GWAS找到显著信号位点后，需要解释显著信号位点如何影响表型。
常见的一个解释方法是共定位分析。
主流的共定位分析包括：
- 1）GWAS和eQTL共定位；
- 2）GWAS和sQTL共定位；
- 3）GWAS和meQTL共定位；
- 4）GWAS和pQTL共定位；
其中，GWAS和eQTL共定位应用最为广泛。
具体来说，当检测到GWAS信号和eQTL共定位时，我们会认为GWAS信号上的位点可能通过改变基因表达的生物学过程影响表型。
共定位分析有四种设想：
第一种设想 H0: 表型1（GWAS）和 表型2 （以eQTL为例）与某个基因组区域的所有SNP位点无显著相关；
第二种设想 H1/H2: 表型1（GWAS）或表型2（以eQTL为例）与某个基因组区域的SNP位点显著相关；
第三种设想 H3: 表型1（GWAS）和 表型2 （以eQTL为例）与某个基因组区域的SNP位点显著相关，但由不同的因果变异位点驱动；
第四种设想 H4: 表型1（GWAS）和 表型2 （以eQTL为例）与某个基因组区域的SNP位点显著相关，且由同一个因果变异位点驱动；
基于以上四种设想，我们希望第四种设想 H4 在统计学上概率更高，这样就能解释显著信号位点如何影响表型；
所以共定位分析，本质上是在检验第四种的后验概率；
讲完共定位分析的相关概念，接下来我们以“GWAS和eQTL共定位”为例讲一下如何使用coloc进行共定位分析。
1 下载、安装coloc
if(!require("remotes"))
install.packages("remotes")
install.packages("dplyr")
library(remotes)
install_github("chr1swallace/coloc",build_vignettes=TRUE)
library("coloc")
library(dplyr)
2 下载测试数据
测试数据请在“bio生物信息”回复"coloc"；
或者用自己的数据分析（如果有的话）；
3 分析
3.1 导入表型1（GWAS）数据：
gwas <- read.table(file="E:/path_to_GWAS/GWAS.txt", header=T);
GWAS数据包括：rs编号rs_id，P值pval_nominal等：
image
注意事项：如果表型是二分类变量（case和control），输入文件二选一：
1）rs编号
rs_id、P值pval_nominal、SNP的效应值beta、效应值方差varbeta；2）rs编号
rs_id、P值pval_nominal、case在所有样本中的比例s
3.2 导入表型2（eQTL）数据：
eqtl <- read.table(file="E:/path_to_eqtl/eQTL.txt", header=T);
eQTL数据包括：rs编号rs_id，基因gene_id，次等位基因频率maf、P值pval_nominal等：
image
注意事项：如果表型是连续型变量，输入文件三选一：
1）rs编号
rs_id、P值pval_nominal、表型的标准差sdY；2）rs编号
rs_id、P值pval_nominal、效应值beta,效应值方差varbeta, 样本量N,次等位基因频率MAF；3）rs编号
rs_id、P值pval_nominal、次等位基因频率MAF；
3.3 合并GWAS和eQTL数据：
input <- merge(eqtl, gwas, by="rs_id", all=FALSE, suffixes=c("_eqtl","_gwas"))
head(input)
image
3.4 共定位分析
result <- coloc.abf(dataset1=list(pvalues=input$pval_nominal_gwas, type="cc", s=0.33, N=50000), dataset2=list(pvalues=input$pval_nominal_eqtl, type="quant", N=10000), MAF=input$maf)
dataset1的type="cc"指的是GWAS的表型是二分类（case和control）；
dataset2的type="quant"指的是eQTL的表型（基因表达量）是连续型
N指样本量；
3.5 筛选共定位的位点
通常情况下，很多文献认为PPA > 0.95的位点是共定位位点，也有一些文献会放松要求到0.75。
这里假定后验概率大于0.95为共定位位点：
library(dplyr)
need_result=result$results %>% filter(SNP.PP.H4 > 0.95)
结果如下：
image
从图上可以看出，SNP.4811位点的后验概率为1。怎么找到这个位点呢？可以通过对应的P值（1.81e-42）找到这个位点的rs号；
4 结果解读
对于输出结果，我们只需要关注最后一列信息SNP.PP.H4，对应推文前面提到的第四种设想 H4。
SNP.PP.H4表示的是GWAS显著信号和eQTL位点为同一个位点的后验概率，范围在0-1之间，0表示概率为0%，1表示概率为100%。后验概率越高越好。
5 注意事项
1）由于共定位分析是基于某个基因组区域进行计算，所以请不要把全基因组的信息都丢进去（偷懒该打），这么做一个是没意义，另外一个特别耗时，给计算机增加工作负担；
2）虽然我们没必要把基因组的全部信息丢进去，但也不意味着只放一个变异位点信息就行。
3）因此，正确的做法是，先提取GWAS中显著变异位点上下游区域（这个区域多大自己定，没有金标准）的GWAS summary数据，理想情况下，提取后显著变异位点所在基因组区域的SNP数量在1,000-10,000之间。
4）该方法的设想是只有一个causal 位点，所以如果表型1（GWAS）和 表型2 （以eQTL为例）在某个区域有多个显著位点的话，用该方法是定位不出结果的，这是该方法的局限，所以如果某个基因组区域存在多个显著位点，请考虑其他工具（允许多个causal 位点共定位的工具）
特别鸣谢：
https://chr1swallace.github.io/coloc/FAQ.html
https://hanruizhang.github.io/GWAS-eQTL-Colocalization/
https://rpubs.com/Charleen_D_Adams/743547
致谢橙子牛奶糖（陈文燕），请用参考模版：We thank the blogger (orange_milk_sugar, Wenyan Chen) for XXX
感谢小可爱们多年来的陪伴， 我与你们一起成长~
网友评论