共定位分析Gwas-Gwas

1. 前言

Gwas-gwas共定位分析主要分为四步，我们以ieu-a-300 和 ieu-a-7 数据示例：

  • step1：数据预处理，转换成标准MR格式

  • step2：共定位区域选择，选择符合P值的基因数据，显著性最高的区域

  • step3：共定位gwas数据预处理，筛选选定的共定位区域数据

  • step4：共定位分析，提前判断数据类型，并提供相关数据进行分析

    • quant（数量性状）数据，只需要提供样本数据（SS）

    • cc（二分类性状）数据，需要提供样本数据（SS）和病例数（NC）

2. Gwas数据下载及预处理

在执行本地数据进行分析的时候，均需要按照标准数据准备流程进行预处理，参考：MR标准格式，用以下代码完成标准准备：

2.1 数据下载

2.2 数据预处理 

prepare_ieu(file_path = "ieu-a-300.vcf.gz", out_path="./") 
prepare_ieu(file_path = "ieu-a-7.vcf.gz",out_path="./")

3. 共定位区域选择

共定位区域选择，需要筛选符合p值范围的基因数据。最终取p值显著性高的区域进行共定位分析（此处选择其中一个示例）。

selectd_data <- coloc_select_region_gwas(file_path = "./ieu-a-300.txt",
                                         exp_p = 5e-08, 
                                         bfile = "./1kg.v3/EUR",
                                         up_num = 150000,
                                         down_num = 150000,
                                         out_path = "./")

# 读取共定位区域，选择top显著性相关的snp，并指定用于共定位研究的染色体区域
selectd_data <- selectd_data$chrompos

# 更加p值排序，选择显著性最高的
selectd_data <- selectd_data[order(selectd_data$pval.exposure,decreasing = F) ,]
chrompos <- selectd_data$chrompos[1]
print(chrompos)
# [1] "1:109664880-109964880"

可得出当前共定位区域为：1:109664880-109964880

4. 共定位Gwas数据预处理

根据区域筛选数据（标准mr文件），找到共同区域的数据，并输出共定位gwas标准文件。

即：标准mr文件 ---> 筛选区域 ---> 输出标准共定位文件

此处使用前文得到的共定位区域：1:109664880-109964880

# 共定位数据预处理
coloc_prepare_gwas(
  file_path = "./ieu-a-7.txt",
  chrompos = "1:109664880-109964880",
  out_path = "./",
  out_prefix = "gwas_coloc_7"
)

# ✔ 用于coloc分析的文件输出到: ./gwas_coloc_7_coloc_1-109664880-109964880.txt
#   chrompos  nrows               file_path
# 1 1:109664880-109964880   745 ./gwas_coloc_7_coloc_1-109664880-109964880.txt

coloc_prepare_gwas(
  file_path = "./ieu-a-300.txt",
  chrompos = "1:109664880-109964880",
  out_path = "./",
  out_prefix = "gwas_coloc_300"
)

# ✔ 用于coloc分析的文件输出到: ./gwas_coloc_300_coloc_1-109664880-109964880.txt
#    chrompos nrows               file_path
# 1 1:109664880-109964880   428 ./gwas_coloc_300_coloc_1-109664880-109964880.txt

由上可得到两个相同区域内数据的文件

  • gwas_coloc_7_coloc_1-109664880-109964880.txt

  • gwas_coloc_300_coloc_1-109664880-109964880.txt

5. 共定位分析

根据共定位预处理输出文件进行分析，根据样本类型，提供原始数据样本数据（SS）或病例数（NC）。相关数据内容，可以查询gwas数据来源。

例如：


coloc_analysis(
  gwas_path1 = "./gwas_coloc_300_coloc_1-109664880-109964880.txt",
  type1 = "quant",
  SS1 = 173082,
  NC1 = 0,
  gwas_path2 = "./gwas_coloc_7_coloc_1-109664880-109964880.txt",
  type2 = "cc",
  SS2 = 184305,
  NC2 = 60801,
  out_path = "./",
  out_prefix = "qtls-gwas"
)

# 可不执行coloc_susie分析
# coloc_analysis(
#   gwas_path1 = "./data_prepare/gwas_coloc_300_coloc_1-109772166-109872166.txt",
#   type1 = "quant",
#   SS1 = 173082,
#   NC1 = 0,
#   gwas_path2 = "./data_prepare/gwas_coloc_7_coloc_1-109772166-109872166.txt",
#   type2 = "cc",
#   SS2 = 184305,
#   NC2 = 60801,
#   run_coloc_susie = T,
#   bfile = "./data/1kg.v3/EUR",
#   out_path = "./result",
#   out_prefix = "qtls-gwas"
# )

上述示例得到以下几个文件：

  • gwas_coloc_300_coloc_1-109664880-109964880_plot.txt

  • gwas_coloc_7_coloc_1-109664880-109964880_plot.txt

  • qtls-gwas_gwas_gwas_coloc_abf_results.csv

  • qtls-gwas_gwas_gwas_coloc_abf_summary.csv

6. 结果解读

  • 以_plot结尾的文件，是用于coloc_plot_locuscompare 及 coloc_plot_stack_assoc 绘图数据

  • 以_summary结尾文件是统计结果，如果PP.H4.abf >0.95或按照自己需求适当放宽需求，那么认为此次分析有效。

  • 以_results结尾文件是最终选定的snp点，在_summary有效的情况下，_results文件中SNP.PP.H4越接近1，则此位置共定位点snp。

    https://zhuanlan.zhihu.com/p/392589375

    通常情况下，很多文献认为PPA>0.95的位点是共定位位点，也有一些文献会放松要求到0.75。