Summary Genome-wide association studies have identified thousands of genetic variants that are associated with complex traits. Many complex traits are shown to share genetic etiology. Although various genetic correlation measures and their estimators have been developed, rigorous statistical analysis of their properties, including their robustness to model assumptions, is still lacking. We develop a method of moments estimator of genetic correlation between two traits in the framework of high-dimensional linear models. We show that the genetic correlation defined based on the regression coefficients and the linkage disequilibrium matrix can be decomposed into both the pleiotropic effects and correlations due to linkage disequilibrium between the causal loci of the two traits. The proposed estimator can be computed from summary association statistics when the raw genotype data are not available. Theoretical properties of the estimator in terms of consistency and asymptotic normality are provided. The proposed estimator is closely related to the estimator from the linkage disequilibrium score regression. However, our analysis reveals that the linkage disequilibrium score regression method does not make full use of the linkage disequilibrium information, and its jackknife variance estimate can be biased when the model assumptions are violated. Simulations and real data analysis results show that the proposed estimator is more robust and has better interpretability than the linkage disequilibrium score regression method under different genetic architectures.

中文翻译：

---

用汇总关联统计估计遗传相关性

摘要 全基因组关联研究已经确定了数以千计的与复杂性状相关的遗传变异。许多复杂的性状被证明具有共同的遗传病因。尽管已经开发了各种遗传相关测量及其估计器，但仍然缺乏对其特性的严格统计分析，包括它们对模型假设的稳健性。我们在高维线性模型的框架内开发了一种矩估计两个性状之间遗传相关性的方法。我们表明，基于回归系数和连锁不平衡矩阵定义的遗传相关性可以分解为多效效应和由于两个性状的因果基因座之间的连锁不平衡而产生的相关性。当原始基因型数据不可用时，可以从汇总关联统计中计算建议的估计量。提供了估计量在一致性和渐近正态性方面的理论性质。所提出的估计量与来自连锁不平衡评分回归的估计量密切相关。然而，我们的分析表明，连锁不平衡评分回归方法没有充分利用连锁不平衡信息，当违反模型假设时，其折刀方差估计可能会出现偏差。模拟和实际数据分析结果表明，在不同遗传架构下，所提出的估计器比连锁不平衡评分回归方法更稳健，具有更好的可解释性。提供了估计量在一致性和渐近正态性方面的理论性质。所提出的估计量与来自连锁不平衡评分回归的估计量密切相关。然而，我们的分析表明，连锁不平衡评分回归方法没有充分利用连锁不平衡信息，当违反模型假设时，其折刀方差估计可能会出现偏差。模拟和实际数据分析结果表明，在不同遗传架构下，所提出的估计器比连锁不平衡评分回归方法更稳健，具有更好的可解释性。提供了估计量在一致性和渐近正态性方面的理论性质。所提出的估计量与来自连锁不平衡评分回归的估计量密切相关。然而，我们的分析表明，连锁不平衡评分回归方法没有充分利用连锁不平衡信息，当违反模型假设时，其折刀方差估计可能会出现偏差。模拟和实际数据分析结果表明，在不同遗传架构下，所提出的估计器比连锁不平衡评分回归方法更稳健，具有更好的可解释性。所提出的估计量与来自连锁不平衡评分回归的估计量密切相关。然而，我们的分析表明，连锁不平衡评分回归方法没有充分利用连锁不平衡信息，当违反模型假设时，其折刀方差估计可能会出现偏差。模拟和实际数据分析结果表明，在不同遗传架构下，所提出的估计器比连锁不平衡评分回归方法更稳健，具有更好的可解释性。所提出的估计量与来自连锁不平衡评分回归的估计量密切相关。然而，我们的分析表明，连锁不平衡评分回归方法没有充分利用连锁不平衡信息，当违反模型假设时，其折刀方差估计可能会出现偏差。模拟和实际数据分析结果表明，在不同遗传架构下，所提出的估计器比连锁不平衡评分回归方法更稳健，具有更好的可解释性。