LDSC分析实战

通过对单个表型的GWAS分析结果进行连锁不平衡回归分析，可以鉴定是否存在混淆因素，同时估计遗传力的大小；对于多个不同表型的GWAS分析结果进行分析，则可以计算表型间的遗传相似度。

通过​​ldsc​​这款软件，可以方便地进行LDSC分析，源代码保存在github上，网址如下

​​https://github.com/bulik/ldsc​​

采用了​​conda​​来确保软件独立的安装环境，安装过程如下

git clone https://github.com/bulik/ldsc.git
cd ldsc
conda env create --file environment.yml
source activate ldsc

通过官网的​​wiki​​, 可以快速的掌握其用法，基本用法如下

1.  计算ld score

根据原始的分型结果，计算LD score, 输入数据为plink的二进制格式，代码如下

python ldsc.py --bfile 22 --l2 --ld-wind-cm 1 --out 22

​​bfile​​​参数指定输入的plink二进制文件，​​l2​​​参数表示计算LD score值，​​ld-wind-cm​​​参数指定计算LD的窗口大小，单位为1cM, ​​out​​参数指定输出文件的前缀。

运行成功后，LD score值保存在后缀为​​l2.ldscore.gz​​的文件中, 内容如下

记录了每一个SNP位点的LD score值。值得注意的是，在计算LD score值时，每条染色体要分开计算。

2. 进行LDSC分析

第一步我们得到了LD score值，进行LDSC分析，我们还需要GWAS分析结果。该软件制定了一种后缀为​​sumstats​​的格式，用来存储GWAS分析结果，要求有以下5列

SNP

N

Z

P

A1

A2

​​SNP​​​表示SNP ID, 比如rs号;​​N​​​表示样本个数;​​Z​​​表示SNP对表型的效应值，beta, OR, z-score等等; ​​P​​​表示pvalue;​​A1​​​表示突变的Allele, ​​A2​​表示参照的Allele。

该软件自带了脚本来格式化GWAS结果，生成​​sumstats​​格式的文件，用法如下

python munge_sumstats.py \
--sumstats gwas.txt \
--N 2000 \
--out test

格式转换之后，就可以进行LDSC分析了，用法如下

python ldsc.py \
--h2 test.sumstats.gz \
--ref-ld-chr ld_score_chr/ \
--w-ld-chr ld_score_chr/ \
--out test_h2

​​h2​​​参数表示进行回归分析，估算遗传力;​​ref-ld-chr​​​参数指定ld score值对应的目录，该目录下每条染色体的LD score为一个文件；​​w-ld-chr​​​指定回归分析中每个SNP位点的权重，因为算法对这个权重不敏感，和​​ref-ld-chr​​​保持一致即可，​​out​​参数指定输出文件的前缀。

在后缀为​​log​​的文件中保存了回归分析的截距以及遗传力，该软件同时还可以计算多个表型的遗传相似度，更多用法请参考官方文档。

·end·

生物信息入门

只差这一个

公众号