随着全基因组关联研究（GWAS）和基因表达参考面板的整合，转录组全关联研究（TWAS）已成为识别与复杂性状相关遗传预测表达基因的重要工具。然而，现有TWAS方法多聚焦于单个基因的检验，缺乏统一的生物学通路框架，这阻碍了对潜在生物学机制的深入解析。。

4月30日，来自山东大学的季加东教授应邀莅临上海交通大学医学院临床医学研究院并做了题为“Statistical Inference Method for Pathway Enrichment Tests in Transcriptome-Wide Association Analysis”的报告。季教授在生物统计、统计遗传学、多组学数据整合分析等交叉学科研究领域具有丰富经验，针对这一瓶颈，他带领团队提出了一种新方法。

季教授团队创新型提出新型多变量TWAS方法——PATTERN（Pathway Analysis for TWAS Employing Variance Components），可直接识别与复杂性状相关的通路。该方法将TWAS的两阶段线性模型转化为方差分量模型，整合通路信息，并采用柯西P值聚合策略实现通路水平的显著性检验。通过考虑通路内基因的共享效应，PATTERN在控制第I类错误率的同时保持较高的统计功效。研究团队进一步将PATTERN应用于英国生物银行中的八种性状，进行了通路富集分析。结果显示，相较于传统TWAS结合ORA或GSEA的通路分析方法，PATTERN识别出的通路数量显著更多。其中部分通路与传统方法结果虽存在重叠现象，但其检验结果显著高于传统方法所识别的通路。此外，PATTERN还发现了许多传统方法无法检测到的通路信号，这些信号已被后续文献证实与性状表达密切相关，充分验证了该方法的高效性与可靠性。

季教授的精彩报告引起了在场师生和线上参会者的热烈讨论。大家围绕TWAS方法的应用、实际数据分析中的注意事项等问题进行了深入交流。