主题
共定位方法选型：为什么只用 coloc.abf
日期：2026-08-07 结论：第 5 步只用 coloc.abf；HyPrColoc 与 SuSiE 本轮不做； 不纳入 T1D/T2D 对照臂。
本页记录选型过程中逐条查证的事实与被推翻的说法，供写 Methods 与回应审稿直接引用。
一、文献底本（全部核实到精确出处）
| # | 文献 | 方法 | 出处 |
|---|---|---|---|
| L1 | Giambartolomei C, Vukcevic D, Schadt EE, Franke L, Hingorani AD, Wallace C, Plagnol V. Bayesian test for colocalisation between pairs of genetic association studies using summary statistics. | coloc（abf） | PLoS Genet 2014;10(5):e1004383 · PMID 24830394 · PMC4022491 · doi 10.1371/journal.pgen.1004383 |
| L2 | Foley CN, Staley JR, Breen PG, Sun BB, Kirk PDW, Burgess S, Howson JMM. A fast and efficient colocalization algorithm for identifying shared genetic risk factors across multiple traits. | HyPrColoc | Nat Commun 2021;12:764 · PMID 33536417 · PMC7858636 · doi 10.1038/s41467-020-20885-8 |
| L3 | Wallace C. A more accurate method for colocalisation analysis allowing for multiple causal variants. | coloc + SuSiE | PLoS Genet 2021;17(9):e1009440 · PMID 34587156 · PMC8504726 · doi 10.1371/journal.pgen.1009440 |
| L4 | Hwang S, Pullin J, Wallace C, Whittaker J, Burgess S. Systematic comparison of colocalization methods using protein quantitative trait loci. | 四法基准（pQTL） | bioRxiv 2025-11-07 · doi 10.1101/2025.11.07.686776 |
| L5 | Zhao JH, et al. Genetics of circulating inflammatory proteins identifies drivers of immune-mediated disease risk and therapeutic targets. | PP4 ≥ 0.8 的用法 | Nat Immunol 2023 · PMC10457199 |
L4 只读到摘要
bioRxiv 反复返回 429 / Cloudflare 1015，全文未获取。本页引用 L4 的内容全部出自摘要， 已逐句核对。引用时须标注这一点。
★★ L4 是本次选型最有分量的依据
作者阵容含 coloc 原作者 Wallace 与 MR 方法学的 Burgess。设计是用 pQTL 数据构造「本该共定位」的场景再看四种方法（coloc、coloc-SuSiE、prop-coloc、colocPropTest）认不认。摘要原文：
"In the baseline scenario, all methods report colocalization for the majority of proteins. In other scenarios, methods do not consistently report colocalization, they often report non-colocalization, and they often disagree. In the worst-case scenario, colocalization was only agreed by all four methods for 20% of proteins, despite our experiment being constructed to select for cases where colocalization is expected. This suggests caution in performing and interpreting colocalization analyses is warranted."
它开篇提的正是我们要回答的问题：
"it is unclear whether a non-colocalization result should be taken as a definitive sign that two traits do not share a genetic cause in the region of interest, or merely as suggestive evidence."
→ 「不共定位」不能当作「不共享因果变异」的定论。 这就是 v4 把共定位定为措辞升级关卡而非否决点的直接依据。
★ 另注：L4 明确把「同一蛋白但换平台 / 换人群」列为方法不一致的高发场景 —— 这与我们第 4a/4c 步的观察一致，可交叉引用。
二、逐条问答（问题来自用户，答案均经实测）
Q1：共定位是用 HyPrColoc 那个吗？
本课题此前的定论（2026-07-29）原文：
本课题共定位层的最终判据改为：PP.H4 ≥ 0.8（coloc.abf，主）+ 蛋白必须在 HyPrColoc 簇内 （辅，用于回答跨病共享）。两条同时满足的 19 对 / 10 个蛋白即为共定位支持的候选。
SuSiE 的定位（2026-07-31）原文：
正文只放 HyPrColoc + coloc.abf；SuSiE 连同其一致性参数与收敛率写进补充材料的方法学局限， 不作判据。
实测依据：SuSiE 32 对尝试、12 对两侧收敛、只有 8 对（25%）给出 PP.H4。
Q2：只有 1 个结局的 14 个蛋白，能跑 HyPrColoc 吗？是不是必然不在簇内？
能跑，而且全跑了。 脚本里 MIN_DIS <- 1，性状 = 蛋白 + 它自己的显著结局； 单结局时是 2 个性状，满足 HyPrColoc 下限。
旧仓实测这 14 个的判定：
| 判定 | 蛋白 |
|---|---|
| 支持（蛋白与疾病共定位） | ERMAP · GALNT3 · IFNAR1 · WARS |
| 证据不足（蛋白进簇但 PP 未过阈） | ACRBP · IL7R · PAM · TPPP3 |
| 不支持（未检出共享簇） | AIF1 · AOC1 · LACTB2 · VWC2L |
| 不支持（仅疾病成簇，蛋白未进簇） | BTN3A2 · NUDT5 |
→ 「单结局 ⇒ 必然不在簇内」不成立，4 个拿到支持。
Q3：「仅疾病成簇、蛋白未进簇」是什么原因？是 HyPrColoc 不适用吗？
不是方法失效，恰恰是方法在起作用。 看 NUDT5 的原始输出：
n_traits = 3
簇 = "Retinopathy, T2D_mahajan" posterior_prob = 0.947
protein_in_cluster = FALSE candidate_snp = 10:12265895含义：两个疾病之间共享一个因果变异，而 NUDT5 的 cis-pQTL 是另一个变异 —— 等价于 coloc 的 H3（两个不同因果变异），即「MR 关联可能是 LD 巧合」的直接证据。
对照 IFNAR1（干净的共定位）：
n_traits = 2
簇 = "IFNAR1, Maculopathy" posterior_prob = 0.837
protein_in_cluster = TRUE candidate_snp = 21:33353501★★ 但由此发现：旧的 HyPrColoc 判定不可移植到本轮
NUDT5 那个簇是 Retinopathy + T2D_mahajan —— T2D_mahajan 是对照臂，不是并发症。 旧仓把 T1D/T2D 也当「疾病」喂进了 HyPrColoc。
而本轮口径只有五个并发症。在本轮里 NUDT5 只有 Retinopathy， 性状 = {NUDT5, Retinopathy} = 2 个 → 「疾病成簇而蛋白不在簇内」在逻辑上不可能出现。 BTN3A2 同理。
→ 旧的四类标签一个都不能当本轮的预期。
★ 另一实情：对单结局蛋白，HyPrColoc 只有 2 个性状，聚簇机制没派上用场， 基本退化成又一次两两共定位，不应被表述为「多性状共享证据」。
Q4：HyPrColoc 有 PP.H4 吗？
没有。它不输出 PP.H0–H4 中的任何一个。
| 方法 | 原始输出列 |
|---|---|
| coloc.abf | PP.H0 PP.H1 PP.H2 PP.H3 PP.H4 |
| HyPrColoc | traits posterior_prob regional_prob candidate_snp posterior_explained_by_snp dropped_trait |
PP.H0–H4 是 L1（coloc）特有的框架 —— 对一对性状穷举 5 个互斥假设 （H0 都无信号／H1 只 A／H2 只 B／H3 两者信号但因果变异不同／H4 共享同一因果变异）。
L2（HyPrColoc）不走这个框架：它是多性状的确定性贝叶斯分裂聚类， posterior_prob 是簇层的量。
实测三条差异：
- 数值不同：19 对两法都有值的，无一相等（差值中位 0.086、最大 0.2）
- ★ 分析单元不同：
APOE的四个疾病PP.H4各不相同（0.9175 / 0.9982 / 0.9999 / 0.9992）， 但posterior_prob四个全是 0.9133 —— 因为它们同属一个簇。 多疾病蛋白中posterior_prob100% 组内相同，PP.H40% 组内相同 - 覆盖率差极远：142 对里
posterior_prob有 123 对是 NA（蛋白没进簇 / 没形成簇）， 其中 13 对PP.H4 ≥ 0.8在 HyPrColoc 侧是 NA （NUDT50.977 ·PAM0.959 ·SIGLEC50.887 ·ACRBP0.867 ·LACTB20.800 …）
因此「两条同时满足」的实质要写准
它不是「两个 PP.H4 都 ≥ 0.8」，而是 「PP.H4 ≥ 0.8 且 蛋白与该疾病落在同一 HyPrColoc 簇内」。 而且它是把 NA 当成不通过 —— 而 NA 混合了「有信息的不共享」与「簇根本没形成」两种情形。
Q5：T1D / T2D 对照臂要不要纳入共定位？
不纳入。 三条理由：
理由一：共定位证明不了「糖尿病驱动」
若某蛋白在同一位点既与糖网共定位、又与 T2D 共定位，可能是 ①蛋白→糖尿病→糖网（中介）②蛋白分别独立影响两者 ③三者共享上游机制。 共定位对这三种情形给出的结果完全一样 —— 它只回答「是不是同一个因果变异」， 不回答「是不是经由糖尿病中介」。
→ 正确工具是 MVMR / 两步中介（已在待办清单）。
理由二：反向推理同样不成立
「与糖网共定位、但不与 T2D 共定位 ⇒ 并发症特异」——不能这么推。 按 L4，即便在本该共定位的构造场景里，最坏情形四法全体一致也只有 20%； 「非共定位」结果普遍出现且方法间常不一致。
→ 阳性推不出中介、阴性推不出特异，做出来是一张不能支持任何结论的表， 而它摆在正文里读者会自然按「糖尿病驱动」去读。
理由三：口径与流程
第 5 步在 v4 里的职责是并发症候选的措辞升级关卡；对照臂不是候选、不参与升级。 纳入会把漏斗从 52 对变成 70 对，与前面每一步都对不上。
这条更正了我先前的建议
我曾建议「对照臂单独成表，作为糖尿病驱动的位点级证据，比 MR 效应量对比更强」。 那是 overclaim —— 共定位无法建立中介关系。已作废。
Q6：HyPrColoc 没有 PP.H4，为什么 C1R 还写「PPH4 = 0.86」？
查证：C1R 全文只提 hyprcoloc R package，从头到尾没有 coloc.abf、 没有 Giambartolomei、没有 PP.H0/H1/H2/H3。Methods 原文：
"multi-trait colocalization analysis using HyPrColoc method30 was performed … Colocalization analysis was performed using the hyprcoloc R package69"
答案：他们用 HyPrColoc，却借用了「PPH4」这个词。
为什么说得通：HyPrColoc 簇层后验的含义，他们 Methods 自己写的是 "the probability that both the protein and associated diseases share a single causal variant" —— 这恰好等于 coloc 的 H4 假设。对只有 2 个性状的情形，两者概念上确实对应。
但严格说不规范：PP.H4 是 coloc 的 H0–H4 体系里的一项，HyPrColoc 没有那个体系。
★ 对我们的直接后果
我们的 PP.H4 ≥ 0.8 不能说「依据 C1R」 —— C1R 的 0.8 是 HyPrColoc 簇层后验的阈值。 必须挂 Zhao 2023 Nat Immunol（L5） 或 coloc 原文（L1）。
Q7：那我们到底用哪个？
用 coloc.abf。理由不是「哪个方法更好」，而是两个研究问的问题不同：
| C1R | 本课题 | |
|---|---|---|
| 研究对象 | 共病 —— 蛋白天然关联 ≥2 个病 | 糖尿病并发症，28 个蛋白中 14 个只关联 1 个结局 |
| 分析单元 | 多性状簇 | 蛋白 × 结局 的对（整条漏斗按对数走：57→52） |
| 多性状聚簇 | 有东西可聚 | 对那 14 个蛋白只有 2 个性状，聚簇机制空转 |
HyPrColoc 是为多性状设计的；我们一半候选只有 1 个结局， 用它等于拿多性状工具做两两分析 —— 能跑，但用不上它的长处。
coloc.abf 恰好匹配：两两、给 PP.H0–H4 全谱、分析单元与漏斗一致、 阈值有独立文献支撑（L5）。
HyPrColoc 有一件 coloc.abf 做不了的事 —— 留作后续描述性分析
对有 ≥2 结局的那 14 个蛋白，它能回答 「这几个并发症是共享蛋白的那个变异，还是它们自己共享另一个变异？」 （即 NUDT5 那种「疾病成簇、蛋白不在簇内」）。
→ 建议后续对这 14 个蛋白单独跑，回答并发症之间是否共享， 不作判据、不在第 5 步做。
Q8：coloc.abf 要不要求「蛋白进簇」？这里有官方定义吗？
不要求 —— 因为 coloc.abf 里根本没有「簇」这个概念。
coloc 官方文档（包作者 Wallace）明确两点：coloc.abf 比较 "exactly two datasets"， 且 "makes the simplifying assumption that each trait has at most one causal variant in the region"。
我们的调用就是两个数据集：
r
coloc::coloc.abf(d_prot, d_dis, p1 = P1, p2 = P2, p12 = P12)蛋白是两个性状之一，按构造永远在里面，不存在被剔出去的可能。
官方定义就是 H0–H4 这五条（coloc 官方文档 / L1 原始设定）：
| 原文定义 | |
|---|---|
| H0 | neither trait has a genetic association in the region |
| H1 | only trait 1 has a genetic association in the region |
| H2 | only trait 2 has a genetic association in the region |
| H3 | both traits are associated, but with different causal variants |
| H4 | both traits are associated and share a single causal variant |
★★ 两个方法的对应关系
| HyPrColoc | coloc.abf |
|---|---|
| 蛋白在簇内、簇后验高 | PP.H4 高 |
| 蛋白不在簇内，疾病自己成簇 | PP.H3 高（两性状都有关联但变异不同） |
| 蛋白没关联 | PP.H1 / PP.H2 |
差别在信息编码的位置，这决定了误读风险：
- coloc.abf：
PP.H4一个数字已经把「蛋白是否共享」编码进去，无需再查成员资格 - HyPrColoc：
posterior_prob是簇层的，只说「簇内共享得多强」； 「哪些性状在簇里」是另一条独立信息（traits列）—— 两条必须一起看
Q9：怎么正确读别人跑的 HyPrColoc 产物？（F:\project\12）
一份此前由他人用同一批数据跑的 HyPrColoc 结果（sum_plot.csv / bin.csv， 覆盖 20 个蛋白、4 个并发症 + T1D/T2D）。实测三个坑：
坑 1：posterior_prob 单看几乎全过
| 指标 | 数值 |
|---|---|
posterior_prob ≥ 0.8 的行 | 98 / 104 = 94.2% |
| 这样会判阳性的蛋白 | 19 / 20 |
| 其中蛋白根本没进簇的行 | 77 |
被虚假计入的 11 个：AGER AIF1 ATP6V1G2 BCL2L15 BTN2A1 BTN3A2CFB HCG22 LTB TNXB TRIM40。
→ 这个读法没有鉴别力：MHC 区并发症彼此本就强烈共享信号，簇后验自然贴近 1，与蛋白无关。
坑 2：bin.csv 编码的是输入组合，不是簇成员
| 检验 | 结果 |
|---|---|
bin 的 1 == 输入的疾病组合 | 100% |
bin 的 1 == 实际簇成员 | 仅 48.5% |
而且 bin.csv 没有蛋白那一列 —— 用它根本无从判断蛋白进没进簇。例：
AGER 输入 {黄斑, 神经, 视网膜} bin 三个全标 1
实际簇 {黄斑, 神经} ← 视网膜被剔除，bin 里看不出来坑 3：dropped_trait 列 104 行全是 NA
被剔除的性状没有被记录，只能靠比对 traits 与 disease_combination 才能发现。
正确读法只有一条
看 sum_plot.csv 的 traits 列，确认里面有没有字面值 protein。 该文件把蛋白这个性状就命名为 protein。
★★ 「蛋白必须进簇」的官方依据（三条）
这不是额外判据，是 HyPrColoc 自己对「共定位」的定义。
① HyPrColoc 原文（L2 · Foley 2021 · PMC7858636）
"each cluster comprises traits sharing a causal variant"
★ "a trait is deemed not [to] colocalize with any other trait in the sample" —— 当它在聚类后仍单独留下时
原文同时确认假设："at most one causal variant in the genomic region for each trait"。
② HyPrColoc 官方 vignette
"HyPrColoc is Bayesian divisive clustering algorithm for identifying clusters of traits which colocalize at distinct causal variants in a genomic region."
traits 列 = "a cluster of putatively colocalized traits"； 文档并有 "trait 6 is dropped from this cluster" 的示例。
③ C1R 自己的 Methods（第 387–388 行）
"This approach estimates the probability that both the protein and associated diseases share a single causal variant"
→ 估计量里明写包含蛋白。
一句实话
没有任何文献写「用 HyPrColoc 做 pQTL–疾病共定位时必须核对蛋白是否在簇内」这样的操作说明 —— 因为这不是操作步骤，而是定义本身。traits 列直接告诉你哪些性状共定位； 蛋白不在其中，方法就已经回答了「不共定位」。
准确表述应为：「蛋白进簇」不是额外判据，而是读懂 HyPrColoc 输出的必要条件。
实证：LTB
traits = "retinopathy, nephropathy" 0.9997
traits = "diabete1, nephropathy" 0.9938
traits = "diabete1, retinopathy" 0.9948
候选变异 6_31737349_G_A（chr6:31.74Mb，经典 MHC 内）8 行没有一行含 protein。 0.9997 说的是「视网膜病变与肾病共享同一因果变异」， LTB 蛋白被排除在簇外 —— 不是蛋白–疾病共定位。
Q10：★★ 两个方法的全表对账
按正确读法（蛋白进簇 + 后验 ≥ 0.8），两边都跑了的 19 个蛋白：
| 类别 | 数量 | 蛋白 |
|---|---|---|
| 完全一致 | 7 | APOE NUDT5 ERMAP WARS PAM GALNT3 IFNAR1 |
| 分歧（可解释） | 2 | APOL1（他们 0.81 合格；我们 4X 因表位伪影否决）· NOTCH2（他们 0.776 差一点，我们 0.897） |
| 蛋白未进簇 → 我们 weak | 10 | AGER AIF1 ATP6V1G2 BCL2L15 BTN3A2 CFB HCG22 LTB TNXB TRIM40 |
| 蛋白未进簇 → 我们 medium | 1 | BTN2A1（0.635，擦边） |
HyPrColoc 侧合格的 8 个及其后验：APOE 0.9997 · NUDT5 0.9337 · ERMAP 0.8989 · WARS 0.8943 · PAM 0.8913 · GALNT3 0.8437 · IFNAR1 0.8370 · APOL1 0.8106。
→ 不同软件、不同人、不同时间跑出来，排序几乎相同。 这是第 5 步一次有分量的旁证。
APOL1 的启示
它共定位 0.81 却是表位伪影 —— 共定位识别不出表位问题。 两者查的是不同的东西，不能互相替代。
Q11：MHC 区能不能做共定位？
能跑，但结果不可直接解释。
coloc.abf 与 HyPrColoc 都假设「每个性状在该区域至多一个因果变异」。 MHC 有大量独立信号、LD 可延伸数 Mb —— 前提在事实上不成立。 前提垮了，后验被推向 H3，而这可能只是「区域内不止一个信号」造成的。
文献里的标准做法是排除：Zheng 2020 Nat Genet 在工具选择阶段就把 chr6:26–34 Mb 的 SNP 和蛋白一起剔除。我们 v4 决定不排除，是为了保住 CFB（已上市药靶 iptacopan）与 AGER —— 代价就是共定位这一层对它们判不了。
真能处理 MHC 的三条路：
- 条件分析（COJO）剥离主信号后再 coloc
- coloc-SuSiE（允许多个因果变异）—— 但我们实测 LD 面板失配导致整体降级（
s中位 0.827） - HLA 等位基因层面共定位
★ 措辞修正
原先写「MHC 是 coloc.abf 方法失效」。现在看到第二个方法（HyPrColoc）也把这些蛋白排除在簇外， 应改写为「两种共享同一假设的方法一致提示蛋白与疾病信号不同，待条件分析核验」。
但这不构成独立确证 —— 两法共享同一假设，可能以同样方式失效。
★ 另注：C1R 全文与 HyPrColoc 原文（L2）都一次没提过 MHC 或 HLA（均已全文核查）， 而 C1R 还把 chr6:26.1 Mb 的 BTN2A1 当共定位结果报出。 这一区的处理在两篇里都是空白，不可援引为先例。
案例：LTB 很可能是 HLA 信号的搭车者
LTB 位于 chr6:31.58 Mb，糖尿病对照臂 T1D 的 OR = 3.387， 比三个并发症（2.908 / 2.328 / 1.919）都大。 而 HyPrColoc 的簇是 {T1D, 肾病} 0.9938、{T1D, 视网膜} 0.9948， 候选变异 chr6:31.74 Mb —— T1D 与并发症在 MHC 内共享同一变异，蛋白不在其中。
T1D 最强的遗传信号就是 HLA。 合起来读：LTB 与并发症的 MR 关联 很可能是被 LD 上的 HLA-T1D 信号带出来的。⚠️ 仍非定论，理由同上。
Q12：★ 更正 —— C1R 的「moderate」我读错过
我曾说「C1R 明文纳入 moderate，可映射为 0.5 ≤ PP.H4 < 0.8」。这是错的，撤回。
事实：其 Methods 确有 "supported by high or moderate colocalization probabilities" 一句， 但从未给出 moderate 的数值定义，且四个优先候选是 0.86 / 0.99 / 0.86 / 0.94，全部 > 0.8。 把 moderate 映射到 0.5–0.8 是我自己编的。
从原文能站住的只剩两条：
- 共定位的动词是 prioritize，不是 exclude
- 方向相反的
BTN2A1/FGF5被报告而非删除（Supplementary Figure 1）
另算一笔账：9 个共定位达标 = 4 个优先 + 2 个方向相反 + 3 个正文完全没交代去向。
三、最终选型
| 项 | 定 | 依据 |
|---|---|---|
| 方法 | 只用 coloc.abf | L1；输出 PP.H0–H4，两两、可解释、审稿人最熟 |
| HyPrColoc | 不做 | 给的是簇层量、无 PP.H4（Q4）；旧判定不可移植（Q3） |
| SuSiE | 不做 | 出结果率仅 25%（2026-07-31 定论）；L4 亦显示其与 coloc 常不一致 |
| 输入 | 52 对 / 28 蛋白，不含对照臂 | Q5 |
| 判据 | PP.H4 ≥ 0.8 升级措辞；0.5–0.8 仅进补充表 | L5 |
| 否决权 | ★ 无 | L4：非共定位不能当定论 |
| MHC 29 对 | 照常算照常报，但不单独升级 | v4；单因果假设在该区不成立 |
★ 2026-08-08 用户拍板：下游深挖的输入集
| 决定 | 内容 |
|---|---|
| 第 6 步输入集 | ★ 只用共定位支持的 11 个蛋白（PP.H4 ≥ 0.8，全部非 MHC） |
MHC 且 PP.H4 < 0.8 | ★ 不进入后续分析，改走「MHC 专用核验」（条件分析 + HLA 等位基因层面） |
| 依据 | 与 C1R 同口径（对优先候选做下游注释）；且本轮 HyPrColoc 对账 7/8 一致（Q10） |
采用该口径必须同时做到三件事，否则站不住
① 报分母 —— C1R 写的是 "Of the 40 proteins, nine showed…"。 我们对应写「52 对 / 28 蛋白中，13 对 / 11 蛋白 PP.H4 ≥ 0.8」。分母不能消失。
② 落选者照样报告并注明类别 —— C1R 把 BTN2A1/FGF5 放进补充图并给了解释。 我们的补充表须逐个标明属于：MHC 假设不成立（11）／ H4 主导但未达线（4）／ 提示不同变异（2）。
③ 必须写 MHC 那一段 —— 否则 CFB（已上市药靶 iptacopan）与 AGER（经典靶点） 在外部复制稳健的情况下掉出深挖名单，无法向审稿人交代。建议措辞：
该区域内 coloc.abf 与 HyPrColoc 均假设每性状至多一个因果变异，此假设在 MHC 不成立； 两法一致提示蛋白与疾病信号不同，但因共享同一假设不构成独立确证。 故这些候选单列报告，其判定待条件分析与 HLA 等位基因层面核验。
写进去，它们就是「已知待核验」而非「被悄悄丢掉」。
写 Methods 时必须带上的三句
- 共定位用 coloc.abf（L1），先验
p1=p2=1e-4、p12=1e-5，区域 ±500 kb - 共定位不用于排除候选；依据 L4，非共定位结果不足以断定不共享因果变异
- 本轮未使用 HyPrColoc 与 coloc-SuSiE，理由与局限见 Limitations