gwasglue R包实战一文搞定GWAS汇总数据转换与共定位、精细定位分析【免费下载链接】gwasglueLinking GWAS data to analytical tools in R项目地址: https://gitcode.com/gh_mirrors/gw/gwasglue做遗传学研究的你大概率遇到过这样的场景从IEU GWAS数据库或者本地VCF文件里拿到了一批GWAS汇总数据想跑共定位colocalisation、精细定位finemapping或孟德尔随机化MR结果每个分析工具要求的输入格式都不一样光是把数据塞进正确格式这一步就能耗掉大半天。gwasglue这个R包就是为了解决这个痛点而生的——它专门负责把GWAS汇总数据从读取端搬运到分析端让数据流转一气呵成。这个包连接了MR、共定位、精细定位、可视化等几乎所有主流分析路径值得每一位GWAS数据用户花十分钟掌握。一、先从最常见的烦恼说起数据格式不兼容先想一个问题一个完整的GWAS分析流程通常包含几段数据搬运以最经典的两样本孟德尔随机化为例你需要把暴露和结局两个性状的汇总数据整理成 TwoSampleMR 能识别的结构每条 SNP 要带上效应等位基因、另一个等位基因、效应值、标准误、P 值、样本量等信息而到了共定位分析coloc 包又要的是pvalues、MAF、beta、varbeta、type这类字段做精细定位时finemapr 则需要 z 分数和 LD 矩阵。这些格式转换工作高度重复、极易出错尤其是从 VCF 文件里逐字段抽取、换算比如把 VCF 里存储的-log10(P)还原成 P 值、补全缺失列……手工处理一遍写出来的脚本又长又难维护。gwasglue 的思路很直接把这些翻译动作全部封装成现成函数。它不生产数据也不替你跑统计模型而是做数据源与分析工具之间的中介层。想知道它到底连接了哪些工具可以看 项目说明文件 里的生态图一目了然。二、记住两个前缀就掌握了 gwasglue 的全部套路打开 源码目录你会发现所有函数都遵循同一种命名规律几乎不需要查文档就能猜到用法gwasvcf_to_分析工具输入是 VCF 文件或 VCF 对象输出是目标工具能直接吃进去的数据结构ieugwasr_to_分析工具输入是 IEU GWAS 数据库的查询结果或研究 ID输出同样是目标工具格式。两个前缀分别对应 gwasglue 支持的两大数据源数据源特点典型场景gwasvcf处理 VCF 格式的 GWAS 汇总数据适合本地文件、大规模区域提取有公开下载的 VCF 文件或需要离线分析ieugwasr直接查询 IEU GWAS 在线数据库按研究 ID 拉取数据快速上手、探索性分析、不想下载大文件而分析工具后缀则覆盖了当前主流的分析路径TwoSampleMR、coloc、finemapr、gassocplot等。也就是说gwasvcf_to_coloc和ieugwasr_to_coloc只是数据来源不同产出都是可以直接丢给 coloc 包的列表对象。以 TwoSampleMR 转换模块 为例你可以看到完整的实现细节整个文件的思路可以作为新增分析工具的模板。三、快速上手安装与第一个转换函数gwasglue 目前处于积极开发阶段建议安装开发版。最简单的方式是用 devtools 直接安装devtools::install_github(mrcieu/gwasglue)如果你更习惯本地构建也可以先把仓库克隆到本地再安装git clone https://gitcode.com/gh_mirrors/gw/gwasglue克隆后打开 R 会话在项目根目录执行devtools::install()即可。安装过程中会同时拉取 gwasvcf、ieugwasr、TwoSampleMR 等依赖包首次安装请耐心等待。装好后最快的验证方式是跑一个最简转换从 IEU GWAS 数据库拿 LDL 胆固醇ieu-a-300的 top hits转成 TwoSampleMR 的 exposure 格式library(gwasglue) library(dplyr) top - ieugwasr::tophits(ieu-a-300) dat - ieugwasr_to_TwoSampleMR(top, type exposure)ieugwasr_to_TwoSampleMR会帮你完成列名重映射rsid变SNP、ea变effect_allele.exposure、p变pval.exposure等还会自动计算mr_keep.exposure标记哪些 SNP 具备完整的效应信息、可以进入后续分析。几行代码省掉一整段手工改列的脚本。四、实战一用 gwasglue 准备孟德尔随机化数据两样本 MR 是 gwasglue 覆盖最完整的场景之一。除了单个数据集的格式转换它还提供了一条龙函数make_TwoSampleMR_dat给定暴露和结局的 ID或 VCF 文件路径自动完成提取 top hits、LD clumping、在结局中查询相同 SNP、harmonise 对齐等一整套流程最后直接输出可供TwoSampleMR::mr()使用的 harmonised 数据。dat - make_TwoSampleMR_dat( id1 c(ieu-a-300), # 暴露LDL胆固醇 id2 c(ieu-a-7), # 结局冠心病 vcfdir path/to/vcf/dir, # 本地VCF目录或直接传文件路径 bfile path/to/ldref # LD参考面板PLINK格式 )这里有两个值得注意的细节。第一id1/id2可以传 VCF 文件路径也可以传数据库 ID 配合vcfdir参数两种方式都支持第二LD clumping 步骤需要 LD 参考面板bfile否则会回退到 ieugwasr 的在线 API速度慢且会给服务器增加负担建议本地备好参考面板。对于只想单独处理本地 VCF 文件的场景gwasvcf_to_TwoSampleMR(vcf, type outcome)可以单独把 VCF 转成 outcome 格式而如果你的数据来自其它来源比如某个 GWAS 的文本格式汇总文件先用read_gwas读取再配合通用 harmonise 函数对齐到参考面板即可。gwasglue 在这条链路上提供了相当完整的零件。五、实战二共定位分析从原始数据到出版级区域图共定位分析用于回答一个经典问题两个性状在某个基因组区域的关联信号是否由同一个因果变异驱动典型场景是检验某疾病位点与某基因表达量位点是否共享因果变异。gwasglue 为这条流程提供了从数据准备到可视化的完整支持这里以 LDL 胆固醇ieu-a-300与冠心病ieu-a-7为例。第一步拿到指定区域的关联数据并转成 coloc 格式两种数据源二选一# 方式一直接从IEU GWAS数据库查询 out - ieugwasr_to_coloc(id1 ieu-a-300, id2 ieu-a-7, chrompos 19:11112306-11292306) # 方式二从本地VCF文件提取 vout - gwasvcf_to_coloc(ieu-a-300.vcf.gz, ieu-a-7.vcf.gz, chrompos 19:11112306-11292306)第二步把转换结果直接喂给 coloc 包跑分析。gwasvcf_to_coloc内部已经处理好了两个 VCF 的重叠变异筛选、等位基因一致性校验并自动从 VCF 元数据判断性状类型是连续型quant还是病例对照ccieugwasr_to_coloc还会自动补齐缺失的等位基因频率和样本量res - coloc::coloc.abf(out[[1]], out[[2]])第三步可视化。coloc_to_gassocplot可以把 coloc 的数据结构进一步转成 gassocplot 包需要的格式然后一键画出叠加区域图——上方是每个性状的关联信号颜色深浅表示该 SNP 与索引变异之间的 LD 强度下方是基因位置注释一眼就能看出两个信号是否指向同一个区域这张图正是上面三步代码的产出从原始汇总数据到这张出版级图全程不需要手工处理一行数据。想复现完整流程可以参考 共定位分析教程。六、进阶精细定位的三种打开方式精细定位的目标是从一个关联区域内找出真正可能的因果变异。gwasglue 对精细定位的支持分为数据准备和完整流程两个层面。数据准备层面ieugwasr_to_finemapr和gwasvcf_to_finemapr会针对指定区域如1:109317192-110317192提取变异、计算 LD 矩阵并组装成FinemaprList对象这是 finemapr 包的直接输入。此外clump_gwasvcf可以做 LD clumpingmap_variants_to_regions可以把变异映射到已知的 LD 区域参考面板文件在 inst/extdata/ldetectcojo_cond则封装了 GCTA-COJO 的条件分析。完整流程层面susieR_pipeline把clumping → 映射到LD区域 → 每个区域提取LD → 用 SuSiE 做贝叶斯精细定位串成了一条流水线只需提供 VCF 文件、LD 参考面板和人群标签res - susieR_pipeline( vcffile ieu-a-2.vcf.gz, bfile path/to/ldref, plink_bin path/to/plink, pop EUR )输出中既包含 clumping 和区域映射结果也包含每个区域 SuSiE 的拟合结果方便你进一步提取可信集credible set。对条件分析cojo感兴趣的话cojo 教程 里有完整的操作演示。七、容易被忽略的辅助工具其实很关键除了各类转换函数gwasglue 还藏着一批不起眼但非常实用的辅助函数在数据质控阶段能帮你省下大量排查时间is_forward_strand把 GWAS 数据与已知在前导链上的参考数据对比判断你的数据是否在前导链上避免因链向问题产生错误关联harmonise_against_ref把 GWAS 数据与参考面板的等位基因对齐输出标准的 CHROM/POS/REF/ALT 格式read_reference按 rsID 或染色体区域从参考 VCF 中提取数据并转成标准格式map_variants_to_regions根据 LD 区间定义内置 EUR、AFR、ASN 三个群体的区间表把chr:pos映射到对应的 LD 区域。一个建议正式分析之前先跑一遍is_forward_strand检查链向再决定 harmonise 的严格程度——这比分析出奇怪结果后再回头排错要高效得多。八、避开这几个坑能少走很多弯路基于源码和教程的细节总结几条实操经验LD 参考面板提前备好。clump_gwasvcf、gwasvcf_to_finemapr等函数都依赖 LD 信息。不传bfile时函数会走在线 API慢且可能触发服务器限流建议本地准备 PLINK 格式的参考面板。VCF 文件记得配套索引。gwasvcf 系函数按区域/rsID 快速查询依赖.tbi索引文件缺失索引会导致查询失败或极慢。参考数据集的下载地址在 README 的 Reference datasets 一节。等位基因频率缺失不一定是坏事。ieugwasr_to_coloc遇到缺失 AF 时会用 0.5 填充并给出警告——这是有意的兜底设计但你要清楚哪些变异被填充了必要时人工检查。性状类型可以手动指定。ieugwasr_to_coloc的type1/type2参数允许覆盖自动推断的连续型/病例对照结论当数据库元数据不完整时源码中会自动假定为 quant建议显式传参。这个包还在快速迭代。README 中明确标注了 Under development部分工具如 PAINTOR、JAM、HEIDI 的对接还在 TODO 清单上。使用前留意版本更新遇到问题可以参考 测试代码 了解函数的预期行为。九、写在最后让数据流转成为你的默认流程回到开头的问题为什么同一个 GWAS 数据集有人能在一个下午跑完 MR、共定位、精细定位三条分析线而有人光整理格式就花了一周差别往往不在统计功底而在于是否有一套可靠的数据转换层。gwasglue 的价值正在于此——它把最枯燥、最容易出错的格式对齐工作固化成了标准函数让你把精力留给真正需要判断力的部分。接下来的行动建议很简单把 项目目录 克隆下来从 mr 教程 或 共定位教程 挑一个你当前最需要跑的分析照着跑一遍完整流程。跑通之后再回过头看 TwoSampleMR 转换模块 的源码你就能举一反三地理解整包的设计哲学甚至按同样的模式为新的分析工具贡献一个转换函数。数据转换这种苦活本就该交给工具。【免费下载链接】gwasglueLinking GWAS data to analytical tools in R项目地址: https://gitcode.com/gh_mirrors/gw/gwasglue创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 gwasglue R包实战：一文搞定GWAS汇总数据转换与共定位、精细定位分析
gwasglue R包实战一文搞定GWAS汇总数据转换与共定位、精细定位分析【免费下载链接】gwasglueLinking GWAS data to analytical tools in R项目地址: https://gitcode.com/gh_mirrors/gw/gwasglue做遗传学研究的你大概率遇到过这样的场景从IEU GWAS数据库或者本地VCF文件里拿到了一批GWAS汇总数据想跑共定位colocalisation、精细定位finemapping或孟德尔随机化MR结果每个分析工具要求的输入格式都不一样光是把数据塞进正确格式这一步就能耗掉大半天。gwasglue这个R包就是为了解决这个痛点而生的——它专门负责把GWAS汇总数据从读取端搬运到分析端让数据流转一气呵成。这个包连接了MR、共定位、精细定位、可视化等几乎所有主流分析路径值得每一位GWAS数据用户花十分钟掌握。一、先从最常见的烦恼说起数据格式不兼容先想一个问题一个完整的GWAS分析流程通常包含几段数据搬运以最经典的两样本孟德尔随机化为例你需要把暴露和结局两个性状的汇总数据整理成 TwoSampleMR 能识别的结构每条 SNP 要带上效应等位基因、另一个等位基因、效应值、标准误、P 值、样本量等信息而到了共定位分析coloc 包又要的是pvalues、MAF、beta、varbeta、type这类字段做精细定位时finemapr 则需要 z 分数和 LD 矩阵。这些格式转换工作高度重复、极易出错尤其是从 VCF 文件里逐字段抽取、换算比如把 VCF 里存储的-log10(P)还原成 P 值、补全缺失列……手工处理一遍写出来的脚本又长又难维护。gwasglue 的思路很直接把这些翻译动作全部封装成现成函数。它不生产数据也不替你跑统计模型而是做数据源与分析工具之间的中介层。想知道它到底连接了哪些工具可以看 项目说明文件 里的生态图一目了然。二、记住两个前缀就掌握了 gwasglue 的全部套路打开 源码目录你会发现所有函数都遵循同一种命名规律几乎不需要查文档就能猜到用法gwasvcf_to_分析工具输入是 VCF 文件或 VCF 对象输出是目标工具能直接吃进去的数据结构ieugwasr_to_分析工具输入是 IEU GWAS 数据库的查询结果或研究 ID输出同样是目标工具格式。两个前缀分别对应 gwasglue 支持的两大数据源数据源特点典型场景gwasvcf处理 VCF 格式的 GWAS 汇总数据适合本地文件、大规模区域提取有公开下载的 VCF 文件或需要离线分析ieugwasr直接查询 IEU GWAS 在线数据库按研究 ID 拉取数据快速上手、探索性分析、不想下载大文件而分析工具后缀则覆盖了当前主流的分析路径TwoSampleMR、coloc、finemapr、gassocplot等。也就是说gwasvcf_to_coloc和ieugwasr_to_coloc只是数据来源不同产出都是可以直接丢给 coloc 包的列表对象。以 TwoSampleMR 转换模块 为例你可以看到完整的实现细节整个文件的思路可以作为新增分析工具的模板。三、快速上手安装与第一个转换函数gwasglue 目前处于积极开发阶段建议安装开发版。最简单的方式是用 devtools 直接安装devtools::install_github(mrcieu/gwasglue)如果你更习惯本地构建也可以先把仓库克隆到本地再安装git clone https://gitcode.com/gh_mirrors/gw/gwasglue克隆后打开 R 会话在项目根目录执行devtools::install()即可。安装过程中会同时拉取 gwasvcf、ieugwasr、TwoSampleMR 等依赖包首次安装请耐心等待。装好后最快的验证方式是跑一个最简转换从 IEU GWAS 数据库拿 LDL 胆固醇ieu-a-300的 top hits转成 TwoSampleMR 的 exposure 格式library(gwasglue) library(dplyr) top - ieugwasr::tophits(ieu-a-300) dat - ieugwasr_to_TwoSampleMR(top, type exposure)ieugwasr_to_TwoSampleMR会帮你完成列名重映射rsid变SNP、ea变effect_allele.exposure、p变pval.exposure等还会自动计算mr_keep.exposure标记哪些 SNP 具备完整的效应信息、可以进入后续分析。几行代码省掉一整段手工改列的脚本。四、实战一用 gwasglue 准备孟德尔随机化数据两样本 MR 是 gwasglue 覆盖最完整的场景之一。除了单个数据集的格式转换它还提供了一条龙函数make_TwoSampleMR_dat给定暴露和结局的 ID或 VCF 文件路径自动完成提取 top hits、LD clumping、在结局中查询相同 SNP、harmonise 对齐等一整套流程最后直接输出可供TwoSampleMR::mr()使用的 harmonised 数据。dat - make_TwoSampleMR_dat( id1 c(ieu-a-300), # 暴露LDL胆固醇 id2 c(ieu-a-7), # 结局冠心病 vcfdir path/to/vcf/dir, # 本地VCF目录或直接传文件路径 bfile path/to/ldref # LD参考面板PLINK格式 )这里有两个值得注意的细节。第一id1/id2可以传 VCF 文件路径也可以传数据库 ID 配合vcfdir参数两种方式都支持第二LD clumping 步骤需要 LD 参考面板bfile否则会回退到 ieugwasr 的在线 API速度慢且会给服务器增加负担建议本地备好参考面板。对于只想单独处理本地 VCF 文件的场景gwasvcf_to_TwoSampleMR(vcf, type outcome)可以单独把 VCF 转成 outcome 格式而如果你的数据来自其它来源比如某个 GWAS 的文本格式汇总文件先用read_gwas读取再配合通用 harmonise 函数对齐到参考面板即可。gwasglue 在这条链路上提供了相当完整的零件。五、实战二共定位分析从原始数据到出版级区域图共定位分析用于回答一个经典问题两个性状在某个基因组区域的关联信号是否由同一个因果变异驱动典型场景是检验某疾病位点与某基因表达量位点是否共享因果变异。gwasglue 为这条流程提供了从数据准备到可视化的完整支持这里以 LDL 胆固醇ieu-a-300与冠心病ieu-a-7为例。第一步拿到指定区域的关联数据并转成 coloc 格式两种数据源二选一# 方式一直接从IEU GWAS数据库查询 out - ieugwasr_to_coloc(id1 ieu-a-300, id2 ieu-a-7, chrompos 19:11112306-11292306) # 方式二从本地VCF文件提取 vout - gwasvcf_to_coloc(ieu-a-300.vcf.gz, ieu-a-7.vcf.gz, chrompos 19:11112306-11292306)第二步把转换结果直接喂给 coloc 包跑分析。gwasvcf_to_coloc内部已经处理好了两个 VCF 的重叠变异筛选、等位基因一致性校验并自动从 VCF 元数据判断性状类型是连续型quant还是病例对照ccieugwasr_to_coloc还会自动补齐缺失的等位基因频率和样本量res - coloc::coloc.abf(out[[1]], out[[2]])第三步可视化。coloc_to_gassocplot可以把 coloc 的数据结构进一步转成 gassocplot 包需要的格式然后一键画出叠加区域图——上方是每个性状的关联信号颜色深浅表示该 SNP 与索引变异之间的 LD 强度下方是基因位置注释一眼就能看出两个信号是否指向同一个区域这张图正是上面三步代码的产出从原始汇总数据到这张出版级图全程不需要手工处理一行数据。想复现完整流程可以参考 共定位分析教程。六、进阶精细定位的三种打开方式精细定位的目标是从一个关联区域内找出真正可能的因果变异。gwasglue 对精细定位的支持分为数据准备和完整流程两个层面。数据准备层面ieugwasr_to_finemapr和gwasvcf_to_finemapr会针对指定区域如1:109317192-110317192提取变异、计算 LD 矩阵并组装成FinemaprList对象这是 finemapr 包的直接输入。此外clump_gwasvcf可以做 LD clumpingmap_variants_to_regions可以把变异映射到已知的 LD 区域参考面板文件在 inst/extdata/ldetectcojo_cond则封装了 GCTA-COJO 的条件分析。完整流程层面susieR_pipeline把clumping → 映射到LD区域 → 每个区域提取LD → 用 SuSiE 做贝叶斯精细定位串成了一条流水线只需提供 VCF 文件、LD 参考面板和人群标签res - susieR_pipeline( vcffile ieu-a-2.vcf.gz, bfile path/to/ldref, plink_bin path/to/plink, pop EUR )输出中既包含 clumping 和区域映射结果也包含每个区域 SuSiE 的拟合结果方便你进一步提取可信集credible set。对条件分析cojo感兴趣的话cojo 教程 里有完整的操作演示。七、容易被忽略的辅助工具其实很关键除了各类转换函数gwasglue 还藏着一批不起眼但非常实用的辅助函数在数据质控阶段能帮你省下大量排查时间is_forward_strand把 GWAS 数据与已知在前导链上的参考数据对比判断你的数据是否在前导链上避免因链向问题产生错误关联harmonise_against_ref把 GWAS 数据与参考面板的等位基因对齐输出标准的 CHROM/POS/REF/ALT 格式read_reference按 rsID 或染色体区域从参考 VCF 中提取数据并转成标准格式map_variants_to_regions根据 LD 区间定义内置 EUR、AFR、ASN 三个群体的区间表把chr:pos映射到对应的 LD 区域。一个建议正式分析之前先跑一遍is_forward_strand检查链向再决定 harmonise 的严格程度——这比分析出奇怪结果后再回头排错要高效得多。八、避开这几个坑能少走很多弯路基于源码和教程的细节总结几条实操经验LD 参考面板提前备好。clump_gwasvcf、gwasvcf_to_finemapr等函数都依赖 LD 信息。不传bfile时函数会走在线 API慢且可能触发服务器限流建议本地准备 PLINK 格式的参考面板。VCF 文件记得配套索引。gwasvcf 系函数按区域/rsID 快速查询依赖.tbi索引文件缺失索引会导致查询失败或极慢。参考数据集的下载地址在 README 的 Reference datasets 一节。等位基因频率缺失不一定是坏事。ieugwasr_to_coloc遇到缺失 AF 时会用 0.5 填充并给出警告——这是有意的兜底设计但你要清楚哪些变异被填充了必要时人工检查。性状类型可以手动指定。ieugwasr_to_coloc的type1/type2参数允许覆盖自动推断的连续型/病例对照结论当数据库元数据不完整时源码中会自动假定为 quant建议显式传参。这个包还在快速迭代。README 中明确标注了 Under development部分工具如 PAINTOR、JAM、HEIDI 的对接还在 TODO 清单上。使用前留意版本更新遇到问题可以参考 测试代码 了解函数的预期行为。九、写在最后让数据流转成为你的默认流程回到开头的问题为什么同一个 GWAS 数据集有人能在一个下午跑完 MR、共定位、精细定位三条分析线而有人光整理格式就花了一周差别往往不在统计功底而在于是否有一套可靠的数据转换层。gwasglue 的价值正在于此——它把最枯燥、最容易出错的格式对齐工作固化成了标准函数让你把精力留给真正需要判断力的部分。接下来的行动建议很简单把 项目目录 克隆下来从 mr 教程 或 共定位教程 挑一个你当前最需要跑的分析照着跑一遍完整流程。跑通之后再回过头看 TwoSampleMR 转换模块 的源码你就能举一反三地理解整包的设计哲学甚至按同样的模式为新的分析工具贡献一个转换函数。数据转换这种苦活本就该交给工具。【免费下载链接】gwasglueLinking GWAS data to analytical tools in R项目地址: https://gitcode.com/gh_mirrors/gw/gwasglue创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考