【Med】KGGSEE 的使用

1 参考

1.1 官网

KGGSEE | PMG Lab

1.2 教程

在线教程
视频教程
参数详解

1.3 相关下载

主程序
相关库
教程
样例数据

2 环境配置

2.1 系统要求

Java >= 1.8。

2.2 下载

下载主程序、相关库、教程，解压 resources.zip 和 tutorials.zip，将 kggsee.jar 和 tutorials/ 和 resources/放在同一目录下。

下载不同人种的样例数据，以下是不同版本的数据。

reference genotypes: hg19
reference genotypes: hg38

对于具体疾病，需要下载疾病的单表达定量性状基因座（eQTL）汇总数据。

eQTL: hg19
eQTL: hg38

完成后，在 tutorials/ 打开命令行。

3 软件使用

3.1 合并 $p$ 值

将 SNPs 的多个 $p$ 值合并，使用 GATES 和 ECS 方法。

java -Xmx4g -jar ../kggsee.jar ^
  --sum-file ./scz_gwas_eur_chr1.tsv.gz ^
  --vcf-ref ./1kg_hg19_eur_chr1.vcf.gz ^
  --keep-ref ./VCFRefhg19/ ^
  --gene-assoc ^
  --out t1

参数说明。需注意的是，$./$ 表示当前目录，$../$ 表示父目录。

名称	描述
sum-file	GWAS 数据位置
vcf-ref	人种参考数据位置
keep-ref	格式化数据输出位置
gene-assoc	开始基因关联测试
out	输出名称
excel	如果有，则输出为excel，否则txt

sum-file 中，GWAS数据一定要含有 SNP 坐标和 $p$ 值。
以上结果将输出至 t1.gene.pvalue.txt。

输出说明。

名称	描述
Gene	基因标识
#Var	突变数
ECSP	ECS 法 $p$ 值
GATESP	GATES 法 $p$ 值
Chrom	染色体
Pos	$p$ 值最小突变的坐标
GWAS_Var_P	$p$ 值最小突变的 $p$ 值

t1.gene.var.pvalue.txt.gz 保存了所有变异，而非 $p$ 值最小的。

t1.qq.pdf 为分位图。

3.2 表型-组织关联和条件基因关联测试

使用 DESE 方法。

java -Xmx4g -jar ../kggsee.jar ^
  sum-file ./scz_gwas_eur_chr1.tsv.gz ^
  saved-ref ./VCFRefhg19/ ^
  expression-file ./resources/GTEx_v8_TMM_all.gene.meanSE.txt.gz ^
  gene-assoc-condi ^
  out t2

参数说明。

名称	描述
sum-file	GWAS 数据位置
saved-ref	格式化数据位置
expression-file	基因信息，平均值和标准差
gene-assoc-condi	开始分析
out	输出名称

saved-ref 中，使用 3.1 中输出的格式化数据。

sum-file 中，GWAS数据一定要含有 SNP 坐标和 $p$ 值。

expression-file 中，如果使用 GTEx_v8_TMM_all.gene.meanSE.txt，则是基因水平分析；如果使用 GTEx_v8_TMM_all.transcript.meanSE.txt，则是转录水平分析。

与 3.1 相同，$p$ 值保存在 t2.gene.pvalue.txt、t2.gene.var.pvalue.txt.gz 和 t2.qq.pdf。

条件基因关联测试的结果保存为 t2.gene.assoc.condi.txt。

输出说明

名称	描述
Gene	基因标识
Chrom	染色体
StartPos	起始位置
EndPos	终止位置
#Var	突变数
Group	LD组序号
ECSP	ECS 法 $p$ 值
CondiECSP	条件基因关联测试 $p$ 值
GeneScore	选择性表达评分

Group中，条件 ECS 测试会按照连锁不平衡分组进行。
GeneScore中，得分高的基因将优先进入条件作用程序。

驱动组织优先级的结果保存在 t2.celltype.txt。这是个 Wilcoxon 秩和检验，目的如下。

检验表型相关基因的选择性表达中位数 是否显著高于 被询问组织中的其他基因。

输出说明。

名称	描述
TissueName	组织名
Unadjusted(p)	未调整 $p$ 值
Adjusted(p)	调整后 $p$ 值
Median(IQR)SigVsAll	条件显著性基因和背景基因的中位数和四分位数

3.3 推断基因对表型的影响

即 EMIC，使用孟德尔随机化，将 SNPs 作为工具变量（IVs）。

java -Xmx4g -jar ../kggsee.jar ^
  --sum-file ./scz_gwas_eur_chr1.tsv.gz ^
  --saved-ref ./VCFRefhg19/ ^
  --eqtl-file ./GTEx_v8_gene_BrainBA9.eqtl.txt.gz ^
  --emic-plot-p 0.01 ^
  --beta-col OR ^
  --beta-type 2 ^
  --emic ^
  --out t3

参数说明。

名称	描述
sum-file	GWAS 数据位置
saved-ref	格式化数据位置
eqtl-file	SNP 对基因表达的影响
emic-plot-p	$p$ 的阈值
beta-col	影响大小的列名
beta-type	影响大小的类型
emic	开始分析
out	输出名称

sum-file 中，GWAS 数据需要包含 SNP 坐标、$p$ 值、先后等位基因频率、样本量和标准差。

saved-ref 中，使用 3.1 中输出的格式化数据。

eqtl-file 中，可以使用基因或转录水平的 SNP 值。

beta-type 中，0 表示表型的线性回归系数，1 表示 $l{n}_{}OR$，2 表示 $OR$ (Odds Ratio)。

结果保存在 t3.emic.gene.txt。

输出说明。

名称	描述
Gene	基因标识
#Var	工具变量数
minP_EMIC	$p$ 值
Details_EMIC	相关值
Chrom	染色体
Pos	$p$ 值最小工具变量的位置
GWAS_Var_P	GWAS 中工具变量 $p$ 值
GWAS_Var_Beta	效应大小
GWAS_Var_SE	效应大小标准差

minP_EMIC 中，如果是转录水平的分析，则输出最小 $p$ 值。

Details_EMIC 中，包含工具变量数、效应大小、标准差和 $p$ 值。

turorial_3.emic.gene.var.tsv.gz 中包含了所有 eQTL。

t3.qq.pdf 为 GWAS 工具变量 $p$ 值的分位图。

t3.emic.qq.pdf 为 EMIC 分析输出的 $p$ 值。

t3.scatterplots.emic.pdf 保存了遗传与基因表达关联的散点图。EMIC $p$ 值低于阈值的基因都单页保存。矩形表示工具变量，其颜色表示其与最显著的 GWAS 突变之间的连锁不平衡程度，红色矩形表示最显著。直线斜率表示估计的因果关系。矩形中的误差条表示系数估计值的标准差。

3.4 可遗传性分析

即 EHE 分析，使用 GWAS 数据库。

java -Xmx4g -jar ../kggsee.jar ^
  --sum-file ./scz_gwas_eur_chr1.tsv.gz ^
  --saved-ref ./VCFRefhg19/ ^
  --case-col Nca ^
  --control-col Nco ^
  --gene-herit ^
  --out t4

参数说明。

名称	描述
sum-file	GWAS 数据位置
saved-ref	基因型目录输出位置
case-col	案例样本量列名
control-col	对照样本量列名
gene-herit	开始分析
out	输出名称

sum-file 中，GWAS 数据需要包含 SNP 坐标、$p$ 值和样本量。

t4.gene.pvalue.txt 和 t4.gene.var.pvalue.txt.gz 的样式与 3.1 类似，但多出两列。

输出说明。

名称	描述
Herit	可遗传性
HeritSE	可遗传性标准差