Agent Skills
返回列表
QTL–GWAS 共定位研究规划

QTL–GWAS 共定位研究规划

行业专业 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_c7479c7a/qtl-colocalization-study-planner。

技能介绍

要解决什么问题

把「某个疾病 GWAS 位点可能通过哪条分子机制起作用」落成可执行方案,往往卡在几件事上:位点层面的问题是否说清楚(是解释整个 locus、还是优先某个基因/蛋白/剪接事件)、GWAS 驱动信号与 QTL 驱动信号如何区分、共定位(shared signal) 与单纯的 locus overlap 不能混为一谈,以及 LD、祖源、坐标 build、汇总统计完整性如何对齐。本技能面向需要从疾病/性状/位点/基因优先化想法,走到结构化共定位研究设计的场景,而不是泛泛的 GWAS 综述、纯 MR 模板或整篇论文代写。

技能如何工作

你提供疾病或性状、目标 GWAS 位点、或「用 QTL 证据做候选基因排序」等输入;技能按固定八步推理:厘清位点级问题 → 从参考库选定主导研究模式 → 定义 GWAS/QTL 数据架构(组织、祖源、LD、全基因组 vs 靶向 locus)→ 设计 harmonization 与共定位策略(窗口、等位基因对齐、主方法框架)→ 写明候选优先化规则 → 仅在合理时挂载 fine-mapping、SMR、MR、sc-eQTL 等后续模块 → 定义证据阶梯与可声明边界 → 输出 Lite / Standard / Advanced / Publication+ 四档工作量并推荐主方案。

强制输出 A–L 结构:研究 framing、工作量表、推荐模式、分步 workflow(含数据集免责声明)、数据与 locus 定义、核心分析模块与方法理由、候选排序框架、验证与证据层级、偏倚与失败点、图表与交付物、文献与引用计划、最小可执行版本与升级路径。references/ 下的模块(study patterns、analysis modules、method library、validation hierarchy 等)在对应章节必须被调用,缺了则视为不完整。

适用边界

  • 在范围内:eQTL / pQTL / sQTL(及混合)与 GWAS 的 locus 整合、候选基因/蛋白/剪接事件优先化、在共定位基础上衔接 MR/SMR/功能注释。
  • 不在范围内:患者个体诊疗建议、无位点机制目标的纯 PRS、无 GWAS/QTL 汇总统计支撑的纯湿实验设计、与 locus 整合无关的 bulk 差异表达、离题请求。
  • 硬规则:不把共定位 posterior 当成效应基因或完整机制的「证明」;不默认血液 QTL 适配一切疾病;不把 eQTL、pQTL、sQTL 揉成同一种证据类型;祖源与 LD 参考不匹配、多位点独立信号、统计不全等须在偏倚审查中显式写出。

使用场景

  • 溃疡性结肠炎等免疫性状 GWAS 位点,需要用 eQTL 做共定位并排出候选效应基因时
  • 冠心病或动脉粥样硬化 GWAS 显著位点,要把血浆 pQTL 与疾病信号在同一 locus 上整合分析时
  • 肺癌或精神分裂症风险位点,计划引入组织或单细胞 eQTL、sQTL 并可选 fine-mapping 时
  • 药物靶点团队要把血液蛋白 pQTL 与自身免疫病 GWAS 做 coloc,并评估是否衔接 SMR 时

适合人员

  • 撰写基金或开题报告的遗传流行病学研究生,要把「某个 GWAS 位点怎么解释」写成含八步流程的研究设计
  • 实验室博士后负责 GWAS 功能跟进,需要明确 LD、祖源对齐与共定位方法选择的位点级分析方案
  • 生物信息分析员接到 PI 的 locus 列表,要产出 Lite/Standard 工作量档与数据集免责声明的工作流
  • 药企或转化医学组做靶点优先化,需区分 locus overlap 与 shared-signal 证据并规划 pQTL–GWAS 共定位