TWAS——Transcriptome-wide Association Study

TWAS（Transcriptome-wide Association Study）是一种用于研究基因表达和疾病之间关系的方法。它通过对全基因组的基因表达数据进行统计分析，以识别与特定疾病或表型相关的基因表达变异。这种方法可以帮助科学家们理解疾病的遗传基础，并发现潜在的治疗靶点。

而FUSION是一种用于检测基因融合的方法，它可以检测基因序列之间的重叠或融合事件。FUSION方法通常用于癌症研究，因为它可以帮助科学家们理解癌症的发展和进展，并发现新的治疗策略。FUSION是一套用于进行全转录组和全调控组关联研究（TWAS和RWAS）的工具。FUSION建立功能/分子表型遗传成分的预测模型，并使用GWAS汇总统计数据预测和测试该成分与疾病的相关性。目的是确定GWAS表型和仅在参考数据中测量的功能表型之间的关联。我们提供了来自多项研究的预先计算的预测模型，以促进这一分析。

基于功能总结的imputation方法可能是一种将基因表达和基因融合数据结合起来的方法，通过综合分析这两种数据类型，以更全面地理解疾病的遗传机制。这种方法可以帮助科学家们更好地理解疾病的病因和进展，并发现新的治疗策略。

总的来说，TWAS / FUSION和基于功能总结的imputation方法都是用于研究基因表达和疾病之间关系的方法，它们可以帮助科学家们更好地理解疾病的遗传机制，并发现新的治疗策略。

 安装
从github下载并解压FUSION软件包：
wgethttps://github.com/gusevlab/fusion_twas/archive/master.zipzip master.zip cd fusion_twas-master
下载并解压（1000个基因组）LD参考数据：
wgethttps://data.broadinstitute.org/alkesgroup/FUSION/LDREF.tar.bz2tar xjvf LDREF.tar.bz2
下载并打开plink2R库（Gad Abraham著）：
wgethttps://github.com/gabraham/plink2R/archive/master.zip解压缩master.zip
启动R并安装所需的库：
install.packages（c（'ptparse'，'RColorBrewer'））

install.package（'link2R-master/plink2R/'，repos=NULL）

 

 如果计算自己的加权，则需要以下额外步骤
将捆绑的GCTA二进制GCTA_nr_robust添加到路径（由Po-Ru-Loh编码用于鲁棒非线性优化）
下载并安装PLINK2，将plink添加到路径
启动R并安装以下所需的库：
install.packages（c（'lmnet'，'methods'））
如果使用BSLMM，请下载并安装GEMMA软件，添加到路径。通过调用ln-s生成到输出的符号链接。/在将运行FUSION.weights.R的目录中输出（这是一种解决方法，因为GEMMA要求结果进入输出子目录）。

 

 典型分析和输出
典型的TWAS分析采用预先计算的基因表达权重（如下）以及疾病GWAS汇总统计数据来估计每个基因与疾病的相关性。例如，我们将使用PGC精神分裂症汇总统计数据对GTEx全血数据进行TWAS。该示例假设您已经如上所述设置了FUSION和LD参考数据，并且位于带有LDREF子目录的FUSION目录中。
首先，下载并准备GWAS和GTEx全血数据：
wgethttps://data.broadinstitute.org/alkesgroup/FUSION/SUM/PGC2.SCZ.sumstats
mkdir重量cd重量wgethttps://data.broadinstitute.org/alkesgroup/FUSION/WGT/GTEx.Whole_Blood.tar.bz2tar xjf GTEx。全血.tar.bz2
WEIGHTS目录应包含表达式权重的子目录（可以在R中检查），以及描述数据的几个报告文件（有关详细信息，请参见下文）。以下各节详细介绍了输入。

 输入：GWAS汇总统计
主要输入是LD评分格式的全基因组汇总统计数据。至少，这是一个平面文件，其标题行包含以下字段：
SNP–SNP标识符（rsID）
A1–第一等位基因（效应等位基因）
A2–第二等位基因（其他等位基因）
Z–Z分数，相对于A1签名。
以及用于每个SNP的后续数据行（所有空白区分开）。其他列是允许的，将被忽略。我们建议使用LDSC munge_stats.py实用程序将GWAS摘要数据转换为这种格式，它可以检测并报告许多常见的陷阱。
重要提示：该方法依赖于具有密集的汇总级数据，而没有显著性阈值（现在通常与GWAS出版物一起发布）。我们不建议对经过修剪、阈值处理或仅限于顶级SNPs的数据进行开箱即用的测试（考虑进行单标记测试）。我们建议将GWAS SNPs与LDREF/*.bim文件中的SNPs尽可能紧密地匹配，因为只有这些SNPs将用于预测。

 输入：表达式权重
使用加载功能参考数据/重量/GTEx。指向个人的WholeBlood.pos。RDat重量文件、其基因标识符、物理位置（以及面板/研究名称的可选面板列）。我们已经为所有参考数据预先计算了*.pos文件，可在下面下载。将仅评估文件中的权重。物理位置应与特征（例如TSS和TES）相对应，并将用于最终输出和绘图。

 

 执行表达式插补
最后，我们使用22号染色体上的数据运行FUSION.test.R：
Rscript融合.assoc_test.R\
--sumstats PGC2.SCZ.sumstats\
--重量/重量/GTEx。全血.pos\
--weights_dir/重量/\
--ref_ld_chr/LDREF/1000G。EUR\
--chr 22\
--出PGC2.SCZ.22.dat
这应该需要不到一分钟的时间，你会看到体重名称和身体位置打印到屏幕上。如果一切正常，这将生成具有73行的文件PGC2.SCZ.22.dat，其中一行是头。我们将在下一节中详细研究此文件。
在幕后，分析步骤是：（1）统一GWAS和参考SNPs，并酌情去除/翻转等位基因；（2） 使用IMPG算法估算缺失的任何参考SNP的GWAS Z分数；（3） 估计函数GWAS关联统计；（4） 报告所有测试功能的结果。

 

 输出：基因疾病关联
让我们通过调用cat PGC2.SCZ.22.dat |awk'NR==1||$NF<0.05/2058'来查看PGC2.SCZ.22.dat（针对GTEx全血参考中的2058个基因进行了调整）中转录组范围内的显著关联。前两行如下所示，只是我将其转置以解释每个条目：

 

	Column	Value
1	FILE	…	Full path to the reference weight file used
2	ID	FAM109B	Feature/gene identifier, taken from --weights file
3	CHR	22	Chromosome
4	P0	42470255	Gene start (from --weights)
5	P1	42475445	Gene end (from --weights)
6	HSQ	0.0447	Heritability of the gene
7	BEST.GWAS.ID	rs1023500	rsID of the most significant GWAS SNP in locus
8	BEST.GWAS.Z	-5.94	Z-score of the most significant GWAS SNP in locus
9	EQTL.ID	rs5758566	rsID of the best eQTL in the locus
10	EQTL.R2	0.058680	cross-validation R2 of the best eQTL in the locus
11	EQTL.Z	-5.16	Z-score of the best eQTL in the locus
12	EQTL.GWAS.Z	-5.0835	GWAS Z-score for this eQTL
13	NSNP	327	Number of SNPs in the locus
14	MODEL	lasso	Best performing model
15	MODELCV.R2	0.058870	cross-validation R2 of the best performing model
16	MODELCV.PV	3.94e-06	cross-validation P-value of the best performing model
17	TWAS.Z	5.1100	TWAS Z-score (our primary statistic of interest)
18	TWAS.P	3.22e-07	TWAS P-value

 解释输出：这一结果表明，该基因表现最好的预测模型是LASSO，其略优于最佳eQTL（注意，即使eQTL具有更高的准确性，也总是使用非eQTL模型来计算TWAS统计数据）。该基因的过度表达与SCZ风险呈正相关，这与对表达和GWAS具有负面影响的最佳eQTL SNP一致。TWAS Z评分并不比最高的GWAS SNP更显著，这促使条件分析来评估基因座是否包含独立于表达的信号（见下文）。

 

 下载预先计算的预测模型
下表列出了预计算表达式引用权重的下载。表达式权重通常根据BLUP、BSLMM、LASSO、Elastic Net和顶部SNPs计算，但由于样本量或收敛问题而排除BLUP/BSLMM的情况除外。每个包都包含一个相应的*.profile文件，列出每个基因的性能统计信息，以及一个总结所有基因的性能和遗传力的*.err文件。

 

Tissue	Assay	# Samples	# Features	Study
Peripheral Blood	RNA array	1,247	2,454	[1] NTR
Whole blood	RNA array	1,264	4,701	[2] YFS
Adipose	RNA-seq	563	4,671	[3] METSIM
Brain (DLPFC)	RNA-seq	452	5,420	[4] CMC
Brain (DLPFC)	RNA-seq splicing	452	7,772	[4] CMC

 

 GTEx v8多组织表达
每个档案包含两组pos文件，一组用于具有显著遗传力的基因，另一组用于所有基因（标记为no_filter）。建议使用具有显著遗传力的基因进行典型分析。使用“所有样本”中的权重通常也会增加灵敏度，除非分析高度特定于欧洲的地区。此处提供了按人口和GTEx版本划分的模型的详细比较。pos文件中的位置取自GTEx注释。
Junghyun Jung在MancusoLab估计并提供了重量。