本篇文献发表在Nature Communications杂志。所发布内容旨在与大家分享学术新知，促进交流学习，版权归原作者或原出处所有，感谢各位学者的辛勤付出与研究成果。

1. 引言

在整个大脑中观察到神经活动的区域间同步。这些宏观动态活动模式形成了跨多个神经系统的不同功能活动网络，对健康的大脑功能、认知和行为至关重要。双胞胎和家庭研究表明，这些功能网络是可遗传的。此外，最近的大规模全基因组关联研究(GWAS)已经确定了构成这种遗传性的相关遗传位点。

几个基因在大尺度脑特性中发挥重要作用。默认模式网络——一个涉及认知、自我意识和心理化的重要脑网络——的活动与APOE基因相关，这是一个与长寿、脑萎缩和阿尔茨海默病相关的众所周知的遗传因素。基因GPR139、DACH1和APOE与脑萎缩的终身轨迹相关，并参与早期脑发育和神经退行性变相关的代谢过程。TOMM40、APOE和APOC1与脑网络的功能连接相关，表明遗传因素可能在整个大脑中具有广泛的影响。此外，遗传关联常常在神经精神和磁共振成像衍生特征之间共享，指向驱动这些表型变化的共同生物学过程，并表明遗传差异可能是功能连接异质性的基础。虽然先前的研究已经识别出与特定功能回路、静息态网络、独立功能连接成分和功能图论指标相关的位点，但这些研究通常空间分辨率有限，限制了对可能对脑健康至关重要的特定区域链接的理解。识别影响功能连接组大部分区域的遗传变异以及与不同生物学过程相关的特定脑区，对于塑造大尺度脑网络组织及其在疾病中破坏的核心生物学通路至关重要。

在此研究中，表征了人类功能性脑连接的全局遗传结构。在英国生物样本库队列的28,159名欧洲个体样本中，对82个脑区之间的3321对连接进行了大规模单变量全基因组关联研究。识别并描述了与脑中个体功能连接的遗传关联。然后，比较了跨不同功能脑连接的遗传信号，并量化了遗传效应在整个大脑中的程度。通过基因集和通路富集分析，绘制了特定位点-边和基因-边的关联，以探索脑回路异质性背后的假定生物学过程。总之，这项研究识别了与功能性脑连接相关的常见遗传变异和生物学通路，为遗传变异如何影响功能连接的个体差异提供了机制性见解。

2. 结果

常见遗传变异解释了人脑中功能连接强度的个体

此研究在24,442名受试者的发现样本中，对人脑所有脑连接之间的功能连接进行了3321次全基因组关联研究。这些包括82个脑区之间的成对功能连接：68个解剖学定义的皮层区域和14个皮层下核团。

基于单核苷酸多态性（SNP）的遗传力（h²_SNP）通过连锁不平衡评分回归（LDSC；方法）进行计算，以估计常见遗传变异（次要等位基因频率 > 1%）对所有功能性脑连接的全局影响。全部3321条边的中位h²_SNP估计值为3.63%，在1083条边（占总数的32.6%）中发现了名义上显著的效应，其中位h²_SNP为6.2%。遗传力最高的边（h²_SNP =19.9%，SE = 2.5%）连接左侧缘上回和左侧颞中回，这两个脑区参与语言加工（补充数据1；图1a）。边之间的中位表型相关为0.002（范围 = [-0.681; 0.953]）。皮层下边的遗传力估计值低于平均水平（平均皮层下h²_SNP = 1.9%），这可能是由于皮层下核团间功能连接的信噪比相对较低。这些结果表明，功能连接中一定程度的个体间差异可由常见遗传变异的个体间差异所解释。

进行子网络富集分析，以确定特定静息态网络（RSNs）内的脑连接是否比其它网络内或网络间的连接受到更强的遗传控制。为此，此研究将个体边的结果汇总到RSNs中。RSN的定义为：若一条边所连接的两个脑区均属于同一Yeo-Krienen七网络或皮层下网络，则将该皮层边分配至对应的RSN（补充方法）。为考虑同一网络内边之间较高的相关性，此研究构建了一个线性模型来汇总个体边的h²_SNP，并计算RSN的h²_SNP富集程度（方法）。在所有RSN（h²_SNP中位数范围 = [1.9; 6.9]%）中，腹侧注意网络的h²_SNP富集程度最高（h²_SNP中位数 = 6.9%；t(269) = 2.27，p = 0.01；表1；图1b），但未通过多重检验校正。

人类功能连接组内78个重复的位点-边关联

在发现样本中对3321条功能边进行了与功能连接相关的基因组位点识别，并在3708名受试者中进行了重复。在所有全基因组关联研究中，在发现样本中总共识别出208个显著的位点-边关联。其中，涉及27条不同边的78个单变量位点-边关联在保留样本中得到了重复。

在所有全基因组关联研究中，发现样本中共鉴定出208个显著的位点-边关联（双侧α_disc = 5×10⁻⁸/3321，为研究全范围显著性（SWS）；方法）。其中，78个涉及27条不同边的单变量位点-边关联在保留样本中得到了重复（双侧α_rep = 0.05/208；补充数据2）。

这78个SWS位点在基因组中跨边重叠或位置相近。发现样本中，在同一基因组区域重叠的位点-边关联被共定位。这表明这些位点中相同的假定因果变异导致了跨连接组多条边的个体间变异性。这些位点-边关联被聚合到4个非重叠的遗传位点。使用FLAMES进行效应基因预测，以优先确定与功能连接关联相关的基因。四个位点被定位到基因PAX8、EphA3、THBS1和APOE。APOE位点中的先导变异是rs429358，这是一个编码APOE基因外显子错义变异的SNP，是众所周知的阿尔茨海默病常见风险变异。PAX8位点与11条边在SWS水平上相关联，EphA3与15条边，THBS1与4条边，APOE与1条边。

为了评估测量可靠性如何影响结果，在具有重复测量的个体样本中计算了重测信度。与SWS位点相关的边显示出更高的可靠性（中位ICC=0.41，范围 = [0.20; 0.60]），高于所有边的集合（中位ICC=0.19；范围 = [0.0, 0.60]）。总体上，h²_SNP与边水平的重测信度相关（Spearman’s ρ =0.68），并且通过应用全局信号回归得到改善，这意味着测量噪声会差异性地影响检测相关遗传变异的效力（补充说明3）。因此，位点产出会随着样本量的增加而增加。

为了评估不同表型定义的影响，将结果与先前文献中使用英国生物样本库的功能连接全基因组关联研究进行了比较。使用基于独立成分分析的边定义的研究中，77%的全基因组显著发现也与此研究中的表型具有全基因组显著关联。使用RSN水平全基因组关联研究的遗传相关分析表明，给定网络内的边通常与该网络的整体信号在遗传上更相似，表明不同尺度功能连接分析的遗传结构趋同。

与功能连接相关的遗传位点对连接组具有广泛影响

接下来，研究了与功能连接相关的全基因组显著位点是否预期具有连接组范围或边特异性的效应。为此，检查了所有3321个表型中每个全基因组显著位点的显著性。使用一个位点跨所有边的显著性值来定义该位点的效应范围。四个重复位点的中位效应范围为全脑所有边的10%。PAX8、APOE、EphA3和THBS1位点分别估计影响全脑所有功能边的17%、11%、9%和3%。这些结果表明这些位点对整个大脑具有广泛的影响，表明这些位点的效应不太可能特异于它们被检测到的边。

鉴于与功能连接相关的基因显示出广泛的连接组影响，研究了与神经精神疾病相关的基因是否在功能连接中表现出比预期更大的效应范围。计算了先前与七种精神疾病相关的基因的预期效应范围。与神经性厌食症（p=0.03）、阿尔茨海默病（AD; p <1×10⁻⁴）和精神分裂症（p <1×10⁻⁴）相关的基因显示出显著更大的程度。阿尔茨海默病和精神分裂症的基因集在多重检验校正后仍保持显著（单侧 α=0.05/7 受试疾病; 补充图7; 补充数据6）。

功能连接与心血管、认知和代谢功能共享遗传基础

使用MAGMA进行全基因组基于基因的关联研究，目的是检验将SNP小效应聚合到基因内是否揭示新的关联。为每条边运行了GWGAS，以将个体SNP p值组合成一组18,852个蛋白编码基因的基因-边关联得分。GWGAS揭示了6个独特基因的关联，其中4个尚未在基于SNP的分析中识别出：EphA3、APOE、APOC1、ZIC4、ZIC1和SLC39A12。与EphA3和SLC39A12的基因-边关联在保留样本中得到重复。SLC39A12是一个先前未报道的功能连接基因，被发现与左右壳核之间的连接相关。该基因先前未在功能连接全基因组关联研究中报道，并且是GWGAS独有的，位于基于SNP测试中发现的四个位点之外。与基因优先化结果一起，五个基因被发现与功能连接存在SWS且可重复的关联：EphA3，同时有GWGAS和EGP；SLC39A12，仅有GWGAS；PAX8、THBS1和APOE，仅有EGP。

使用基因集富集分析(GSEA)来检验与功能连接相关的基因是否汇聚于特定的生物学过程和分子功能，使用FUMA中的GENE2FUNC进行超几何检验。分析了两个功能连接候选基因集：一个严格的基因集，包含5个具有SWS可重复关联的基因；一个广泛的基因集，包含322个在GWGAS中与至少一条边在GWS水平上相关的不同蛋白编码基因。严格的功能连接候选基因集富集了两种GO分子功能和九种GO生物学过程。接下来，使用广泛的候选基因集来探索更一般的表型关联，使用存在相当数量亚阈值信号的基因。虽然GWS基因形成了一个更大的基因集，但噪声更大。然而，与随机从基因组中抽取的相同大小和度分布的一组蛋白相比，广泛的基因集富集了蛋白-蛋白相互作用。GSEA显示有53个过程与FC显著相关。这些被分为10个不同的领域，即与心血管(9个过程)、认知(9个)、代谢(7个)、长寿(5个)、成像(5个)、饮酒(4个)、饮食(3个)、神经(3个)、胃肠(2个)和呼吸(2个)相关的领域。对于广泛的基因组，没有GO术语、组织或细胞类型或经过管理的基因组显著丰富。

接下来，此研究使用LDSC调查了功能连接是否与神经精神疾病诊断存在遗传相关。在所有边中，21条边显示出与精神分裂症的显著相关（双侧FDR校正α= 0.05，无关联达到Bonferroni显著性）。没有其他关联能通过多重检验校正（补充说明6；补充图11；补充数据10）。随着功能连接GWAS样本量的增加以及随之而来的更高统计效力和更好的h²_SNP估计，此研究预期会发现更多功能连接与神经精神疾病诊断之间的显著遗传关联。此研究使用孟德尔随机化（MR）来探究是否有证据表明功能连接与神经精神疾病之间存在因果关系。MR结果尚无定论；该分析没有足够的统计效力得出关于双向因果关系的结论（补充说明6），这强调了在评估因果联系时需要具有充足效力的样本和实验设计。

基因-边关联的功能解释指向功能连接组遗传控制中的神经发育和血管生成过程

最显著的位点-边关联与EphA3基因相关（最小p_locus = 2.2 × 10⁻²⁴）。该基因位于对人类基因变异最不耐受的前10%之列，意味着突变会导致下游生物学后果。EphA3编码的受体参与神经发育事件，如灵长类大脑的叶特异性轴突引导和皮层扩张。EphA3基因先前已在语言相关功能连接表型和结构连接的全基因组关联研究中被关联。此工作将该基因与结构连接的先前关联扩展到功能语言回路之外，显示了与功能连接的广泛关联。

最常见的遗传关联与染色体2上的PAX8基因相关（最小p_locus = 2.9 × 10⁻¹⁷，效应程度 = 所有边的17%）。这种主调控转录因子基因已与多种功能连接表型相关联，从图论度量到RSN以及英国生物样本库队列中的个体边。它与甲状腺功能亢进症有关，并在上皮细胞存活和增殖中发挥关键作用。遗传信号共定位在该基因相关所有边的一个单变异中，显示出高度局部的遗传影响。

发现APOE和THBS1基因驱动了功能连接对蛋白聚糖结合(富集p=3.57× 10⁻⁵)和蛋白-脂质复合物(富集p=2.0× 10⁻⁵)结合生物学过程的富集，这两者在AD的遗传病因学中都很重要。APOE基因编码载脂蛋白E，主要在大脑中的小胶质细胞和星形胶质细胞中合成，并在胆固醇代谢中发挥基础作用。它一直与长寿和心脏健康表型相关，这些表型在此研究中与功能连接存在遗传关联。THBS1是一个编码血小板反应蛋白-1的基因，这是一种存在于细胞外基质中的糖蛋白，参与出生后神经元迁移。发现了与血管生成相关的几个生物学过程的富集，这些富集由与这些基因的关联驱动。这些基因的终生表达模式不同：APOE在出生后直至成年晚期在大脑中高度表达，而THBS1的表达峰值则出现在围产期（补充图12和13）。APOE基因也特异性地与跨生命周期的脑形态变化相关联。此研究的发现表明功能连接在整个生命周期中受到多样化的遗传调节，包含神经发育和老年成分。

在SLC39A12与双侧壳核连接之间发现了一个全基因-边功能连接关联（最小p_gene = 2.7 × 10⁻¹¹；补充数据7）。该基因在星形胶质细胞和脉络丛中差异表达。它参与锌从细胞外空间跨细胞膜转运至细胞质的过程，与神经胚形成和神经突延伸过程有关，并已显示在精神分裂症中表达谱发生改变。SLC39A12此前已被关联到壳核以及其他皮层和皮层下脑区的解剖学改变（T1和T2*-成像）。这些变化被假设与衰老和病理过程中的铁沉积有关。该基因中预测的功能丧失罕见变异尚无其他与影像学或神经精神表型相关的报道。这些结果表明，SLC39A12可能构成了影像学和精神病学表型变异的基础。

3. 讨论

跨脑区的协调活动是认知和行为的基础。遗传变异解释了个体在这些大尺度神经动力学中的差异，并可以指向这种变异背后的生物学过程。在此，通过对功能性脑连接进行全基因组关联研究，研究了人类功能连接组的生物学基础。直接将遗传效应映射到大脑的特定区域，并量化其范围，从局部的回路水平关联到广泛的多效性影响。个体边水平的全基因组关联研究被映射和总结，使用基于基因的映射技术，并显示功能连接的遗传关联与生理和认知特征共享，将功能连接组置于大脑和身体健康之间的交叉点。

此研究采用了解剖学基础的边水平脑分区来研究功能连接的遗传学，使得能够以高解剖精度发现最强的遗传效应。这种分析水平使此研究能够在宏观连接组织的多个层面——个体边、模块和静息态网络——探讨遗传变异在功能连接个体差异中的作用。此研究中的每条边代表两个脑区之间的功能耦合，这不仅反映了两个脑区之间的局部相互作用，也反映了它们在大尺度和生理过程中的参与。与这一解释一致，发现最强的位点预期会影响许多边，而不是一个小的、高度特异性的子集，表明常见遗传变异对功能连接的影响是广泛且多效的。

家族研究和全基因组关联研究已报道静息态网络是可遗传的，但人类连接组所有功能连接的遗传力仍然未知。此研究发现人类功能连接组中超过30%的边具有显著遗传力，平均解释功能连接个体变异的6.5%。这一数字与使用可比方法发现的结构连接9.1%的遗传力相当。

四个基因——PAX8、EphA3、THBS1和APOE——特别突出。这些基因先前已被证明影响大尺度脑连接，EphA3在结构和功能连接中都发挥作用。这支持了磁共振成像衍生度量与神经精神特征之间存在高度多效性的观点。尽管已知它们与各种功能连接度量的遗传关联，但APOE、PAX8和THBS1在最近的大规模结构连接全基因组关联研究中并未与边水平结构连接相关联，表明这些基因可能特异性地影响功能连接。除了这四个基因，还发现了功能连接与SLC39A12的全基因关联。据所知，SLC39A12先前仅与脑体积特征相关联，而未与脑连接相关联。SLC39A12编码一个参与金属离子稳态的锌转运蛋白，已被证明在神经发育和突触功能中发挥作用。这一发现似乎特异于壳核，这与先前的文献一致。这表明不同的分子机制也可能具有局部效应。

对假定功能连接基因集的注释揭示了与心血管、认知和代谢表型的关联。心血管健康已被证明在表型和遗传水平上对功能连接的维持发挥重要作用。发现认知表型与功能连接在遗传上相关联，将功能连接的遗传因素与认知的遗传因素联系起来。先前针对精神分裂症和双相情感障碍特异性脑网络的全基因组关联研究表明，这些疾病中的连接组改变与Notch信号通路相关，该通路参与神经发育和血管形成等过程。这表明心血管健康和功能连接在支持健康认知中的作用，血管生成是这三个领域之间关系的假定机制。此外，代谢功能表型的富集，以及与APOE的关联，提示影响功能连接的遗传因素与阿尔茨海默病之间存在联系。特别是，功能连接与脑脊液p-Tau181-p:AB1-42比率、脑淀粉样蛋白沉积阳性、载脂蛋白A1水平和扣带回皮层淀粉样蛋白β负荷之间的遗传关联指向了阿尔茨海默病病理生理学中的重要过程。这些发现强调了脑连接与来自几个表型领域的特征之间存在广泛的多效性，表明认知、功能性脑连接和身体健康在遗传水平上存在相互作用。

在解释其发现时，此研究存在需要考虑的局限性。首先，大规模单变量方法带来了大量的多重检验负担，这降低了统计效力并可能增加假阴性率。因此，像此研究这样进行的研究设计更适用于检测多效性遗传效应，因为影响更多连接的遗传变异将有更高的概率在至少一条边中被识别。这在此研究的背景下值得注意，因为不同的信噪比意味着检测每条边上遗传效应的效力不同，正如具有研究水平显著关联的边具有更高的重测信度所显示的那样。因此，位点产出和SNP遗传力估计应在当前统计效力水平和检测全脑遗传效应的敏感性的背景下进行解释。特别地，每个发现的特异性应谨慎解释，因为研究水平显著的位点被证明预期对大脑有广泛影响。接下来，使用单一欧洲老年人队列可能限制了研究发现的普适性，特别是考虑到使用UKB作为研究队列的影像遗传学广泛文献。在具有不同人口统计学特征的样本中重复研究可能阐明遗传变异在生命周期中的效应以及与相关临床结果的关联。在英国生物样本库之外的队列研究和实验设计设置对于进一步评估功能连接遗传基础与神经精神障碍之间联系的有效性及其作为临床生物标志物的实用性至关重要。第三，尽管比较了提取功能连接的不同方法，但此研究尚未检查图谱选择或动态连接度量的影响。静息态fMRI可能对运动、唤醒、生理噪声和预处理选择敏感。然而，这些主要会对功能连接产生瞬时状态效应，并降低检测遗传关联的统计效力。在此，发现了一组生物学上连接的基因，与身体和认知领域的表型存在关联，突显了大尺度脑连接的特质性质。未来研究其他功能连接度量（如动态功能连接）的工作可能进一步深入了解功能连接的状态依赖成分，并促进研究基因如何与环境因素相互作用。最后，严格候选基因集的小规模使得基因集富集分析容易受到偶然效应的影响。应谨慎解释所突显的生物学过程的统计显著性。然而，广泛的基因集富集分析显示趋同性，这支持了对结果的解释。

在这项工作中，将人类功能连接组的遗传基础置于与身体和神经认知特征的关系中。此研究的发现表明，脑连接与身体和认知领域的表型共享共同的遗传基础，将跨功能脑连接的多效性扩展到身体和认知健康的其他维度。

4. 方法

研究队列

此研究使用了来自英国生物样本库（UKB）的遗传和神经影像数据，该样本库是一个大规模队列，包含来自英国基于人群的老年样本的志愿者参与者的神经影像、基因分型、临床、人口统计学和行为数据。英国生物样本库计划已获得国家研究伦理服务委员会的批准，数据在申请号16406下被访问。共有40,682名受试者提供了联合神经影像和基因型数据。其中，5000名受试者在任何分析之前被随机分配到一个保留样本用于重复目的。排除了具有性别非整倍体、报告性别与染色体性别不一致、高度亲缘关系和非欧洲的个体。质量控制后，发现样本中总共24,451名受试者和保留样本中的3708名受试者被纳入分析。纳入参与者的中位年龄为64岁，9.4%的受试者为左利手。排除的详细概述以及发现样本和保留样本的人口学特征完整描述在补充说明1中。

神经影像和基因型数据预处理

此研究使用了英国生物样本库（UK Biobank）的填补基因分型SNP阵列数据（基于GRCh37版本）。由英国生物样本库团队进行的填补和质量控制的详细描述见其他地方。经过额外的内部基因组质量控制（补充方法）后，共有9,380,668个高质量SNP在0.97的确定阈值下被硬判。神经影像数据的采集和预处理方案在英国生物样本库脑影像文档中有描述。使用静息态功能磁共振成像（rs-fMRI），配合T1表面模型文件和FreeSurfer（v6.0）的结构分割。功能连接使用CATO（连接分析工具箱；v3.1.6）进行计算。共配准通过将受试者所有时间点的rs-fMRI平均值与T1图像对齐来完成。随后，使用FreeSurfer根据Desikan-Killiany图谱对皮层表面进行基于表面的皮层分区，皮层下体积则自动分割为T1图像中的aseg图谱。这产生了包含总共82个脑区的全脑分区（68个皮层 + 14个皮层下）。运动指标及其一阶漂移和线性趋势，以及脑脊液和白质中体素的平均信号，均从rs-fMRI信号中回归去除。应用了全局信号回归（去除全脑平均BOLD信号以减少全局噪声）。对时间序列应用了零滞后带通滤波（[0.01–0.1] Hz频带）和运动清洗：丢弃具有两个以上违例的帧及其最近的后向相邻帧（最大帧间位移 = 0.25，最大DVARS = 1.5）。

表型重建

通过计算82个分区脑区中每个脑区平均预处理时间序列之间的成对皮尔逊相关，构建了功能连接矩阵。平均头动参数、信噪比或T1加权与功能磁共振成像扫描之间差异偏离中位数超过五倍中位绝对偏差的受试者被排除在分析之外。

跨所有受试者的功能连接矩阵的每个单独元素被用作基于SNP的全基因组关联研究的表型。表型在受试者间进行了标准化，并对总颅内体积进行了残差化。

基于SNP的全基因组关联研究

使用PLINK2.0进行功能连接相关常见遗传变异的鉴定。对8,790,386个填补和基因分型的SNP，在3321条基于SNP的单边连接组数据上进行了全基因组关联分析。该分析基于独立（连锁不平衡阈值r² > 0.1）、常见（UKB MAF > 0.01）的基因分型SNP或填补质量极高的SNP（INFO > 0.9）。前20个主成分（使用FlashPCA2提取；补充方法）与性别、年龄、利手、基因分型芯片以及fMRI特定协变量（扫描站点、回波时间、检查床坐标、线圈位置、信噪比、平均头动、强度缩放参数和帧间位移）一起作为所有GWAS的协变量。协变量均进行了标准化。

SNP遗传力估计

使用LDSC估计了每条边全基因组关联研究的基于SNP的遗传力。包含了HAPMAP3参考面板中的SNP，留下1,137,297个SNP用于分析。遗传力的显著性水平定义为 a_heritability= 0.05。此外，设置了 (λ > 1.02) 的截断值以确定哪些表型具有足够的多基因信号来运行LDSC，以及LDSC截距用于控制来自人群分层的混杂。

使用具有残差固定方差-协方差结构的线性回归模型来确定七个Yeo-Krienen RSNs中的任何一个是否富集了h²_SNP。遗传协方差矩阵通过计算分配给发现样本的所有个体每条边之间的边相关性来估计。显著性水平设置为 (a_enrichment= 0.05 / 8) 以校正七个RSN和皮层下网络的多重检验。

基因组风险位点的定义和效应范围

使用PLINK1.9中实现的基于连锁不平衡的结果聚类程序，对与每个功能连接性状相关的独立基因组位点进行鉴定。在发现样本中，独立的全基因组显著（GWS）SNP定义为每个性状p < 5×10⁻⁸。应用额外的多重检验校正以考虑性状数量：若SNP在p < 5×10⁻⁸/3321水平上关联，则视为研究全范围显著（SWS）。此分析使用来自10,000名无关UKB个体的LD参考面板。随后，此研究将每个独立显著SNP周围250kb范围内、与其处于连锁不平衡（LD阈值r² > 0.9）且p < 0.01的所有变异聚类在一起。最显著的SNP（即p值最低）被称为该位点的“前导SNP”。一个位点-边关联是指每个[边；前导SNP]对，其中前导SNP被发现与该功能连接全基因组显著相关。仅SWS位点被映射到基因上。

在GWS水平上共发现1490个位点-边关联（864个独特的前导SNP），并在所有脑连接中进一步评估这些位点在整个大脑中的效应程度。对于这864个位点中的每一个，使用MAGMA v1.10中的SNP均值模型合并所有SNP的p值，从而为每条边生成每个位点的一个p值。对这些p值按边进行Benjamini-Hochberg FDR校正，以校正性状数量（3321），以量化每个位点预期与多少性状相关。FDR显著测试数与总测试数之间的比值称为该位点的效应程度。研究了该指标中显著边之间性状依赖性和p值阈值化的影响，发现该指标对此具有稳健性（补充方法）。

全基因组基因关联研究

使用GWGAS检测功能连接组中的全基因-边关联。基因-边关联指的是每个[边；基因]对，其中该基因被发现与相应功能边存在SWS关联。使用每个基于SNP的全基因组关联研究汇总统计量在MAGMA中进行GWGAS。使用来自样本的10,000个个体的参考，将SNP均值模型应用于汇总统计量，以测试18,852个蛋白编码基因内所有SNP与每个特征的联合关联。使用多重检验校正显著性阈值 (a_gene,disc = 0.05 / (18,852×3321))。

重复

在3708个个体的保留样本中进行了发现的位点-边和基因-边关联的重复。如果某个位点对于某条边的先导SNP满足以下条件，则认为该位点-边关联被重复：(i) 在发现和重复样本中效应方向一致，(ii) 在重复样本中与MAF >0.01的SNP存在LD
(r² >0.9)或本身是此类SNP，并且 (iii) 在 (a_SNP,rep = 0.05 / 208) 水平上Bonferroni显著。如果某个基因对于某条边在重复样本中满足 (a_gene._rep=0.05 / 6) 的Bonferroni显著性，则认为该基因-边关联被重复。

基因优先化和功能注释

如果两个不同GWAS的前导SNPs于250K碱基对，则认为这两个位点重叠。这些位点通过使用coloc（v5.2.2；补充说明4，补充数据3）对不同GWAS进行共定位来验证。使用LDStore2（v2.0）估计由每个发现GWAS中所有个体组成的LD参考面板。所得的LD参考面板用于通过FINEMAP（v1.4.1）对每个重叠位点进行精细定位，每个位点最多10个因果变异的阈值。每个可信集的效应基因预测（EGP）使用FLAMES（精细定位位点效应基因评估模型；v1.0.0）进行，在可信集质心两侧各750kb窗口内预测编码基因。使用作者提供的通路朴素特征集（数据可获取性）计算了MAGMA的多基因优先评分（PoPS；v0.2）。FLAMES评分高于0.05的预测被保留用于后续分析。

使用FUMA（功能映射与注释全基因组关联研究）中的GENE2FUNC工具，对基于单变量基因检测得到的基因集的通路收敛性进行了研究。GENE2FUNC通过超几何检验来检测感兴趣的基因是否在任何预定义的基因集中过度表达。分别测试了一个包含所有GWGAS + EGP关联的广泛基因集（322个基因）和已复制基因的基因集（1 + 4个基因）。富集检验以所有蛋白质编码基因为背景进行。对来自基因本体分子功能、细胞组分和生物学过程的基因集，以及来自MSigDB（基因集类别C2和C5；v7.0）和GWAS目录中所有基因集，计算了通路特异性富集。仅考虑至少包含两个此研究输入基因的基因集。对每个基因集类别，采用Benjamini-Hochberg多重检验校正，用于超几何基因集富集检验和组织差异表达分析。

参考文献：Maciel, B. A., Schipper, M., Romero, C., de Leeuw, C., Helwegen, K., Posthuma, D., Savage, J. E., & van den Heuvel, M. P. (2026). The genetic landscape of human functional brain connectivity. Nature communications, 17(1), 3120. https://doi.org/10.1038/s41467-026-69442-9