TWAS（fusion）

最近在看遗传数据与表达结合的东西，介绍一个经典的方法吧，fusion。

Gusev et al. “Integrative approaches for large-scale transcriptome-wide association studies” 2016 Nature Genetics

主要思想：
许多基因变异通过调节基因表达影响复杂的性状，从而改变一个或多个蛋白质的表达水平。此方法就是在没有直接测量表达水平的个体中，来找出其表达与复杂性状显著相关的基因。
我们利用相对较小的一组参考个体，对其基因表达和SNPs进行了相关分析，从而从SNP基因型数据将表达的顺式遗传成分插补到更大的一组表现型个体中。然后，我们将输入的基因表达与性状相关联，进行全转录组关联研究(TWAS)，并确定显著的表达-性状关联。用GWAS的summary数据。

Tutorial here.
————————————————————————————
大概了解了主要思想后，我们就开始吧。

下载软件、解压：

wget https://github.com/gusevlab/fusion_twas/archive/master.zip
unzip master.zip
cd fusion_twas-master

下载1000 Genomes数据，是每条染色体分开的：

wget https://data.broadinstitute.org/alkesgroup/FUSION/LDREF.tar.bz2
tar xjvf LDREF.tar.bz2

下载工具，plink2R library

wget https://github.com/gabraham/plink2R/archive/master.zip
unzip master.zip

进入R，安装需要的包。

R
install.packages('optparse','RColorBrewer')
install.packages('plink2R-master/plink2R/',repos=NULL)

*tips：如果安装报错，就一个一个安，提示缺哪个包就安哪个。

如果用自己的数据计算weight，需要GCTA、plink2这些基础软件，还需要安装以下R包：

install.packages(c('glmnet','methods'))

*tips:如果在装methods报错，类似is a base package这个，说明这个包是基础包，library一下存在就可以啦。
——————————————————————————————
此示例为典型的TWAS分析，根据预先计算好的基因表达权重和疾病GWAS summary数据来估计每个基因与疾病的关系。
将使用PGC精神分裂症的gwas summary数据对GTEx全血数据进行TWAS。

wget https://data.broadinstitute.org/alkesgroup/FUSION/SUM/PGC2.SCZ.sumstats
mkdir WEIGHTS
cd WEIGHTS
wget https://data.broadinstitute.org/alkesgroup/FUSION/WGT/GTEx.Whole_Blood.tar.bz2
tar xjf GTEx.Whole_Blood.tar.bz2

输入文件一：GWAS summary statistics

格式：与计算LD score时格式相同。空格分隔，snp、A1、A2、z是必须的。示例文件长这样。snp必须是rs号，不是的自己转一下，因为后面要跟1000G匹配。

可以用LDSC munge_stats.py把gwas的格式转为我们需要的。
gwas结果全部输入进去，不要卡阈值。

输入文件二：Expression weights

就是我们之前下载的文件
./WEIGHTS/GTEx.Whole_Blood.pos

运行脚本

Rscript FUSION.assoc_test.R \
--sumstats PGC2.SCZ.sumstats \
--weights ./WEIGHTS/GTEx.Whole_Blood.pos \
--weights_dir ./WEIGHTS/ \
--ref_ld_chr ./LDREF/1000G.EUR. \
--chr 22 \
--out PGC2.SCZ.22.dat