首先，我们要知道GWAS的概念: GWAS是在某一特定人群中寻找其基因型与表型之间的相关性的研究，从而希望可以凭借遗传学的方法从中找到与疾病相关联的SNPs，而进行之后的研究。但是，在现阶段的研究中，GWAS的研究有1300余篇文献，6000多种疾病相关的易感位点之中，只有不到10% SNPs位于蛋白编码区，剩下的易感位点，由于无法解释它们的生物学功能，则不了了之。而且，由于有一些SNPs的信号没有超过GWAS显著的阈值(5×10^-8)，从而使我们忽略了一些有可能真正功能性的SNPs。今天，小编就为大家带来篇有别于之前老套的GWAS的文章，通过新的研究思路，结合表达数据，来精确找到致病基因，希望能给大家带来一些新的思路。

作者刚开始的研究和别的GWAS区别不大，对阿兹海默症进行研究，对7个样本集进行Meta分析，包含有14406个Case和25849个Control。关联分析的结果是发现了4个显著的Variants.

在这里，实际上作者就有了一些不同于以往的“小心思”了。他并没有只关注于显著的SNP，而是把接近于显著的结果也囊括了进来(5×10^-6)，进行之后的分析。显著的SNP中，有三个SNP的结果是被之前所验证的，侧面体现了结果的可靠性。由表可知，作者得出的结果(后两列)，和之前的研究结果具有很好的一致性，OR方向相同(Logistic OR/P value)，再次make sure了本文的研究结果。之后，与AD的内在表型和基因型的关联分析，其结果验证了之前研究的两个SNP.

为了解释他所找到的SNP的潜在功能，作者做了Cis-eQTL分析。首先，利用现有数据库，对target SNP在脑区的Cis-eQTL进行查询（BRAINEAC, http://caprica.genetics.kcl.ac.uk/BRAINEAC; GTEx Portal, https://www.gtexportal.org/home/ 推荐大家在以后的研究中也可以用这两个网站，简单易学）。但是显著的结果很不理想。于是，结合之前别人的研究成果，作者猜测有可能影响AD发病的原因是源于骨髓细胞中，而并不是脑区。

基于这个猜想，作者用3步来证实自己的想法。

1.用LD Score分析，分析AD的遗传力主要富集于与骨髓相关的骨髓造血细胞中，而对于精神病来说，则富集在脑细胞中；

2.作者用738个人类单核白细胞和巨噬细胞重新做了Cis-eQTL分析，找到了11个显著的SNP-Gene pairs，其结果的确比在脑区的结果显著很多；

3. 用432个人CD14⁺ 单核白细胞进行验证；

这个结果说明了骨髓细胞的确特异性的参与调控了AD的发病，而脑部的效果则有限的多。

由于在之前的分析结果中，有太多的基因落在目标区域，作者想缩小研究范围，找到真正的Casual gene方便之后的研究，使用了Coloc test analysis。在研究的目标区域内，不论是单核白细胞和巨噬细胞中，SPI1都是作为一个显著的基因，作为一个最有可能的候选基因，可能是它的表达调控导致了AD的发生。

在对表达芯片的研究中发现，无论是在人还是小鼠中，SPI1的表达都呈现了极高的组织特异性，在脑区很少表达，而在小神经胶质细胞中高表达。

在确定了目的基因之后，由于在目的基因的区间里有很多很强LD的SNP不仅与AD有显著关联，而且与基因的表达也是显著相关的。如果根据以往的经验，我们就会选择最显著的结果。但是，这对于有些真正功能的SNP有可能就会被miss掉。这次作者又给了我们惊喜。他用了Conditional analysis和 SMR analysis两种分析方法来寻找真正的functional SNP。但是，和之前研究和AD显著的结果进行Conditional分析，作者只能缩小了范围以及确定他所找到的SNP的准确性，却并不能精确的找到真正的功能性位点。为此，作者做了SMR分析。其结果没有能帮我们精确的找到单一的位点。

PU.1是被SPI1编码的转录因子。根据ChIP-seq的结果，发现SPI1大量出现在脑小神经胶质细胞以及血液骨髓细胞中；其次，在SPI1区域中，PU.1和许多基因的转录起始位点都是特异性结合的。

之后，作者用吞噬实验，对PU.1的功能进行验证。分别对PU.1进行了shRNA沉默以及过表达处理，不同处理的PU.1和噬菌效率显著相关。而且随着PU.1表达量的改变，与AD相关的致病基因的表达量也是显著改变的。这就证明了PU.1作为一个重要的转录因子，参与调控了AD的发病。