GCTA-COJO: multi-SNP-based conditional & joint association analysis using GWAS summary data
本文内容:
背景介绍
GCTA-COJO使用方法
参考样本的选择
参考
背景介绍:
通常情况下GWAS或是meta分析检验的是基于单个SNP模型的相关,所估计的效应量为被检验SNP的边际效应,但相比于多SNP模型的联合效应,单个SNP模型的边际效应并没有考虑该SNP与周围SNP的LD。
这会带来两个问题:
- 如果两个SNP成负相关,那么这两个SNP的效应都会被减弱。
- 如果两个SNP都达到了显著的阈值,事后很难通过LD来确定这两个SNP的相关的程度。
如果我们有原始样本层面的基因型,以及单SNP检验后的概括性数据,就可以在没有表型数据的情况下,将边缘效应转化为联合效应。
但一般情况下,对于一个包含很多队列的meta分析,我们无法获取个体的基因型数据,所以不能计算X′X(转化为联合效应时必须的步骤),但X′X本质上是一个SNP基因型的协方差矩阵,我们可以通过1.meta-analysis的基因型频率,与2.从可以获得基因型的参考样本计算而得的SNP之间的LD,来进行估计。这样的基于meta分析的基因频率与参考队列的LD的估计过程也可以用在相应的条件分析之中。(详细推导过程见原文)

使用方法:
COJO内置于GCTA软件中:
输入文件为
- 来自meta分析的概括性数据 summary-level statistics from a meta-analysis GWAS
- 参考样本的基因组文件 plink格式
-cojo-file [test.ma](<http://test.ma/>)
用于指定概括性数据:
概括性数据输入文件格式如下所示,
SNP A1 A2 freq b se p N
rs1001 A G 0.8493 0.0024 0.0055 0.6653 129850
rs1002 C G 0.0306 0.0034 0.0115 0.7659 129799
rs1003 A C 0.5128 0.0045 0.0038 0.2319 129830
...
需要包含,各列需要按次顺序排列,列名则没有要求
1.SNP的ID,
2.效应等位A1, #注意 A1,A2不能颠倒
3.参考等位A2,
4.效应等位的频率, #也就是A1的频率
5.效应的大小,
6.标准差,
7.p值,
8.以及样本大小
注意
1.对于病例对照研究,效应大小应当是 log(odds ratio),以及其相对应的标准差。
- 即使你的研究对象只是一部分SNP,在准备输入文件时,也要准备所有SNP的概括性数据,主要原因是GCTA-COJO需要所有SNP的概括性数据来计算表型方差。可以使用
--extract
选项来限制COJO分析的区域。
COJO分析中可用的选项:
--cojo-slct
通过逐步法筛选出独立关联的SNP。结果将保存在*.jma文件中,还会有一个额外的文件*.jma.ldr保存SNP两两间的LD。
--cojo-top-SNPs 10
通过逐步法筛选出指定数量的独立关联的SNP,不设P值得阈值,找到指定数量的SNP为止。输出文件同--cojo-slct
--cojo-joint
不进行模型筛选,直接估计所有纳入的SNP的联合效应。输出文件同上。
--cojo-cond cond.snplist
校正给定列表中的SNP后进行关联分析。结果将保存在*.cma文件中。
其中cond.snplist的格式如下所示:
rs1001
rs1002
...
--cojo-p 5e-8
基因组范围显著的阈值,默认为 5e-8 。当使用–cojo-slct时,该选项才有效。
-cojo-wind 10000
当两个SNP的距离超过指定值时,认为其为连锁平衡的。默认值为10000 Kb (i.e. 10 Mb)
-cojo-collinear 0.9
模型选择时,程序会检查SNP之间的共线性问题,如果某一SNP在回归中的R2大于阈值,那么该SNP将不会被选择。默认值为0.9 。
-diff-freq 0.2
检查GWAS概括性数据中频率与参考样本中频率的差值,差值过大的SNP会被去除。默认值为0.2.
-cojo-gc
选择后p值会进行基因组控制。 e.g. –cojo-gc 1.05.
COJO分析的使用例:
# Select multiple associated SNPs through a stepwise selection procedure
gcta64 --bfile test --chr 1 --maf 0.01 --cojo-file test.ma --cojo-slct --out test_chr1
# Select a fixed number of of top associated SNPs through a stepwise selection procedure
gcta64 --bfile test --chr 1 --maf 0.01 --cojo-file test.ma --cojo-top-SNPs 10 --out test_chr1
# Estimate the joint effects of a subset of SNPs (given in the file test.snplist) without model selection
gcta64 --bfile test --chr 1 --extract test.snplist --cojo-file test.ma --cojo-joint --out test_chr1
# Perform single-SNP association analyses conditional on a set of SNPs (given in the file cond.snplist) without model selection
gcta64 --bfile test --chr 1 --maf 0.01 --cojo-file test.ma --cojo-cond cond.snplist --out test_chr1
输出文件格式
结尾为.jma的文件 (使用-cojo-slct 或 –cojo-joint时的输出)
Chr SNP bp freq refA b se p n freq_geno bJ bJ_se pJ LD_r
1 rs2001 172585028 0.6105 A 0.0377 0.0042 6.38e-19 121056 0.614 0.0379 0.0042 1.74e-19 -0.345
1 rs2002 174763990 0.4294 C 0.0287 0.0041 3.65e-12 124061 0.418 0.0289 0.0041 1.58e-12 0.012
1 rs2003 196696685 0.5863 T 0.0237 0.0042 1.38e-08 116314 0.589 0.0237 0.0042 1.67e-08 0.0
...
输出文件的列依次是染色体号,SNP ID,位置,效应等位的频率,效应量大小,标准差,原始P值,估计的有效样本量,参考样本中的频率,joint analysis中该SNP的效应量大小,标准差,P值,以及列表中第i个SNP与第i+1个SNP的LD。
LD矩阵(使用-cojo-slct 或 –cojo-joint时的输出)
存储于后缀为jma.ldr的文件中
SNP rs2001 rs2002 rs2003 ...
rs2001 1 0.0525 -0.0672 ...
rs2002 0.0525 1 0.0045 ...
rs2003 -0.0672 0.0045 1 ...
...
结尾为.cma的文件 (使用–cojo-cond选项会生成)
Chr SNP bp freq refA b se p n freq_geno bC bC_se pC
1 rs2001 172585028 0.6105 A 0.0377 0.0042 6.38e-19 121056 0.614 0.0379 0.0042 1.74e-19
1 rs2002 174763990 0.4294 C 0.0287 0.0041 3.65e-12 124061 0.418 0.0289 0.0041 1.58e-12
1 rs2003 196696685 0.5863 T 0.0237 0.0042 1.38e-08 116314 0.589 0.0237 0.0042 1.67e-08
...
GCTA-COJO 分析中参考样本的选择(重要!)
- 如果你的概括性数据来自单一的GWAS,那么最好的参考样本就是这个GWAS中的样本。
- 当概括性数据来自Meta分析,个体的基因型无法获取时,可以使用一个样本量较大队列的数据。例如,Wood et al. 2014 Nat Genet 使用了ARIC cohort (data available from dbGaP)
- 建议使用样本量大于4000的参考样本
- 不建议使用 HapMap 或 1000G 的参考样本,因为其样本量太小。
实际使用中可以使用填补后的基因型数据来估计LD,例如可以从BBJ中随机抽取20000个无关联的个体,提取其填补后的基因型作为EAS群体的参考面板。
参考:
Conditional and joint analysis method: Yang et al. (2012) Conditional and joint multiple-SNP analysis of GWAS summary statistics identifies additional variants influencing complex traits. Nat Genet 44(4):369-375. [PubMed ID: 22426310]
GCTA software: Yang J, Lee SH, Goddard ME and Visscher PM. GCTA: a tool for Genome-wide Complex Trait Analysis. Am J Hum Genet. 2011 Jan 88(1): 76-82. [PubMed ID: 21167468]