使用 SAIGE 进行 GWAS 分析的详细流程

本文介绍如何基于 UK Biobank 数据和 DNAnexus 平台，使用 SAIGE 工具在大规模基因组关联研究（GWAS）中分析遗传变异与性状之间的关联。SAIGE 的简要介绍参考这里。

流程概览

SAIGE GWAS 分析分为以下步骤：

1. 准备数据：合并自测基因型数据
2. 生成 GRM 模型和方差比文件
3. 执行单变异关联测试
4. （可选）合并结果文件

Step 1: 合并自测基因型数据

在第一步中，我们将 22 条常染色体的基因型数据文件合并为 PLINK 格式的文件集（.bim, .bed, .fam），为后续分析生成输入文件。

使用 Swiss Army Knife (SAK) 应用

在 DNAnexus 平台上，使用 Swiss Army Knife (SAK) 应用完成文件合并：

1. 输入文件：上传或选择包含染色体 1 至 22 的 PLINK 文件。
2. 命令行代码：

ls *.bed | sed -e 's/.bed//g'> files_to_merge.txt;
plink --merge-list files_to_merge.txt --make-bed --out ukb_cal_chr1_22_v2_merged;
rm files_to_merge.txt;

这段代码会创建一个包含所有待合并文件的列表，并使用 PLINK 将其合并为单一文件集。

3. 输出：ukb_cal_chr1_22_v2_merged.bed、.bim 和 .fam 文件，作为下一步的输入。

Step 2: 生成 GRM 模型和方差比文件

使用 saige_gwas_grm 应用生成遗传相关矩阵（GRM）模型文件和方差比文件。这些文件用于混合模型的拟合和关联测试。

输入文件

1. PLINK 文件集：ukb_cal_chr1_22_v2_merged 文件。

2. 表型文件：包含样本 ID、表型和协变量（如性别、年龄）的文件，要求与基因型数据匹配。

命令实例

dx run saige_gwas_grm \
  -igenotype_file=ukb_cal_chr1_22_v2_merged.bed \
  -iphenotype_file=phenotype.txt \
  -icovariate_columns=age,sex \
  -imem_instance=mem3_ssd1_v2_x32

Step 3: 执行单变异关联测试

单变异关联测试使用 saige_gwas_svat 应用逐染色体进行分析，计算每个变异与表型之间的关联。

批量运行

对于 UK Biobank 数据，每条染色体的数据存储在单独的 BGEN 文件中，可以使用批量模式运行：

1. 选择 BGEN 文件和索引文件：每条染色体的 .bgen 和 .bgen.bgi 文件。

2. 运行命令：

   dx run saige_gwas_svat \
     -igenotypes_bgen=chr*.bgen \
     -igenotypes_bgen_index=chr*.bgen.bgi \
     -imodel_rda=model.rda \
     -ivariance_ratio_txt=variance_ratio.txt \
     -iphenotype_file=phenotype.txt \
     -imem_instance=mem3_ssd3_v2_x24

输出文件

• 每条染色体的关联结果文件，例如：saige_step2_ukb_imp_chr1_v3.txt。

Step 4: 合并结果文件

可选地将所有染色体的结果文件合并为单一文件，以便进一步分析（如显著性筛选和孟德尔随机化分析）。

使用 SAK 应用

在 SAK 的命令行中执行以下代码：

head -1 saige_step2_ukb_imp_chr1_v3.txt > saige_step2_ukb_imp_all_chr.txt;
tail -n +2 -q saige_step2_ukb_imp_chr*_v3.txt >> saige_step2_ukb_imp_all_chr.txt;
gzip saige_step2_ukb_imp_all_chr.txt;

后续分析

1. 显著性筛选：根据 GWAS 的统计学标准筛选显著变异（如 p 值 <5×10⁻⁸）。

2. 下游分析：

• 使用显著变异进行孟德尔随机化分析。
• 进行生物学功能注释，识别潜在的致病基因或路径。