作者：Bio_gevin
審稿：童蒙
編輯：amethyst

隨著全基因組關(guān)聯(lián)分析使用樣本數(shù)量的增加，人們也逐漸認(rèn)識到很多感興趣的性狀在本質(zhì)上是由微效多基因控制。單個SNP的關(guān)聯(lián)分析難以捕獲顯著性的結(jié)果，這種以基因?yàn)閱挝?、以功能通路為單位或者以其他具有生物學(xué)意義的SNP聚集的方式的關(guān)聯(lián)分析應(yīng)運(yùn)而生，這也是對僅以SNP-based關(guān)聯(lián)分析的一種很好的補(bǔ)充。

隨著接觸復(fù)雜疾病相關(guān)研究，經(jīng)常會查詢相關(guān)文獻(xiàn)，而MAGMA（Multi-marker Analysis of GenoMic Annotation）在高分文獻(xiàn)中高頻出現(xiàn)。

MAGMA包括三個功能模塊：
①注釋步驟，將SNP map到基因中；
②基于基因關(guān)聯(lián)分析，計算基于基因和性狀的關(guān)聯(lián)顯著性，在這又可以分為兩個部分，一種是基于raw data的gene-based關(guān)聯(lián)分析，另一種是基于SNP pvalue的gene-based關(guān)聯(lián)分析；
③基于基因集的關(guān)聯(lián)分析。

GWAS summary statistics格式介紹

GWAS summary statistics格式在關(guān)聯(lián)分析中經(jīng)常使用，很多軟件基于該種格式數(shù)據(jù)來實(shí)現(xiàn)功能，也會有一些軟件設(shè)置了使用該種格式數(shù)據(jù)的接口，因此有必要簡單介紹一下各列的含義，如下圖：

MAGMA軟件使用

SNP注釋

MAGMA軟件第一步是SNP注釋步驟，輸入的文件是bim文件（plink格式文件）和基因的位置信息。
magma --annotate --snp-loc [SNPLOC_FILE] --gene-loc [GENELOC_FILE] --out [OUTPUT_PREFIX]
①SNP位置信息文件應(yīng)該包含三列，即前三列為SNP ID, chromosome, 和base pair position，如果是plink產(chǎn)出的bim文件就不需要修改了，plink的bim文件格式如下：（染色體，SNP ID，unknown，BP，ref和alt）

基于基因的分析

基于基因的分析可以分為兩個部分：基于原始數(shù)據(jù)的基因分析和基于SNP p-value數(shù)據(jù)的基因分析。

基于原始數(shù)據(jù)的基因分析，輸入的是原始文件bed/.bim/.fam（可直接輸入名字，不用加后綴）；上一步輸出的結(jié)果.annot文件。
magma --bfile [DATA] --gene-annot [ANNOT_PREFIX].genes.annot --out [GENE_PREFIX]

基于SNP p-value數(shù)據(jù)的基因分析，--pvalue參數(shù)需要指定SNP pvalue文件。

magma --bfile [DATA] --gene-annot [ANNOT].genes.annot --pval [PVAL_FILE] N=[N] 
magma --bfile [DATA] --gene-annot [ANNOT].genes.annot --pval [PVAL_FILE] ncol=[N_COL]

基于原始數(shù)據(jù)的基因分析
其中DATA必須為plink格式文件，[DATA].bed, [DATA].bim和[DATA].fam files；默認(rèn)是使用PCA回歸基因分析模型。
magma --bfile /GWAS/split_chr/Middle/chr1 --gene-annot gevin.genes.annot --out gevin_gene_based_rawdata
基于SNP p-value數(shù)據(jù)的基因分析
magma --bfile /GWAS/split_chr/Middle/chr1 --gene-annot gevin.genes.annot --pval SNPassocFisher.result use=2,8 N=170 --out gevin_gene_based
參數(shù)分別為：

• –gene-annot：注釋文件；
• –pval：GWAS結(jié)果；
• N:樣本數(shù)；
• use=1,3: 表示GWAS結(jié)果中snpID位于第1列，P值位于第3列；
• ncol=[N_COL]，ncol和N都是用去指定樣本數(shù)，N只能統(tǒng)一指定一個值，對于case-control總體的數(shù)目，而對于分析X和Y染色體上的位點(diǎn)時，可能需要兩個樣本值；而對于meta分析時，每個SNP都對應(yīng)著不同的樣本數(shù)，因此會用到多個樣本值，ncol就可以指定SNP對應(yīng)樣本數(shù)的列。ncol參數(shù)是被推薦。

注意：
a：MAGMA提供同義SNP（需要依據(jù)dbSNP，一些不同的rs IDs已經(jīng)合并成為一個ID）處理
b：指定gene-based分析的模型，主要有三個：

• the principal components regression (linreg) model
• the SNP-wise Mean (snp-wise=mean) model
• the SNP-wise Top 1 (snp-wise=top) model
  對于Gene analysis on raw genotype data分析應(yīng)用的模型默認(rèn)是linreg，而對于使用--pval參數(shù)的分析，默認(rèn)使用的模型是snp-wise=mean。

產(chǎn)出結(jié)果的解讀

• GENE：第一步注釋完之后的基因ID；
• CHR：基因位于的染色體；
• START/STOP：染色體上基因的注釋邊界；
• NSNPS：注釋到該基因的SNP數(shù)量；
• NRARE：被分類為罕見變異的SNP數(shù)量；
• NPARAM：模型中使用的相關(guān)參數(shù)的個數(shù)；
• N：樣本量；
• ZSTAT：基因的z值；
• P：基因的p值；
• RSQ/RSQ_ADJ：模型的R2和調(diào)整后的R2值。

基于基因集的分析

基因集分析可以更加直觀的展示出基因的哪些功能和生物學(xué)特性是與特定表型相關(guān)的，而基因具有多種特性，這些特性在不同基因中通常是相關(guān)的，容易在基因集關(guān)聯(lián)分析引入混淆，MAGMA在基因集分析中有了很大功能提升。

magma --gene-results [GENE_RESULTS].genes.raw --set-annot [SET_FILE] --out [OUTPUT_PREFIX] 
MAGMA/magma --gene-results gevin_gene_based.genes.raw --set-annot synapse.sets col=1,2 --out gevin_geneset_based

其中：

• –gene-results：基于基因分析產(chǎn)生的.genes.raw文件；
• -set-annot [file] col=1,2：基因集文件，第一列g(shù)eneID，第二列基因所屬set（可以是KEGG或者GO條目等基因通路）。
  產(chǎn)出結(jié)果的解讀
  
  
  每列分別為：
• VARIABLE: 基因集名稱；
• TYPE: 類型；
• NGENES: 基因集中基因數(shù)目；
• BETA: 變量回歸系數(shù)；
• BETA_STD: 半標(biāo)準(zhǔn)化回歸系數(shù)，對應(yīng)于預(yù)測基因集/基因協(xié)變量中一個標(biāo)準(zhǔn)偏差的變化時預(yù)測 Z 值的變化（即 BETA 除以變量的標(biāo)準(zhǔn)偏差）；
• SE: 回歸系數(shù)的標(biāo)準(zhǔn)誤；
• P: 基于基因集分析的p-value。

總結(jié)

MAGMA軟件輸入數(shù)據(jù)既可以是原始數(shù)據(jù)也可以是關(guān)聯(lián)分析結(jié)果數(shù)據(jù)，既可以進(jìn)行g(shù)ene-based分析挖掘特定表型相關(guān)的基因，也可以進(jìn)行生物通路水平的分析，在充分使用測序數(shù)據(jù)和表型的同時也豐富了我們的分析結(jié)果。

參考文獻(xiàn)

https://ctg.cncr.nl/software/magma