华南农业大学动物科学学院教授张哲团队与丹麦奥胡斯大学教授房灵昭团队合作，成功研发出基于线性混合模型的高性能分子数量性状基因座（分子QTL）定位方法OmiGA（官网：https://omiga.bio/）。近日，相关成果在线发表于《自然-通讯》。

论文共同通讯作者张哲指出，该方法针对家养动物复杂亲缘关系群体的分子QTL定位难题实现突破，在运算效率、因果变异鉴定准确性上表现优异，全方位超越主流分析方法。

分子QTL定位是解析生物复杂性状与疾病遗传调控机制的核心手段。然而，现有工具多依赖简单线性模型，难以适配复杂亲缘关系分析场景，常面临假阳性偏高、统计效力不足的瓶颈。

针对上述科学难题，研究团队搭建了稳健的方法体系并开发了拥有自主知识产权的OmiGA工具。OmiGA功能体系完备，当前包含两大核心模块：一是分子QTL定位模块，支持顺式（cis）、反式（trans）及环境依赖效应分析，可精准解析加性、非加性遗传效应；二是高通量分子表型遗传力估计模块，能实现加性和非加性效应下，顺式、反式及全基因组层面的遗传力精准测算。

OmiGA兼具了超高速和高精准的核心优势。OmiGA在分子性状遗传力估计中的速度相较于GCTA、LDAK等主流工具最高提升1600余倍。OmiGA鉴定的顺式表达数量性状基因座（cis-eQTL）因果概率显著高于主流的tensorQTL；以瘦肉率性状与十二指肠TRIM52基因为例，OmiGA结果的共定位概率高达0.84，而tensorQTL仅为0.05，与模拟研究结果共同证明了OmiGA能更精准地鉴定出贴近真实的因果遗传变异。

OmiGA功能概览。研究团队供图

OmiGA突破了非加性分子QTL分析的盲区。现有工具大多仅能检测加性遗传效应，而OmiGA创新性地将显性模型全流程纳入分析框架。在人源淋巴母细胞系（MAGE LCL）数据中，OmiGA成功捕捉到常染色体显性多囊肾病相关基因PKD1的显性变异rs238683（P=3.08×10^-8），而加性模型在此完全失效。这一突破为解析非加性遗传调控效应机制提供了关键技术。

OmiGA的问世为多组学大队列数据的超快速遗传分析提供了核心方法支撑，将有力推动国际大科学计划FarmGTEx及农业生物复杂性状的遗传解析工作，为畜禽种业分子育种注入了全新的技术动力。

相关论文信息：https://doi.org/10.1038/s41467-026-68978-0