论文： Machine learning and statistical methods for molecular quantitative trait loci。

作者： Barbara E. Engelhardt、Joshua S. Weinstock、Sarah K. Nyquist、Alexis Battle。

期刊与时间： Nature Reviews Genetics，2026 年 9 月 25 日在线发表。期刊页面；DOI。

阅读范围： 用户提供的 18 页 PDF；全文主体至第 15 页，5 张编号主图、3 个专栏、1 张方法表、术语表和文末披露均纳入阅读。页码均为 PDF 文件页码。这是一篇方法综述，不是某个新模型的单篇实验报告；文中不同工具的性能来自各自原始研究，不能当成作者在同一数据集上完成了统一横向评测。

本文是独立撰写的中文解读。由于所用 PDF 标明出版社保留独占权利，网页不转载全文、完整英文图注或出版社原图；以下 5 张配图为原创概念图，不是原图的截图、曲线复刻或实验结果。原图位置与所有主图面板会分别说明，便于对照自己合法持有的 PDF 阅读。

返回本组论文精读目录

先抓住主线：预测更准确，为什么还不够？

这篇综述最有价值的地方，是没有把机器学习理解成“把线性回归换成一个更大的神经网络”。它把一项分子 QTL 研究拆成不同问题：数据到底测到了什么，独立样本是什么，混杂来自哪里，成千上万次检验怎样控制错误，相关变异怎样区分，下游结果又能支持多强的机制解释。复杂模型只有与这些问题对齐，才可能真正增加知识。

分子数量性状位点，即 molecular quantitative trait loci，简称 molQTL，是遗传变异与分子表型之间的统计关联。这里的表型可以是表达量、剪接比例、甲基化、开放染色质或蛋白丰度。相比“一个 SNP 与疾病相关”，molQTL 把遗传信号连接到更接近细胞过程的读出。但“更接近机制”不是“机制已经证明”：一个变异附近的许多位点可以因连锁不平衡一起显著，一个表达关联可能出现在不相关的细胞类型，一个疾病信号也不一定通过这项表达变化产生。

作者提出的路线可以概括为：先把群体中的遗传差异与可比较的分子测量连接起来，再让模型尊重数据结构，最后把关联证据与功能预测整合，而不是让预测模型越过所有不确定性。全文反复强调情境，既包括细胞类型、组织、年龄、暴露和疾病状态，也包括测量平台以及训练数据范围。

我的阅读问题因此不是“文章推荐哪个模型最强”，而是：每一类方法消除了哪一种歧义，又留下哪一种歧义？这个问题能把后面看似很长的工具清单组织成一条证据链。

Figure 1：先区分测量对象，再区分 cis 与 trans

原创阅读示意，依据论文 Figure 1 与输入数据章节重新组织概念；原图位于 PDF 第 2 页，含 a、b、c 三个面板。图中没有真实测量数据。

Figure 1a 并排展示表达、剪接、甲基化和染色质开放度。重要的不是记住四个缩写，而是意识到同一段遗传差异可能改变不同层级：表达总量改变，和外显子使用比例改变，不是同一种表型；ATAC 峰的信号变化也不是 mRNA 增加的同义词。定义表型时做出的选择，决定了模型会看见何种效应，也决定了哪些效应将被遗漏。

Figure 1b 是局部作用，Figure 1c 是远端作用。综述将 cis/trans 的机制概念与实际检验规则区分开：研究通常用与表型位点的距离作为代理，例如 cis 窗口可取 500 kb 或 1 Mb，而 trans 分析常检验跨染色体位点。窗口不是机制证明，落在窗口之外也不意味着没有局部调控。把“没检验”写成“没效应”，或者把“近”写成“直接作用”，都是过度解释。

对正在做 RNA-seq 与 ATAC-seq 的学习者，这张图给出一个很实用的转换：差异分析问的是组之间是否不同；QTL 问的是跨个体的基因型差异是否解释分子表型差异。只有两组各几个样本的差异分析流程，不能直接通过加入 SNP 文件就变成可靠的群体 QTL 研究。

输入数据：基因型、分子表型和混杂各有一个坑

基因型不是只要有 VCF 就够了

基因型矩阵可以来自芯片、全基因组测序、外显子组测序，较完整的数据还能包含小插入缺失、结构变异与拷贝数变异。综述也提到从 RNA-seq 或 ATAC-seq 推断基因型的途径。这里最先检查的应是供体与分子测量能否一一对应、变异质量是否可靠，以及所选变异频率是否让检验有足够功效。

文中列举 0.01–0.1 的常见等位频率过滤范围，目的是说明不同队列会作不同选择，不是给所有项目一个统一阈值。罕见等位基因携带者太少时，效应估计很容易由一两个异常点驱动；另一方面，过强过滤也会把研究问题中的罕见变异直接排除。阈值应与供体数、遗传架构和模型一起讨论。

LD pruning 与 LD clumping 也不能混用概念。前者在检验前处理相关特征，后者通常在检验后根据关联排序留下代表信号；它们都不是精细定位，也不能证明被保留的位点是真正因果位点。为方便分析只保留常见、双等位、常染色体变异，会使结论的适用范围变窄，不能再声称全面覆盖人类基因组的遗传调控。

另一个容易忽略的环节是测量偏差。落在探针序列或影响读段比对的变异，可能改变的是观测过程而非真实分子丰度。因此“变异影响 RNA-seq 计数”必须先排除等位基因特异的比对偏差与基因同源序列错配。输入质量控制不是下游显著性分析的附属工作，而是解释能否成立的前提。

分子表型的定义比模型名称更早决定答案

作者强调，跨个体可比较比绝对定量更关键。RNA-seq 可构建基因表达、转录本比例、percent-spliced-in 或等位平衡等多种表型。转录本比例能捕获多类剪接变化，却不一定直接告诉你哪类事件；外显子包含比例则把问题收窄为特定外显子的使用。选择一种定量工具，其实也选择了一个问题空间。

ATAC-seq 可以把开放区域定义为 caQTL 表型，蛋白组、甲基化或 Hi-C 又提供其他层级。表型数量越多不一定功效越高，因为同时增加了检验数。单细胞数据提供更精细情境，但供体内的细胞共享同一基因型；它们不能全部当成彼此独立的遗传样本。pseudobulk 改善测量稳定性，不会凭空增加供体数。

数据归一化也应服务于模型假设，而不是为了获得一张更平滑的分布图。稀疏计数、极端异常、非正态误差与相关测量可能要求不同策略。对结果而言，最危险的情况不是模型不复杂，而是一个看起来很标准的模型在不合适的数据上输出了精确却错误的 P 值。

混杂校正也可能制造关联

年龄、性别、祖源、批次和未记录实验条件都可能影响 molQTL。祖源通常应由基因型主成分刻画，而不是把自报族群分类当成精准的遗传结构。表型侧的 PCA、PEER 或 surrogate variable analysis 则用于估计潜在变异来源。PEER 不要求因子像 PCA 那样互相正交，部分方法还允许在估计混杂时保护关心的信号。

但“多加几个协变量”不是无条件保险。校正一个受基因型和分子表型共同影响的变量，可能打开碰撞点路径；无监督提取的因子也可能吸收真正的广泛 trans 调控，或者引入虚假关系。作者因此特别提醒，cis 分析中有效的潜因子策略不应机械迁移到 trans 分析。

读这部分时，我会把每个协变量写成一条因果假设：它代表什么来源，是否在遗传差异之前，是否可能是调控链条的中间环节，是否由当前同一份表型数据估计？这些问题比盲目复制某个大型队列使用了多少个 PEER 因子更有价值。

Figure 2：基因型关联不一定只有一条斜率

原图位于 PDF 第 3 页；含 a、b(1–2)、c、d(1–3)。上图是独立重组的概念示意，不是原图数据。

Figure 2a 把同一群体的基因型与分子测量配对，这是最基本的研究设计。Figure 2b 展示没有关联和有可检测关联的两种情形，横轴是基因型、纵轴是分子表型，回归线及其周围误差带表达趋势和估计不确定性。原图绘图轴显示分组编号，而图注解释为等位剂量；阅读与复现时应优先核对真实编码，不能照图中的组号把基因型设成错误剂量。

Figure 2c 则把年龄放在横轴，不同基因型对应不同动态曲线。这提醒我们，遗传效应可能随时间变化，而不是一项固定主效应。Figure 2d 在 CD14+ 单核细胞、NK 细胞和巨核细胞中分别显示关系。不同细胞可以有不同方向、强度或变异范围，用组织平均值汇总后，真实作用可能被抵消，也可能只剩一个难解释的平均关联。

这不是在鼓励每个项目都拆到最细。拆得越细，样本可能越少，检验可能越多。真正要优化的是生物情境分辨率与统计功效之间的平衡，而不是以“更多细胞类型标签”作为先进程度的指标。

标准关联模型：朴素模型仍是必要基线

综述的默认起点是一个分子表型对一个遗传变异，加入已知或推断协变量；必要时再引入随机效应。为了便于理解，可以把模型写成教学形式：

Y_i = α + β G_i + C_i γ + u_i + ε_i。

其中 G_i 是供体的基因型剂量，β 是当前条件下的遗传关联效应，C_i 是协变量；u 可用亲缘或相似性矩阵描述供体间相关，ε 为剩余误差。这个公式是阅读辅助，不是原文的一套固定参数配置，也不是可直接运行的完整流程。

Box 1（PDF 第 5 页） 说明线性混合模型的价值：当亲缘、共享环境、批次等使样本并非独立同分布时，随机效应可以建模残差协方差。它不是给所有项目无条件增加一个“高级项”；只有随机结构确实解释了重要方差，才可能改善检验校准。模型更难拟合、计算更昂贵，以及协方差矩阵是否恰当，也都需要考虑。

Box 2（PDF 第 6 页） 把零假设与备择假设分开，说明单次检验的一类错误和多次检验的累积风险。FDR 是发现集合中错误比例的期望，不是“每个显著位点为真的概率”，更不是“这 100 个发现刚好有 5 个错误”。家族错误率关心至少出现一个错误的概率，通常更保守；两种错误标准回答不同问题。

这里还有一个文字上的阅读陷阱：假设独立且每次错误率为 α，至少一次错误的概率可写作 1 - (1 - α)^m，它不是随着检验数无限指数增大的概率，因为概率始终不超过 1。原文的表达应结合公式理解，不能只记住“检验数很多所以指数爆炸”。

多重检验、稀疏选择与效应估计，是三个不同任务

molQTL 检验可以达到变异数乘表型数的规模。对每个 SNP–基因组合一视同仁地做检验校正，特别是全基因组 trans，容易使阈值非常苛刻。cis 流程经常先在单个基因内用置换或近似处理 LD 和候选变异数，再跨基因控制 FDR。基因层面的发现与变异层面的发现应区分，否则统计单位悄悄改变了。

结构化检验进一步利用跨组织、细胞或条件的共享信息。独立假设加权可以让不同类别的检验得到不同权重，但权重与零假设 P 值之间必须满足方法要求，不能根据当前哪个结果更显著来临时加权。多变量自适应收缩借助条件间相关性估计共享与特异效应；分层检验则可先回答较粗层级，再在有足够证据的分支中展开。group knockoffs 把高度相关的变异成组，在相关特征难以单独区分时，先识别群组可能比假装定位到了单个位点更诚实。

稀疏回归解决的则是特征数远多于供体数、特征间又高度相关的问题。LASSO、稀疏贝叶斯先验、树引导的组稀疏方法可以挑出较小的候选集合。但被选入的特征不因此自动拥有经校准的 P 值；预测性选择、显著性检验和精细定位的后验解释，是相互联系却不可交换的任务。

效应大小还会受到 winner’s curse 影响：按显著性或巨大效应挑出的信号，通常包含向上波动的估计，因而在另一个队列中效应缩水。回归、bootstrap 或收缩可以改善估计，但不能替代独立复现。本文把这个问题放在下游分析之前很合理，因为 TWAS、风险预测或因果估计都可能继续放大上游选择偏差。

作者还讨论了均值以外的表型：遗传变异可能影响细胞间或样本间变异程度。variance QTL 不是“平均表达有差异”的另一种写法。在解释方差前，必须考虑均值–方差依赖、细胞数量不均、测量噪声与分布假设，不能将更分散的读出直接翻译成生物适应性更强。

多变量与多模态：共享信息能增加功效，也会增加假设

多组织、多性状模型可以同时利用关联结构。BayesMV 对多个遗传标记和多个分子读出建模，FastGxC 区分共享与情境特异关联；一些模型还能直接估计后验纳入概率。这些方法潜在地比逐个表型分析更有功效，但常要求匹配的供体、充分的跨条件测量、恰当的协方差结构和可接受的计算成本。输出也未必是每个位点独立的效应和 P 值，不能强行塞进只接受单变量结果的下游工具。

多模态的价值不只是找到更多一致信号。RNA 与蛋白的效应不一致，可能提示转录后调控；开放度与表达的方向或情境不一致，可能说明中间步骤并非简单线性关系。不过，综述提出的是可研究的解释方向，而不是每一个不一致都自动具有新机制。首先应检查两种测量的噪声、动态范围、时间差与供体配对。

RASQUAL 联合总片段计数与等位基因特异计数，MixQTL 用近似联合建模降低计算负担。它们利用的是同一分子现象中的不同信息，而不是随便把两张矩阵拼在一起。等位基因特异计数可能提供更近的内部对照，但也更需要处理比对偏差、相位质量、过度离散和测量错误。多模态模型越有解释力，越需要说清楚联合似然到底认为哪些量独立、哪些量相关。

Figure 3：四种下游分析不能互相替代

原图位于 PDF 第 9 页，含 a、b、c、d。原图 b 的基因型来自 susieR 示例，表型为模拟；不能把该示意当成人类队列中新发现的疾病机制。上图只比较任务，不复刻原图统计曲线。

Figure 3a：精细定位是把 LD 峰转成带不确定性的候选

上半部是关联峰，下半部是 SuSiE 后验信号。一个很宽的关联峰往往包含许多 tag 变异；精细定位希望区分真实功能候选与因 LD 一起关联的变异。PIP 是在模型、先验、所纳入变异与 LD 信息条件下的后验纳入概率。可信集合是集合层面的概率陈述，不是集合中每一个成员都已被证明因果。

FINEMAP 通过随机搜索减少配置空间，CAFEH 使用近似推断，SuSiE 把稀疏效应拆成多个单效应分量；不同算法在计算与假设之间作权衡。DAP-G 与 PolyFun 进一步引入功能注释先验，神经网络也可帮助构造功能性信息。这里要特别警惕循环评价：如果用某个功能模型的输出构建先验，再拿同一模型与同一数据判定定位“正确”，证据没有真正独立。

Figure 3b：峰在同一区域，不等于同一个因果变异

左右两组示意分别对应共享候选与不同候选。COLOC 考虑的核心不是“两个 P 值都显著”，而是在区域内比较若干假设：都不关联、仅其中一个关联、各有独立关联、共享关联。HyperCOLOC 与 CAFEH 将这类问题扩展到更多表型或更复杂结构。

一旦区域内不止一个信号，简单共定位假设可能不合适；一套祖源的 LD 去解释另一套祖源的数据也会造成偏差。共享遗传信号支持“这两种表型值得放在同一机制链条研究”，但仍不能区分表达介导疾病、同一变异分别影响两种表型，或其他未测量通路。

Figure 3c：遗传力富集回答的是类别，不是单个位点

分层 LD score regression 估计不同功能注释中的遗传力富集，MESC 则询问可由表达介导的遗传力比例。这些结果可以帮助选择相关组织、细胞或注释，但不能直接说某个具体峰就是致病增强子。不同注释之间的重叠、模型中的基线协变量和样本量，都影响富集估计；整类区域有富集，不意味着其中每个区域都有效。

Figure 3d：TWAS 是遗传预测表达的关联，不是药物实验

TWAS 先用 eQTL 队列训练表达预测器，再在 GWAS 队列中推断遗传决定的表达成分，最后检验这项预测表达与表型的关系。PrediXcan 与 FUSION 使用不同预测选择，但都不能把结果简单读成“把该基因表达下调，就能降低疾病风险”。相关的多个基因、LD 与水平多效性，都可能让 TWAS 命中并不直接介导疾病的基因。

原图 d 把 SNP 对分子表型与更高层表型的效应放在一起，强调两层遗传效应之间的关系；它不是对某个基因已经完成了干预验证。扩大训练队列、建模更多情境或非线性交互，可能改善预测，但因果解释仍需要额外假设与实验支持。

Table 1：按问题读工具，而不是按名字背工具

PDF 第 8 页 Table 1 列出 17 种工具。这里重新整理成问题导向的索引，完整名称保留，以便回到原始研究核对版本、输入要求与适用条件。表中用途不是软件安装教程，也不是统一性能排名。

不要被“Machine learning tools”的表名误导：其中许多方法属于经典统计或贝叶斯推断，并不是深度神经网络。综述把机器学习放在很广的模型拟合框架中。读者需要区分预测目的、特征选择目的、统计推断目的，不能把全部方法统一称作黑箱 AI。

Figure 4：上位性、多效性和因果，是三个问题

原图位于 PDF 第 11 页。实际面板 a 为上位性，b 为孟德尔随机化，c 为多效性。正文相关小节存在 b/c 引用与实际面板不一致，以下按原图视觉内容与图注说明，不沿用错位引用。

4a：非加性相互作用需要一个明确的检验尺度

原图按第二个位点基因型分组，比较第一个位点对分子表型的关系。如果斜率或效应模式随第二位点改变，就存在非加性问题。一个网络能够拟合弯曲关系，并不自动说明它发现了遗传上位性。必须说明对哪种表型尺度、相对什么加性基线、用什么检验及什么误差控制得出结论。

大规模位点组合检验会遇到稀少基因型组合、严重的多重检验和过拟合。mvMAPIT 利用多性状结构，基因网络或稀疏搜索可缩小空间，但这些也会引入新的结构假设。组合扰动实验可以帮助研究交互，可是多个转录因子改变同一基因产生的连锁后果，与直接的分子交互不是同一件事。

4b：孟德尔随机化的三项假设不能由高预测精度替代

原图 b 将遗传工具、分子暴露、疾病和未观察混杂放在一个关系图中。相关性要求工具与暴露有关；独立性要求工具与相关混杂独立；排他性要求工具不经其他路径影响结局。两样本 MR 把供体级暴露研究与另一队列的结局研究连接，但样本来源、祖源与工具质量仍需匹配。

所谓“用遗传当自然随机化”不等于所有遗传工具都像随机分组。弱工具、水平多效性、LD 中不同的功能变异，以及选择偏倚，都会威胁解释。综述提到用序列模型计算扰动作为工具的探索方向；这仍是模型条件下的推断，不能把模拟编辑写成真正测量的随机干预。

4c：一个 tag 位点影响多个表型，不等于真正生物多效性

Figure 4c 实际包含五种图式：一个真实变异直接影响两种表型；同一基因中不同真实变异被一个 tag 标记；第一种表型介导第二种；研究设计或误分类造成伪象；不同基因中的真实变异因强 LD 被同一 tag 标记。这些都可能看起来像“一个 SNP 关联两个表型”，但机制解释完全不同。

因此，多效性不能仅靠显著表型数量来界定。统计共定位与精细定位有助于缩小歧义，而介导关系需要因果假设，伪象需要设计与测量诊断。把原图五种情况都称作“调控网络”会让最需要区分的问题消失。

trans、大队列和单细胞：规模增长后，误差不会自动消失

trans 比 cis 难，不只是因为信号更少

综述列出四项关键困难：效应通常更小；RNA-seq 读段错配可制造远端关联；组织混合会让细胞组成与遗传关联纠缠；潜因子校正可能产生碰撞点偏差。GTEx 与 eQTLGen 的 cis/trans 检出量被用来说明这一差距，但两项研究样本量、组织和设计不同，不能把数字当作同条件下的工具对照。

文中引用 eQTLGen 的部分 trans 发现与全血细胞组成有关，说明细胞比例可成为重要中间现象或混杂来源。对于“分子内在调控”研究，必须区分每个细胞里的表达改变与不同细胞占比改变。两者都可能有生物意义，但结论不能混写。

GBAT 先利用 cis 预测表达，再寻找 trans 目标；ARCHIE 用稀疏典型相关结构聚合变异与远端基因。这些策略增加功效，是因为减少了有效问题维度并利用共享信息，而不是把大量相关基因都识别成独立证据。输出为潜在调控轴时，也应按轴来解释，不要事后夸成每一条边都已确证。

样本量越大，混杂也可能越稳定

eQTLGen 汇总 37 个队列、31,684 个个体；综述列举 UK Biobank 54,219 人血浆蛋白研究及 14,287 项关联。大样本能检出更小效应，覆盖更多 trans 或祖源相关现象，但异质平台、不同样本流程和祖源结构也会同时增加。

meta-analysis 通常先在各队列内部校正，再汇总结果，有利于处理研究间异质性；更统一的生物样本库可减少一部分差异，但不意味着不存在偏差。潜因子数应通过检出、校准和复现一起评估，不能照搬 GTEx 或 eQTLGen 的数字。“大样本显著”不等于效应大、有用或已经有机制解释。

单细胞 QTL 的核心是层级结构，不是把细胞数写进样本量

PDF 第 13–14 页把一个供体一个基因型、一个供体许多细胞的结构明确提出。pseudobulk 常按供体与细胞类型汇总，再利用 bulk 的模型；优点是稀疏程度降低，代价是忽略连续细胞状态和供体内丰富相关结构，也依赖不完美的细胞标签。

SURGE 与 scTBLDA 探索在没有预先细胞标签的情况下识别情境特异遗传效应，混合模型则尝试保留重复观察层级。它们的价值是更准确地表达生物结构，而不是使无标签分析天然更客观。潜在状态仍由数据学习，其含义、稳定性、供体覆盖与检验的选择效应都必须检查。

结论部分特别提醒 double dipping：先用同一数据聚类或挑选值得检验的情境，再把它们当成事先固定的问题做检验，会使统计量和错误率校准受到影响。供体级数据拆分、外部标签、独立验证或适当的选择后推断，是值得研究的解决方向。普通细胞随机拆分并不能阻止同一供体遗传信息同时进入训练与测试。

Box 3：DNA 语言模型与序列到功能模型，不是同一种任务

专栏位于 PDF 第 10 页。自监督 DNA 语言模型主要从序列中学习模式，没有直接以当前分子读出作为每个训练位置的监督标签；监督的 sequence-to-function，简称 S2F，则明确预测表达、开放度、覆盖轨迹或其他分子测量。两类方法可能共享网络结构，但学习目标、输入限制与验证方式不同。

综述举出 Evo2、HyenaDNA、DNABERT 类模型、GPN-MSA、GENA-LM、Nucleotide Transformer 等自监督方向，也举出 Basset、ExPecto、Xpresso、Enformer、ChromBPNet、Borzoi、AlphaGenome 等监督方向。这些名称在文中用作方法谱系，不是作者已完成的一次排名。模型版本及论文年份还应回到各自原始研究核对，不能只据综述引用的简称推断版本。

S2F 常比较参考与替代序列预测差值，将之用作变异效应预测。这个计算反事实给出的是模型对分子读出的预期，不是直接测得的细胞编辑效应。多任务模型可能覆盖较多读出，单任务模型可能更贴近特定实验细节；应用时的核心是目标情境是否在训练标签里、输出分辨率是否合适、序列窗口是否覆盖相关调控。

本综述同时保留了积极结果与失败证据：部分模型在某些变异任务中能预测方向或效应，但两个被引用的基准显示，参考基因组上训练的模型对个体间自然表达差异仍然困难。这是很重要的证据层级区别。预测“基因 A 通常比基因 B 表达高”，和预测“同一基因在个体甲比个体乙高多少”，不是同一个任务；前者好不能替代后者。

Figure 5：群体证据与序列模型怎样真正互补？

原图位于 PDF 第 14 页，无字母子图，是从 eQTL 区域候选、候选调控序列、神经网络到分子预测的整合流程。上图是原创框架，不复制原图布局和曲线。

这张图把两条路线放在一起：molQTL 借助个体间遗传差异和实测分子表型寻找候选，序列模型则对候选序列做功能预测。作者用的是可能促进定位的方向，而不是宣称一旦接上神经网络就完成了因果鉴定。

两类证据有三个关键差异。第一，群体 QTL 观察天然个体差异，而许多 RVEP 模型主要在单一参考基因组上训练。第二，序列模型常拥有少数细胞系里丰富而细致的功能标签，群体研究更常用能在许多供体组织测量的 RNA-seq 等数据。第三，前者偏重群体遗传与复杂性状的解释，后者更常优化分子调控的预测。它们是互补视角，不是只需把两个分数相加。

罕见变异、未测量细胞情境、超出 cis 窗口的调控和难以调用的复杂变异，是群体流程的弱点；序列模型可以给候选排序或功能先验，但也可能受到不适当训练情境、遗漏远端序列和个体化泛化失败的限制。模型分数应连同输出对象和训练范围一起报告，而不是仅写“高风险”。

我会把可行的整合研究划成四层：先在相关群体中确认统计信号；再用序列模型细化候选和机制假设；然后在未进入训练或先验的数据里测试方向、校准和跨情境泛化；最后用合适的独立功能证据检查关键候选。如果同一份 QTL 既用于微调、选择、构造先验，又用于最终效果验证，可能只是重复拟合了已知证据。

证据边界与原文细节核对

这篇综述没有报告一个自己的统一训练集、独立测试集或新架构的完整损失函数。它提供的是问题地图与方法选择框架。因此不能从中抽出一个模型名单就称作可直接复现的标准流水线，也不能将多篇研究的最好结果合并成一套“全面成功”的证据。

PDF 还存在值得标注的细节：第 15 页渲染出的发布日期是 2026 年 9 月 25 日，部分文本提取器会误取隐藏占位文本；Figure 4 的正文 b/c 引用存在错位；Figure 2 图中分组编号与图注等位剂量表述需区分；Figure 3 图注对 CTCF 的展开不宜照搬为标准基因名称，CTCF 通常指 CCCTC-binding factor。阅读者应对照视觉原文和标准命名，不让抽取误差或图注小问题传递成分析配置。

文末披露也应阅读：部分作者有企业任职、持股、顾问或共同创办关系。利益披露本身不否定文章，却提醒我们在评价应用前景时区分作者判断、文献证据与待验证方向。本解读未对该综述的方法实际运行 QTL、MR 或神经网络训练，也未生成任何真实样本分析结果。

读完以后怎样把它变成自己的学习框架

第一遍只追踪五个问题：变异影响哪个分子表型；独立样本是什么；效应在哪个情境；候选能定位到多细；疾病机制解释还缺什么。第二遍按 Figure 1–5 去核对数据结构、下游问题和因果假设。第三遍才沿 Table 1 回到适合自己问题的原始方法，而不是把综述中的全部软件安装一遍。

做阅读笔记时，可以给每种方法填六项：输入、输出、共享或稀疏假设、误差控制、训练/验证拆分、无法排除的解释。若最后一项写不出来，往往意味着我们把统计结果读得太强；若输入和输出只写“基因组数据”和“预测结果”，则还没有真正理解方法。

这篇文章最终留下的判断是：群体关联、序列预测、统计因果推断和功能实验是不同证据。机器学习最值得期待的地方，是帮助表达生物数据的结构、共享相关情境的信息、量化不确定性以及连接互补证据；而不是让一个非常精确的输出标签替代整条证据链。

来源与继续阅读

• 本文核心来源是用户提供的完整 PDF，以及论文 DOI 页面。所有主图位置、专栏和方法表均可按前述 PDF 页码核对。
• 精细定位原始方法入口：SuSiE 论文。阅读时重点核对单效应分解、可信集合以及多信号设置。
• 共定位原始方法入口：COLOC 论文。重点不是显著峰重叠，而是候选假设和先验条件。
• 个体表达泛化的反例：Sasse 等，2023、Huang 等，2023。两篇研究是本文所讨论证据边界的重要组成，不应只读模型的成功案例。

以上链接用于定位原始研究，不代表本次实际运行或独立复现了其算法。