使用PWCOCO进行成对条件与共定位分析

PWCOCO算法集成了来自 GCTA-COJO和cococ R包的方法。官网：https://github.com/jwr-git/pwcoco。

Usage

PWCOCO_run(
  bfile = "G:/QTLMR_test/1kg.v3/EUR",
  sum_stats1 = "./data/atp1a4_test.exp.txt",
  sum_stats2 = "./data/atp1a4_test.out.txt",
  p_cutoff1 = 5e-08,
  p_cutoff2 = 5e-08,
  chr = 1,
  top_snp = 1e+10,
  ld_window = 1e+07,
  collinear = 0.9,
  maf = 0.1,
  freq_threshold = 0.2,
  init_h4 = 80,
  out_cond = TRUE,
  coloc_pp = c(1e-04, 1e-04, 1e-05),
  n1 = 6601,
  n2 = 115803,
  n1_case = NULL,
  n2_case = NULL,
  pve1 = NULL,
  pve2 = NULL,
  pve_file1 = NULL,
  pve_file2 = NULL,
  threads = 8,
  save_name = "pwcoco_out",
  save_path = "./pwcoco"
)

Arguments

bfile: 基因型数据的plink文件前缀路径。勿使用MAF>0.01版本，完整版下载地址：http://fileserve.mrcieu.ac.uk/ld/1kg.v3.tgz。
sum_stats1: 性状1 GWAS数据的文件路径，格式要求详见下面的details描述。若仅对单一区域分析，可使用'coloc_format_dat()'提取数据。
sum_stats2: 性状2 GWAS数据的文件路径，格式要求详见下面的details描述。若仅对单一区域分析，可使用'coloc_format_dat()'提取数据。
p_cutoff1: 性状1数据集的P值截断值，用于筛选显著的SNPs，默认为5e-8。
p_cutoff2: 性状2数据集的P值截断值，用于筛选显著的SNPs，默认为5e-8。
chr: 指定染色体编号，仅对参考基因型数据集中的该染色体上的SNPs进行分析。
top_snp: 最大允许选择的SNP数量，默认值为1e10，意味着不限制SNP数量。
ld_window: 连锁不平衡（LD）窗口大小，单位为kb。当SNPs之间的距离超过该阈值时，认为它们不在连锁不平衡中，默认值为1e7。
collinear: SNPs之间的共线性阈值，若两个SNP的相关系数超过该值，则认为它们是共线性SNP，默认值为0.9。
maf: 最低等位基因频率（MAF）阈值，用于过滤参考基因型数据集中的SNPs，默认值为0.1。
freq_threshold: 参考基因型数据集中，SNP在两个表型数据集中的频率差异超过该阈值时，排除该SNP，默认值为0.2。
init_h4: 初步共定位分析的H4值阈值。若初步分析的H4（即假设四种共定位模式的后验概率）达到该值，程序将提前停止，默认值为80（表示80%的概率）。设置为0时，程序将始终继续分析。
out_cond: 是否保存条件分析后的数据为文本文件。默认为TRUE，表示保存。
coloc_pp: 三个先验概率P值的向量，表示在共定位分析中假设的先验概率，默认为c(1e-4, 1e-4, 1e-5)。
n1: 性状1数据集的样本量大小，若sum_stats1数据已包含该列，可填写NULL。
n2: 性状2数据集的样本量大小，若sum_stats2数据已包含该列，可填写NULL。
n1_case: 性状1数据集中的病例数，若sum_stats1数据已包含该列或数据类型为连续型，可填写NULL。
n2_case: 性状2数据集中的病例数，若sum_stats2数据已包含该列或数据类型为连续型，可填写NULL。
pve1: 性状1数据集的表型方差解释（PVE）值，用于估算遗传预测的表型的方差贡献（如果适用），可填写NULL。
pve2: 性状2数据集的表型方差解释（PVE）值，用于估算遗传预测的表型的方差贡献（如果适用），可填写NULL。
pve_file1: 性状1数据集的PVE文件路径，用于指定表型方差解释的文件（如果适用），可填写NULL。
pve_file2: 性状2数据集的PVE文件路径，用于指定表型方差解释的文件（如果适用），可填写NULL。
threads: 可用的线程数，支持并行计算，默认值为8。
save_name: 结果文件的保存名称前缀，默认为"pwcoco_out"。
save_path: 结果文件保存路径，默认为"./pwcoco"。

Value

返回一个包含 共定位（colocalization）分析 结果的数据框（data frame），其中每一行对应一个 SNP 的共定位分析结果。主要包括以下列：

Dataset1: 第一个数据集（通常为 GWAS 数据）。
Dataset2: 第二个数据集（通常为 eQTL 或其他功能性基因组数据）。
SNP1: 数据集 1 中的 SNP。
SNP2: 数据集 2 中的 SNP（若为相同基因组区间，可能相同）。
nsnps: 参与共定位分析的 SNP 总数。
H0: 该区域无关联（无 GWAS 或 eQTL 信号）的后验概率（PP）。
H1: 仅 GWAS 具有信号的后验概率（PP）。
H2: 仅 eQTL 具有信号的后验概率（PP）。
H3: GWAS 和 eQTL 具有独立信号的后验概率（PP）。
H4: GWAS 和 eQTL 共享相同因果变异（causal variant） 的后验概率（PP）。
log_abf_all: 所有模型的对数 Bayes 因子（log_ABF）。

注意：

若数据未经条件化（unconditioned），SNP 列将显示 "unconditioned" 而非具体 SNP 名称。
程序默认输出 以 .coloc 结尾的文件，存储每次共定位分析的结果。
若运行两次并使用相同的输出文件名，结果 不会被覆盖，而是追加到已有文件中。

Details

输入sum_stats文件格式要求：表型文件不需要特定的文件格式，而是需要遵循以下结构：

SNP A1 A2 A1_freq beta se p n case

其中，各列的名称不重要，重要的是数据的顺序。具体来说，文件应包括以下列：

SNP：SNP的标识符。
A1：效应等位基因（通常是变异等位基因）。
A2：参考等位基因。
A1_freq：效应等位基因的频率。
beta：效应大小，表示SNP与表型的关联程度。
se：标准误差，表示效应大小估计的精确度。
p：P值，表示SNP与表型关联的统计显著性。
n：样本总数（可选），用于病例对照研究（case/control study）中的样本总数。
case：病例数（可选），用于病例对照研究中的病例数。

对于二分类数据，n和case列是可选的。包括这些列时，PWCoCo会将数据视为二分类数据数据（case/control data）进行共定位分析，而不是连续型数据（quantitative data），连续型数据只需要n列（样本总数）。这些列也可以通过命令行参数传递。

该分析基于 贝叶斯共定位（Bayesian colocalization） 方法，评估 GWAS 和功能性数据（如 eQTL、pQTL 或 mQTL）是否 共享相同的因果变异（causal variant）。

额外输出文件：

.included 文件：列出每个数据集中被纳入分析的 SNPs。
.cojo 文件：若 out_cond 选项设为 TRUE，程序将在 条件化分析（conditional analysis） 后，输出以下列：
- Chr: 染色体编号。
- SNP: SNP rsID。
- bp: 基因组坐标（碱基对位置）。
- refA: 参考等位基因（Reference Allele）。
- freq: 参考等位基因的频率。
- b: 估计的效应大小（Beta）。
- se: Beta 的标准误（Standard Error）。
- p: 原始数据集中的 P 值。
- n: 样本量（Sample Size）。
- freq_geno: 基因型频率。
- bC: 条件化分析后 的效应大小（Beta）。
- bC_se: 条件化分析后 的 Beta 标准误。
- pC: 条件化分析后 的 P 值。
- rs12345: 关联信号的 lead SNP，列中值为当前 SNP 与 lead SNP 之间的 LD（r²） 值。

文件命名规则：

.cojo 文件名中会包含 lead SNP 的 rsID，以便区分来自相同数据集的不同条件化结果。

共定位分析的意义：

若 H4 后验概率（PP.H4）接近 1，说明 GWAS 信号和功能性数据信号（eQTL/pQTL）可能来源于同一因果变异，提示该基因可能是潜在的致病基因。
若 H3 后验概率（PP.H3）较高，则表明 GWAS 信号和功能性信号可能来自不同的因果变异，可能存在独立的调控机制。