多基因風險評分是一個用來評估個體患某種疾病風險的方法，它是通過GWAS統(tǒng)計數(shù)據(jù)的基因型效應值來計算的。計算公式如下：

image.png

n: 納入的SNP的數(shù)量；
Xi：SNP I的基因型（0，1，2）
Wi：GWAS發(fā)現(xiàn)的SNP的權(quán)重，其中：

• 連續(xù)型變量的表型用Effect size表示，beta值
• 分類變量的表型用OR值表示

分析之前要對GWAS數(shù)據(jù)做質(zhì)控，e.g. removing SNPs according to low genotyping rate, minor allele frequency>1%, removing SNPs with linkage disequilibrium with an R2 value greater than 0.1 in 500-kb
windows or imputation ‘info score>0.6’ and individuals with low genotyping rate.

plink --bfile ($target) \
    --maf 0.05 \
    --mind 0.1 \
    --geno 0.1 \
    --hwe 1e-6 \
    --make-just-bim \
    --make-just-fam \
    --out ($target).qc

做完以上步驟，將--keep (target).qc.bim 命令添加到PRSice 軟件命令行中過濾SAMPLE和SNP。

安裝PRSice軟件：

git clone https://github.com/choishingwan/PRSice.git
cd PRSice
git checkout beta_testing
g++ --std=c++11 -I inc/ -isystem lib/ -lz -DNDEBUG -O2 -pthread src/*.cpp -o PRSice

# 安裝完成后測試下是否成功
./PRSice
# 自動下載需要的包
Rscript PRSice.R --dir .

出現(xiàn)以下界面，說明安裝成功：

image.png

需要輸入文件：

• Base Dataset：以空格分割的SNP關(guān)聯(lián)分析文件（association analysis results for SNPs）
  必須要有的幾列是：SNP, A1, OR or BETA, P，其他幾列不是必須要的，如下圖：
  對于分類型表型提供OR值

  
  
  image.png
  
  

  對于連續(xù)型表型提供beta值

  
  
  
  如果表頭沒有以上述名稱命名，必須用參數(shù)--chr, --A1, --A2, --stat, --snp, --bp, --se, --pvalue指明表頭。
  比如下表：
  
  image.png
  
  參數(shù)可以這樣設置：--snp SNP --chr CHR --bp BP --A1 A1 --A2 A2 --stat OR --se SE --pvalue P
  

  或者：--snp 0 --chr 1 --bp 2 --A1 3 --A2 4 --stat 5 --se 6 --pvalue 7 --index

如果文件中含有imputation info score 或者MAF，可以用--info-base <Info Name>,<Info Threshold> 和 --maf-base <MAF Name>,<MAF Threshold>參數(shù)對SNP進行過濾。
也可以對case/control分別進行過濾 --maf-base <Name for Control>,<Threshold for Control>:<Name for Case>,<Threshold for Case>

• Target Dataset 是plink產(chǎn)生的二進制文件.bed, .bim, 和 .fam file

• 如果fam文件沒有表型數(shù)據(jù)，可以另外提供Phenotype files，加上參數(shù)--pheno-file就可以了。
  表型文件格式為FID IID pheno，以空格或tab鍵隔開，缺失值用NA或-9表示。也可以用--pheno-col A,B,C,D指定多個表型。

• LD reference
  當目標樣本數(shù)量較少(e.g. < 500 samples)時，可以用reference panel來提高LD評估水平，參數(shù)為--ld <LD refernce>

• Clumping
  PRSice會自動評估SNP的距離并移除高LD的SNP，參數(shù)：--clump-kb, --clump-r2， --clump-p、--no-clump

• PRS calculation
  PRS計算可以有不同的model如 (e.g. add, dom, het, rec)

• 樣本基因型缺失，參數(shù)--missing;
  If --missing NO_MEAN_IMPUTATION is set, the SNP for the missing samples will be excluded. Alternatively, if --missing CENTER is set, all PRS calculated will be minused by the MAF of the SNP (therefore, missing samples will have PRS of 0).

輸出結(jié)果：

• Bar Plot，一般命名為[Name]BARPLOT[date].png，bar plot displaying the model fit of the PRS at P-value threshold as indicated by --bar-levels， The tallest bar indicates the best fit polygenic risk score (PRS) for the disease，only variants exceeding a P-value threshold, PT, are included，本例中最高的bar對應的P的閾值為4.7*10-18，該閾值可以解釋約5%的疾病變異。

image.png

• High Resolution Plot, 一般命名為[Name]HIGH-RES_PLOT[date].png，This plot present the model fit of PRS calculated at all P-value thresholds. 最高點代表best-fit PRS
  

  image.png

• Quantile Plots，[Name]QUANTILE_PLOT[date].png，The quantile plot provide an illustration of the effect of increasing PRS on predicted risk of phenotype.
  

  image.png

• 示例：對于分類變量來說：

Rscript PRSice.R --dir . \
    --prsice ./PRSice \
    --base TOY_BASE_GWAS.assoc \
    --target TOY_TARGET_DATA \
    --thread 1 \
    --stat OR \
    --binary-target T

• 對于連續(xù)型變量

Rscript PRSice.R --dir . \
    --prsice ./PRSice \
    --base TOY_BASE_GWAS.assoc \
    --target TOY_TARGET_DATA \
    --thread 1 \
    --stat BETA \
    --beta \
    --binary-target F

參考：1. A guide to performing Polygenic Risk Score analyses

2. GitHub - choishingwan/PRSice: A software package for calculating, applying, evaluating and plotting the results of polygenic risk scores https://github.com/choishingwan/PRSice/
3. https://choishingwan.github.io/PRSice/step_by_step/