TWAS(fusion)

最近在看遗传数据与表达结合的东西,介绍一个经典的方法吧,fusion。

Gusev et al. “Integrative approaches for large-scale transcriptome-wide association studies” 2016 Nature Genetics

主要思想
许多基因变异通过调节基因表达影响复杂的性状,从而改变一个或多个蛋白质的表达水平。此方法就是在没有直接测量表达水平的个体中,来找出其表达与复杂性状显著相关的基因。
我们利用相对较小的一组参考个体,对其基因表达和SNPs进行了相关分析,从而从SNP基因型数据将表达的顺式遗传成分插补到更大的一组表现型个体中。然后,我们将输入的基因表达与性状相关联,进行全转录组关联研究(TWAS),并确定显著的表达-性状关联。用GWAS的summary数据。

  • Tutorial here.
    ————————————————————————————
    大概了解了主要思想后,我们就开始吧。

下载软件、解压:

wget https://github.com/gusevlab/fusion_twas/archive/master.zip
unzip master.zip
cd fusion_twas-master

下载1000 Genomes数据,是每条染色体分开的:

wget https://data.broadinstitute.org/alkesgroup/FUSION/LDREF.tar.bz2
tar xjvf LDREF.tar.bz2

下载工具,plink2R library

wget https://github.com/gabraham/plink2R/archive/master.zip
unzip master.zip

进入R,安装需要的包。

R
install.packages('optparse','RColorBrewer')
install.packages('plink2R-master/plink2R/',repos=NULL)

*tips:如果安装报错,就一个一个安,提示缺哪个包就安哪个。

如果用自己的数据计算weight,需要GCTA、plink2这些基础软件,还需要安装以下R包:

install.packages(c('glmnet','methods'))

*tips:如果在装methods报错,类似is a base package这个,说明这个包是基础包,library一下存在就可以啦。
——————————————————————————————
此示例为典型的TWAS分析,根据预先计算好的基因表达权重和疾病GWAS summary数据来估计每个基因与疾病的关系。
将使用PGC精神分裂症的gwas summary数据对GTEx全血数据进行TWAS。

wget https://data.broadinstitute.org/alkesgroup/FUSION/SUM/PGC2.SCZ.sumstats
mkdir WEIGHTS
cd WEIGHTS
wget https://data.broadinstitute.org/alkesgroup/FUSION/WGT/GTEx.Whole_Blood.tar.bz2
tar xjf GTEx.Whole_Blood.tar.bz2
输入文件一:GWAS summary statistics

格式:与计算LD score时格式相同。空格分隔,snp、A1、A2、z是必须的。示例文件长这样。snp必须是rs号,不是的自己转一下,因为后面要跟1000G匹配。


可以用LDSC munge_stats.py把gwas的格式转为我们需要的。
gwas结果全部输入进去,不要卡阈值。

输入文件二:Expression weights

就是我们之前下载的文件
./WEIGHTS/GTEx.Whole_Blood.pos

运行脚本
Rscript FUSION.assoc_test.R \
--sumstats PGC2.SCZ.sumstats \
--weights ./WEIGHTS/GTEx.Whole_Blood.pos \
--weights_dir ./WEIGHTS/ \
--ref_ld_chr ./LDREF/1000G.EUR. \
--chr 22 \
--out PGC2.SCZ.22.dat
结果

生成文件


后面的截不下了。看看下面各个表头的介绍吧。

好啦,最基本的fusion过程就完成啦~要根据自己的需要进一步分析的自己看manual吧!加油!
有时候看看博士毕业论文还是不错的。找到了这个有助于理解。
http://kreader.cnki.net/Kreader/CatalogViewPage.aspx?dbCode=cdmd&filename=1018176119.nh&tablename=CMFD201802&compose=&first=1&uid=WEEvREcwSlJHSldRa1FhdkJkVG1BdWs2aTA3Y2tBanlsR3VSUHZqNE8rRT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4IQMovwHtwkF4VYPoHbKxJw!!!

截了一小部分,有助于理解。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249

推荐阅读更多精彩内容