拿功效换可信度。
代价很具体：99.9% 的蛋白只有 1 个 cis 工具。 而 Cochran's Q、MR-Egger 截距、MR-PRESSO、 留一法这些查多效性的方法，数学上都需要 ≥3 个工具——对单工具 cis-MR 全部不适用。 这不是偷懒，是设计的必然结果。稳健性只能改由别的方式承担：共定位、外部队列复制、换平台复制。
2.3 连锁不平衡：本课题一半的麻烦都来自它
减数分裂时染色体是成段重组的，挨得近的变异会被一起传下去，于是它们的基因型高度相关—— 这就是连锁不平衡（linkage disequilibrium, LD）。
后果：你测到「变异 X 与疾病相关」，真正致病的可能是它旁边的 Y，X 只是搭了顺风车。 单看关联，两者长得一模一样。
MHC 区为什么是雷区
chr6:25–34 Mb 的 MHC 区连锁块极长，几百个基因几乎是捆在一起往下传的。 在那里，「哪个基因才是真凶」在统计上基本无法分辨。
v4 的处置（2026-08-09 更新）：MHC 区蛋白不在工具选择阶段排除，也不再归入什么等级—— 27 个带 MHC 标记的蛋白一路带到第 5 步共定位，在那里显形：29 对 MHC 关联全部落在弱/中档， 其中 28 对 PP.H3 = 1.000（数据支持「两个不同的因果变异」而非一个共享变异）。 这正是单因果变异模型在长连锁块里的预期行为，不能读成「这些蛋白是假的」。 要在这里下结论需要 MHC 专用工作（条件分析、HLA 等位基因层共定位），本研究没做。 ⚠️ 其中 CFB 是已上市药 iptacopan 的靶点、AGER 是经典靶点，不能因为 coloc 低就排除。 同理，后面会看到「跨多个并发症共享」的蛋白大多在 MHC—— 那更可能是同一个连锁块的投影，不是共同致病机制。
2.4 共定位在回答什么（MR 回答不了的那个问题）
MR 问：这个变异与疾病相关吗？ 共定位问：蛋白信号的峰，和疾病信号的峰，是同一个变异吗？
coloc.abf 把一个区域的可能性穷举成五个互斥假设，各给一个后验概率：
| 假设 | 含义 |
|---|---|
| H0 | 两个性状在这个区域都没有信号 |
| H1 | 只有蛋白有信号 |
| H2 | 只有疾病有信号 |
| H3 | 两个都有信号，但是两个不同的因果变异 ← 就是 2.3 说的搭顺风车 |
| H4 | 两个都有信号，是同一个因果变异 ← 真共定位 |
五个加起来等于 1。判据是 PP.H4 > 0.8。
关键在于 H3 和 H4 的区别：H3 高 = 两个独立信号恰好挨着，正是要排除的假象； H4 高 = 同一个变异同时驱动蛋白和疾病，才是想要的证据。
一个必须知道的前提假设
coloc.abf 假设每个性状在这个区域只有一个因果变异。区域一宽就可能装进多个独立信号， 模型无法表达"多个"，只能把它们判成 H3。
→ 这正是本页第六节那个「大区域 PP.H3 全是 1.000」的来源：那是模型撞墙，不是生物学阴性。
三种共定位方法的分工：
| 方法 | 做什么 | 本课题的处置 |
|---|---|---|
coloc.abf | 两两比对，给 H0–H4 后验 | 用 |
HyPrColoc | 多性状一起做，把共享同一因果变异的性状聚成「簇」 | ⛔ v4 不用（v3 用过，判据是簇后验 PP>0.7 且蛋白在簇内；见 §七的存档） |
coloc-SuSiE | 放松「只有一个因果变异」，允许多个 | 不用——LD 面板失配已实测，见第六节 |
2.5 表位伪影：为什么必须换平台再测一次
血浆蛋白组学并不直接「数分子个数」，而是靠结合试剂：
- Olink 用抗体结合目标蛋白
- SomaScan 用适配体（一段折叠成特定形状的单链核酸）
两者都是「结合上去，然后读信号强度」。
问题来了：如果工具变异恰好是个错义突变（改掉一个氨基酸），它可能根本不改变蛋白浓度， 只是改变了那个位置的形状，让抗体结合得没那么牢 → 仪器读数下降，但血里的蛋白一点没少。
这叫表位伪影（epitope artifact）。它会让你把「结合效率的变化」误当成「蛋白丰度的变化」， 进而得出一个完全错误的因果结论。
怎么识别：换一种结合试剂
抗体和适配体结合的位点不同，被同一个氨基酸替换扰动的方式自然也不同。 所以同一个变异在两个平台上：
- 方向一致 → 更可能是真的浓度变化（IFNAR1：三方都是负向）
- 方向相反 → 强烈提示是表位伪影（APOL1：抗体 −0.318，两个适配体队列 +0.378 / +0.462）
- 另一平台无信号 → 说不清，只能记为未获支持（ERMAP：deCODE p=0.62）
2.6 估计量：这批端点到底在比什么人
这一条最容易被跳过，但它决定了结论能不能成立。
FinnGen 的「糖尿病黄斑病变」端点：
- 病例 = 有糖尿病并发症的人
- 对照 = 一般人群——里面既有非糖尿病人，也有没并发症的糖尿病人
所以这个对比里同时装着两重效应：「会不会得糖尿病」＋「得了之后会不会出并发症」。 估计出来的是复合效应，不是并发症特异效应。
这不是理论担忧，是实测的：把 TCF7L2、PTPN22、FTO 这几个公认的糖尿病易感位点 拿去测四个并发症端点，全部显著。
解法：同一个蛋白再对 T1D / T2D 本身做一遍 MR，两边效应量级一比就分开了—— 这就是第七节那道「糖尿病对照」判据的来历。实测 61% 的显著关联属于「糖尿病驱动」。
2.7 反向 MR：为什么必须先剔掉蛋白自己的 cis 区
反向 MR 是把方向倒过来：用疾病的工具变异去预测蛋白水平，看疾病是不是反过来改变了蛋白。
陷阱在于：如果某个疾病工具恰好落在这个蛋白自己的基因 cis 区内， 那它当然与该蛋白水平强相关——但那是 cis 效应，不是「疾病导致蛋白变化」。不剔就是必然的假阳性。
实测 AGER × 糖网：剔除前 p = 3.2×10⁻²⁶，剔掉 7 个落在 cis 区的工具后 p = 0.032。 差了 24 个数量级。 MHC 区的蛋白还要额外剔掉整个 MHC 区；全库共剔除 379 个工具。
七件事串起来就是这条流水线
① MR 给因果方向 → ② 只用 cis 压多效性 → ③ 但 LD 会制造假象 → ④ 所以要共定位 → ⑤ 平台伪影要靠换平台查 → ⑥ 估计量要靠糖尿病对照校正 → ⑦ 反向因果要靠剔 cis 区的反向 MR 排除。
每一道都在防一类特定的假阳性，缺哪一道就会在那一类上出错。
三、三份输入数据
| 角色 | 数据集 | 规模 | 用途 |
|---|---|---|---|
| 暴露 | UKB-PPP（Olink 抗体平台） | 34,557 欧裔 / 2,415 蛋白 | 血浆蛋白水平的遗传工具 |
| 结局 | FinnGen R9 | 5 个并发症端点 | 疾病侧关联 |
| 对照 | T1D GCST90824163 / T2D Mahajan noUKBB | 20,355 / 55,005 例 | 区分「并发症特异」还是「糖尿病本身」 |
| LD 面板 | 1000G EUR | 503 人 | clumping 与共定位（这个 503 后面会出事） |
作图约定（2026-08-03 定）
图上只印干净的疾病名，内部流水线 ID 一律不出现在图里。
| 内部 ID（数据键，不变） | 图上显示 |
|---|---|
Retinopathy / Maculopathy | Diabetic retinopathy / Diabetic maculopathy |
NeovascGlaucoma | Neovascular glaucoma |
Neuropathy / Nephropathy | Diabetic neuropathy / Diabetic nephropathy |
T1D_gcst | Type 1 diabetes |
T2D_mahajan | Type 2 diabetes |
映射集中在 analysis/_viz_common.R 的 pretty_outcome()，只作用于显示层—— CSV 产物、合并键、分层判据一律仍用内部 ID。未登记的 ID 会直接报错， 防止原始 ID 悄悄漏到图上。
★ 数据来源不印在图里，写在图注（PPT 每张图的说明行、Word 的数据来源表）。 理由：同一疾病有多个来源——T2D 主分析 Mahajan noUKBB、敏感性 MVP GCST90475667； T1D 主分析 GCST90824163、零重叠复制 Crouch GCST90013791。 把来源印在坐标轴上，不同图之间就无法对照了。
一处必须记住的口径
FinnGen 并发症端点的对照是一般人群，不是「没有并发症的糖尿病人」。 所以估计的是「糖尿病 + 并发症」的复合效应——这正是必须加第三行那个糖尿病对照的原因。
详见 FinnGen 端点对照定义问题。
四、工具变量 → MR → 显著关联
本节是 v3 时代的记录
下文出现的 A/B/C/D 分级与 HyPrColoc 在 v4 都已不存在。 v4 的对应说法见 §七：不给候选分级，只记「过没过否决点」与「能不能升级措辞」。
每个蛋白只取自己基因附近（cis）的变异做工具，这样最不容易有水平多效性。 工具强度实测 最小 F = 43.8、中位 F = 784，远高于常用的 10。
| 结局 | 病例 | 对照 | 可用工具蛋白 | FDR<0.05 显著 |
|---|---|---|---|---|
| 视网膜病变 | 10,413 | 308,633 | 1,587 | 24 |
| 黄斑病变 | 3,572 | 308,547 | 1,587 | 19 |
| 新生血管性青光眼 | 1,100 | 366,206 | 1,587 | 0 |
| 神经病变 | 2,843 | 271,817 | 1,587 | 5 |
| 肾病 | 4,111 | 308,539 | 1,587 | 9 |
| T1D（对照） | 20,355 | 797,363 | 1,722 | 57 |
| T2D（对照） | 55,005 | 400,308 | 1,614 | 28 |
七个结局合计 142 个「蛋白-疾病对」/ 95 个蛋白，其中：
- 并发症端 57 对 / 31 个蛋白（上表前五行）
- 糖尿病对照端 85 对（T1D 57 + T2D 28）
★ 这 142 对会原样全部进入下一步共定位——糖尿病对照端不是陪跑的， 它在共定位里的作用见第六节。
单位说明：全文一律用「蛋白-疾病对」，简称「对」
一个「对」= 一个蛋白 × 一个疾病。 同一个蛋白在几个并发症上都显著，就算几对。 31 个蛋白之所以摊成 57 对：
| 一个蛋白命中了几个并发症 | 蛋白数 | 贡献对数 |
|---|---|---|
| 1 个 | 16 | 16 |
| 2 个 | 7 | 14 |
| 3 个 | 5 | 15 |
| 4 个 | 3 | 12 |
| 合计 | 31 | 57 |
★ 把 31 撑成 57 的那 8 个蛋白（命中 ≥3 个），有 6 个在 MHC 区—— AGER / BTN2A1 / HCG22 各命中 4 个，CFB / LTB / TNXB 各 3 个；非 MHC 的只有 APOE 和 BCL2L15。 所以「一个蛋白横跨多个并发症」主要是 MHC 超长连锁块造成的，不是共同致病机制。
赢者诅咒的信号
黄斑病变每千例的显著数最高、|beta| 中位数最大——这是赢者诅咒的典型特征。 而三个 A 级候选恰好全出自这一端，后面必须格外小心。
五、漏斗：数字怎么一路掉下来的
本节是 v3 时代的记录
下文出现的 A/B/C/D 分级与 HyPrColoc 在 v4 都已不存在。 v4 的对应说法见 §七：不给候选分级，只记「过没过否决点」与「能不能升级措辞」。
读这张图要注意单位
前两格是蛋白数，中间两格对与蛋白都标了，最后两格是蛋白数。 「对」和「蛋白」不能直接相减——下面共定位那一节的「142」之所以看着比「57」大， 一半原因就是踩了这个单位差（另一半是它含了糖尿病对照端）。
六、共定位：排除「只是连锁」的假象
本节是 v3 时代的记录
下文出现的 A/B/C/D 分级与 HyPrColoc 在 v4 都已不存在。 v4 的对应说法见 §七：不给候选分级，只记「过没过否决点」与「能不能升级措辞」。
MR 显著也可能只是蛋白的变异和疾病的变异挨得近，并非同一个因果变异。
先解开「57 怎么变成 142」这个疑问
答案是：它没有变。筛查阶段产出的本来就是 142 对，共定位的输入也是 142 对。
之前流程图的 ③ 那格只写了并发症端的 57，到 ④ 又换成全部的 142， 是我在图上制造了一个不存在的跳变，已改。
筛查阶段（第四节那张表）跑的是 7 个结局，把每个结局的显著数加起来：
| 结局 | 显著对数 | 属于 |
|---|---|---|
| 视网膜病变 | 24 | 并发症端 |
| 黄斑病变 | 19 | 并发症端 |
| 新生血管性青光眼 | 0 | 并发症端 |
| 神经病变 | 5 | 并发症端 |
| 肾病 | 9 | 并发症端 |
| 小计 57 | ||
| T1D（GCST90824163） | 57 | 糖尿病对照端 |
| T2D（Mahajan noUKBB） | 28 | 糖尿病对照端 |
| 小计 85 | ||
| 合计 | 142 |
这 142 对全部进共定位，coloc_abf_pairs.csv 实测就是 142 行、涉及 95 个蛋白—— 与筛查输出逐条对得上。
所以正确的链条是：
筛查 142 对 / 95 蛋白 ──共定位──▶ 32 对通过
其中并发症端 57 对/31 蛋白 ──▶ 15 对/12 蛋白142 → 142，没有跳变；32 和 15 都是在收窄。
那为什么糖尿病端也要跟着跑共定位？
不是顺手跑的——HyPrColoc 是把多个性状放在一起聚簇的， 糖尿病结局必须在场，才看得出某个蛋白的信号是不是连糖尿病本身一起共享。
看 7 个有共定位支持的蛋白各自的簇（coloc_cluster 实测原文）：
| 蛋白 | 簇里有谁 | 读出什么 |
|---|---|---|
| ERMAP | ERMAP、黄斑病变 | 只跟并发症共享 |
| IFNAR1 | IFNAR1、黄斑病变 | 只跟并发症共享 |
| APOL1 | APOL1、黄斑病变 | 只跟并发症共享 |
| GALNT3 | GALNT3、视网膜病变 | 只跟并发症共享 |
| WARS | WARS、视网膜病变 | 只跟并发症共享 |
| APOE | APOE、黄斑、肾病、糖网、T2D | ★ 糖尿病也在簇里 |
| NOTCH2 | NOTCH2、黄斑、糖网、T1D、T2D | ★ 糖尿病也在簇里 |
APOE 和 NOTCH2 的簇里站着糖尿病本身——同一个因果变异既驱动蛋白、又驱动并发症、 也驱动糖尿病。这就是「糖尿病驱动」最直接的图形化证据，也是它们只能进 B 级的原因。
反过来，三个 A 级候选的簇里只有黄斑病变、没有糖尿病——这才是「并发症特异」的实证。
→ 如果不把糖尿病端一起放进共定位，这个区分根本做不出来。 那 85 对不是陪跑的，是判据的一半。
两处必须写进局限
① 区域越宽，PP.H3 越高。 Spearman = 0.594；最大区域档（7,250–22,605 个 SNP） 36 对里 35 对 PP.H3 = 1.000、0 对通过。那是「每个性状只有一个因果变异」这个假设撞墙， 不是生物学阴性。所以大区域的阴性只能写「该区域宽度下无法判定」。
★ 但 2026-08-03 已界定影响面：最宽档 36 对全部来自 MHC 区蛋白， 而它们因 MHC 一票否决本就归 C 级；把这 36 对改判为「未评估」，A/B/C/D 分层一个不变。 非 MHC 的 93 对里该相关仅 0.056——这条局限只影响 MHC 区的表述。 （此前记的 Spearman = 0.671、Q4 = 37 对复现不出来，已订正为 0.594 / 36 对；通过数不变。）
② 本该解决①的 SuSiE 没跑成。 32 对里 20 对不收敛；实测 estimate_s_rss， 蛋白侧 s 中位 0.827、32/32 对 >0.3（理想应接近 0）。关键是连收敛的那 16 对 s 也有 0.775 ——不是「没跑出来的不能用」，是全都不能用。
完整诊断见 共定位的两处方法学局限。
根子在 LD 面板只有 503 人，而结局是芬兰人群、暴露是英国人群。 三个 A 级候选的区域都在中等宽度（3,854–4,515 个 SNP），PP.H4 = 0.926–0.967，不受这两处局限影响。
七、v4：不分级
一句话
v4 不给候选分级。 没有 A/B/C/D，没有「优先靶点」。 每一对关联只有两件事被记录：过没过否决点，以及能不能升级措辞。
v3 那套四级分层（本节末尾存档）建立在两个已经不存在的东西上：候选分级字段 tier （2026-08-09 全面删除）与 HyPrColoc（v4 只跑 coloc.abf）。 更要紧的是，v3 自己实测出来一个必须交代的事实：四道判据里只有一道真正在分 A/B （见存档里那张表）。与其保留一个名不副实的分级，不如按每一步的真实权限如实记录。
v4 的账：57 → 52 → 13
| 步 | 做了什么 | 对候选集的效果 |
|---|---|---|
| 第 2 步 | BH FDR < 0.05（按结局分组） | 57 对 / 31 蛋白 |
| 第 3 步 反向 MR | ★ 否决点 | −4 对 |
| 第 4 步 外部复制 | ★ 只分流：4a 22/4/27 · 4b 28/6/19 · 4c 12/5/36 | 0 |
| 第 4X 步 表位/PAV | ★ 全流程唯一否决点，6 条报警全查 | −1 对（APOL1 × 黄斑） |
| = 存活 | 52 对 / 28 蛋白 | |
| 第 5 步 共定位 | ★ 措辞升级关卡，PP.H4 ≥ 0.8 且非 MHC | 13 对 / 11 蛋白可升级措辞，一个都不剔除 |
| 第 6 步 注释 | 九个分子层 · PheWAS · 成药性 | 0 |
57 − 4 − 1 = 52。 全流程一共只删掉 5 对。
和 v3 的说法怎么对应
| v3 说法 | v4 的对应 |
|---|---|
| A 级 3 个（ERMAP / IFNAR1 / APOL1） | ⛔ 不再存在。APOL1 已在第 4X 步被否决（表位伪影，唯一的否决）；ERMAP 与 IFNAR1 是 13 对里的 2 对 |
| B 级「共定位支持但需注意」 | 并入同一批 13 对，注意事项写在图注与正文，不再用等级表达 |
| C 级 11 个（MHC 一票否决） | MHC 不再一票否决；它们照常走到第 5 步，结果是全部落弱/中档（见 §2.3） |
| D 级「仅 MR 支持」 | 就是 52 对里没拿到措辞升级的那 39 对，仍在所有下游表里 |
| 「四道判据全部通过」 | ⛔ 不许这样写。v4 只说「过了两个否决点」+「共定位是否支持升级措辞」 |
这三条 v3 结论在 v4 依然成立
- 糖尿病对照是这条线最有价值的判据：61% 的显著关联属于「糖尿病驱动」， 它们作用于「得不得糖尿病」而不是「得了会不会伤眼」。v4 把它保留为描述性分类， ⛔ 但它不是过滤器，不删任何候选。
- 跨多结局共享不是加分项：共享的蛋白大多在 MHC，那是连锁不平衡的投影。
- MHC 区给不出答案 ≠ MHC 区是阴性：
CFB（iptacopan 靶点）、AGER都在里面。
📦 v3 存档：原「分层筛选：31 个蛋白怎么筛成 3 个」（2026-08-03 版，已不适用）
⚠️ 以下全部是历史记录，请勿据此写作。 其中的 A/B/C/D 分级、tier 字段、 HyPrColoc 判据、32_targets_table.R 与 target_decision_table.csv 在 v4 都已删除或废弃。 保留它是因为几条结论（尤其「四项判据里只有一项真正在分 A/B」）的推理过程仍有参考价值。
先补上最容易断的一步：13 个共定位支持蛋白 → 7 个
上一节 HyPrColoc 给出的是 13 个簇 = 13 个蛋白 = 19 对。但分层表里只有 7 个有共定位支持。 差的 6 个不是被筛掉的，是根本不属于并发症这条线——它们的簇里只有糖尿病：
| 蛋白 | 簇内性状 | 去向 |
|---|---|---|
| ABO / ERI1 / MINDY1 | 只与 2 型糖尿病成簇 | 不进并发症候选层 |
| IL10 / KIT / KLK1 | 只与 1 型糖尿病成簇 | 不进并发症候选层 |
| ERMAP / IFNAR1 / APOL1 | + 黄斑病变 | → A 级 |
| APOE | + 黄斑病变 / 糖肾 / 糖网 + 2 型糖尿病 | → B 级（糖尿病驱动） |
| NOTCH2 | + 黄斑病变 / 糖网 + 1 型 / 2 型糖尿病 | → B 级（糖尿病驱动） |
| WARS / GALNT3 | + 糖网 | → B 级（方向背离） |
★ 这一步在 PPT 里原先是缺的（2026-08-03 补成第 26 页）。少了它，读者会觉得「A 级」这个标签 是凭空出现的——上一页刚说完「跨多结局共定位的只有 APOE 与 NOTCH2」，下一页 A 级却是另外三个。 顺带说清一件反直觉的事：跨多结局在这里不是加分项。 APOE 与 NOTCH2 恰恰因为簇里同时含糖尿病， 被判为「糖尿病驱动」而降到 B 级。
分层规则本身
分层规则写在 analysis/32_targets_table.R:76-81，是一个优先级级联，不是逐道串行的漏斗：
三处容易记错的地方（2026-08-03 订正）
① MHC 是一票否决，不是最后一道。 in_MHC 的蛋白根本进不了 A/B，与有没有共定位支持无关。 实测 11 个 C 级蛋白的 coloc_support 全部为 FALSE。
② 「共定位支持」用的是 HyPrColoc，不是 coloc.abf。 判据是「簇后验 PP>0.7 且蛋白在簇内」， 比 coloc.abf 严 → 7 个蛋白（= A 级 3 + B 级 4），不是第六节 coloc.abf 的 12 个。 差的 5 个（ACRBP、LACTB2、NUDT5、PAM、SIGLEC5）是 coloc.abf 判通过、但 HyPrColoc 没把蛋白放进簇里。
★ 补一句省得反复对账：coloc_compare_hypr_vs_abf.csv 的 verdict 只有三类—— 两法都支持 19 对 / 仅 coloc.abf 13 对 / 两法都不支持 110 对，没有「仅 HyPrColoc」。 即 HyPrColoc 通过必然 coloc.abf 也通过，所以本数据下 「共定位支持」≡「两法都支持」，两种说法指的是同一批。
③ 最后一道是方向，不是 PheWAS。 代码里的条件是 targeting_flag != "★方向相反-若成药可能对某些结局不利"。 phewas_flag 是并排报告的警示列，从没进过分层规则——三个 A 级恰好都是「低多效」是相关，不是判据。
★★ 而且这一道对三个 A 级候选实际上是空转的：它们的 targeting_flag 实测全是 「单病(不适用)」——只作用于一个疾病，根本没有跨疾病方向可比，只是「未被判为方向相反」所以没被否决。 不能写成「通过了方向一致性检验」，准确说法是「该条不适用，因而未构成否决」。
★★ 四项判据里只有一项真正在分 A/B（2026-08-03 实测）
把上面 ①③ 两条的实测结论并排放，会得到一个必须主动交代的事实：
| 判据 | 本数据下是否真的起作用 |
|---|---|
| 非 MHC（一票否决） | 空转 —— 11 个 MHC 区蛋白 coloc_PP 全为 NA，无一通过共定位，否决权从未触发 |
| HyPrColoc 共定位支持 | 起作用（31 → 7） |
| 糖尿病对照分类 | 只有这一条在分 A/B |
| 方向未判为相反 | 空转 —— 7 个的 targeting_flag 全为「方向一致」或「单病(不适用)」 |
所以 A 级的准确定义就两条：共定位支持 + 并发症特异（或增强）。
写作时不得表述为「四道判据全部通过」。 那会给出比实际更强的筛选印象， 而审稿人只要把 hyprcoloc_shared.csv 与 target_decision_table.csv 一交叉就能看出来。
糖尿病对照那一条是这条线最有价值的判据
实测有 61% 的显著关联在糖尿病易感性端也显著（APOE、PAM、NOTCH2 等）—— 它们作用的是「得不得糖尿病」，不是「得了糖尿病会不会伤眼」。 没有这一道，一半的候选会被讲成并发症靶点。
MHC 一票否决不是形式主义
C 级那 11 个全在 MHC 区。跨并发症「共享」的 5 个蛋白也全在 MHC—— 那是连锁不平衡造成的假象，不能读成「共同致病机制」。
八、跨平台复制：分水岭
Olink 用抗体测蛋白，SomaScan 用适配体。如果工具变异恰好是个错义突变， 改的可能是抗体结合能力而不是蛋白真实浓度——这叫表位伪影。检验办法只有一个：换平台再测一次。
cis-pQTL 效应量（等位已对齐，ΔEAF ≤ 0.036）：
| 蛋白 | 变异 | Olink β | deCODE β | deCODE p | ARIC β | ARIC p | 判定 |
|---|---|---|---|---|---|---|---|
| IFNAR1 | rs914142 | −0.450 | −0.166 | 1.1e−69 | −0.392 | 8.0e−99 | ✅ 三方同向 |
| APOL1 | rs136168 | −0.318 | +0.378 | 1.8e−251 | +0.462 | 7.8e−111 | ❌ 方向相反 |
| ERMAP | rs11210710 | −0.091 | +0.004 | 0.62 | −0.050 | 0.0029 | ⚠ 另一平台无信号 |
为什么 ARIC 不能省
只有 deCODE 的话，平台和人群是一起变的（英国-抗体 vs 冰岛-适配体），说不清是哪个造成差异。 ARIC 是第三个人群、但同一个平台，这就把分歧锁定在平台上。这是 deCODE 自己给不了的。
九、多组学定向验证
给三个候选各补几层证据，看蛋白层的信号在基因表达和甲基化上能不能对上。
| 层 | 数据 | 结果 |
|---|---|---|
| 血液 eQTL | eQTLGen | IFNAR1 显著，但 PP.H3 > H4，且糖尿病对照端也显著 |
| 视网膜 eQTL | Advani / Strunz | ERMAP 共定位 PP.H4=0.949，但方向与血浆层相反；IFNAR1 完全阴性 |
| 甲基化 SMR | mQTL + HEIDI | IFNAR1 拿到唯一稳健命中，但不能定方向 |
| 单细胞 | 视网膜图谱 18 种细胞 | 只有 IFNAR1 站得住；图谱没有血管内皮/周细胞/脉络膜，正是文献报道 APOL1 的地方 |
最容易踩的坑
跨层比较的往往不是同一个变异。 eQTL 顶点和 pQTL 哨兵之间 r² 只有 0.095 / 0.031。 所以「方向相反」不构成矛盾，mRNA 与蛋白不一致本来就是全基因组普遍现象——不能拿它来反对候选。 只有换成同一个变异去比，才有资格下结论。
十、三个候选现在各自在哪
本节是 v3 时代的记录
下文出现的 A/B/C/D 分级与 HyPrColoc 在 v4 都已不存在。 v4 的对应说法见 §七：不给候选分级，只记「过没过否决点」与「能不能升级措辞」。
| 候选 | 状态 | 共定位 | 跨平台 | MR（黄斑） | 要点 |
|---|---|---|---|---|---|
| IFNAR1 | ✅ 唯一全部通过 | PP.H4 = 0.940 | 三方同向 | OR 0.782 / 0.514 / 0.754 | 三个平台 OR 全 < 1，方向稳健 |
| APOL1 | ❌ 已撤回·表位伪影 | PP.H4 = 0.926 | 两个适配体队列均反向 | OR 1.521 vs 0.703 / 0.749 | 工具变异与已发表错义位点 r²=1.000（相距 488 bp）；「血浆水平致病」作废 |
| ERMAP | ⚠ 最弱·三面受敌 | PP.H4 = 0.967 | deCODE p=0.62 无信号 | — | 糖网端效应衰减 28 倍；视网膜 eQTL 方向与血浆层相反 |
一句话讲清现在的处境
开局有三个 A 级候选，走完跨平台复制只剩一个。
这不是失败——能主动把自己两个候选否掉，正是这套流程值钱的地方。 换成只做 MR 不做跨平台，这三个会一起被写成阳性结果发出去。
十一、还没做的（按性价比排）
| 方案 | 预期 | 成本 |
|---|---|---|
| 缩小共定位区域窗口（哨兵 ±100–250 kb 而非 ±1 Mb） | 直接对着病根；Q4 那 37 对有望变为可判定 | 低（区域缓存已在） |
| 用 deCODE 自己的 cis-pQTL 重选工具做敏感性分析 | 同济那篇做了，评审最可能问 | 低 |
| GTEx / HPA 组织表达谱 | 补组织落位 | 中 |
| 换更大 / 更匹配的 LD 面板 | 可能救回部分 SuSiE | 高，且期望值已很低 |
相关页面
- 共定位的两处方法学局限
- APOL1 表位伪影与结论撤回
- 多组学定向验证：三个 A 级候选 —— v3 分级口径，见 §七存档
- A 级候选证据链与两处硬伤 —— v3 分级口径，见 §七存档