专业PRS

2020-05-01 多基因风险评分PRS分析

2020-05-01  本文已影响0人  程凉皮儿

参考学习资料：

https://mp.weixin.qq.com/s/ou9MfogMJJV00S6lZpNGqQ

多基因风险评分PRS分析

目前的主流的 GWAS 分析使用单一变异关联分析，但这一般需要非常大的样本量才可以进行。

相比之下，PRS（多基因风险评分）分析并非仅识别单个 SNP，而是将整个基因组中的遗传风险汇总到一个多基因评分中（ 简化示例请参见图1 ）。

在这种方法中，需要大量的检测样本才能确定每个 SNP 的权重。随后，在样本量较小的独立目标样品中，基于遗传 DNA 图谱和这些权重计算多基因得分。根据经验，需要大约 2,000 名受试者的目标样本才有足够的 power 来识别所解释的很大一部分方差。此外，观测数据集和目标样本应具有相同数量的样本。如果有更多样本可用，这些样本应该包括在观测样本中，以最大程度地估计效应量。

虽然 PRS 不足以在个体水平上预测疾病风险，但它已成功用于显性性状内和性状间的重要关联。

例如，对精神分裂症的 PRS 分析首次发现，根据常见 SNP（来自观测样本）的影响估算出的发展为精神分裂症的遗传风险的总体表现为与疾病发生风险显著相关，同时在目标样本中也表现与精神分裂症风险相关。尽管可用的样本量太小无法检测出全基因组范围内的重要SNP，但通过这种分析仍发现了显著的相关性。

此外，用于精神分裂症的 GWAS（观测样本）分析已被用于预测具有多种表型的目标样本中的遗传风险，例如双相情感障碍等等。

image-20200429151402950.png

图1 将三个单核苷酸多态性（SNP）汇总为一个多基因风险评分（PRS）的例子。权重可以是 beta 或比值比的对数，具体取决于分析的是数量性状还是二元性状。

为了进行 PRS 分析，从发现集 GWAS 获得特定表型的权重（数量性状的 beta 值和二元性状的比值比的对数）。在目标样本中，将根据他或她携带的风险等位基因数量的加权总和乘以特定性状权重，为每个个体计算 PRS。对于许多复杂的性状，SNP 效应大小已经公开（例如，参阅 https://www.med.unc.edu/pgc/downloads）。

尽管原则上所有常见的 SNP 都可以用于 PRS 分析中，但习惯上先将 GWAS 结果 clump（ 参见 clumping ），然后再计算风险评分。p 值的阈值通常用于删除几乎没有或没有关联证据的 SNP（ 例如，仅保留 p 值<0.5 或 <0.1 的SNP 。通常，我们会执行多个 PRS 分析，选取多个阈值。

进行多基因风险预测分析

一旦为目标样品中的所有个体计算了 PRS，就可以将这些分数用于（逻辑）回归分析中，以预测任何预期与目标性状表现出遗传相似的性状。预测精度可以通过回归分析的 (pseudo‐)R^2 表示。重要的是，在回归分析中至少包含一些 MDS 成分作为协变量，以校正群体分层。为了估计有多少变化可以由 PRS 所解释，可以把包括协变量（例如，MDS组分）模型的R^2 和包括协变量+PRS 的模型 R^2进行比较。若由于 PRS 而导致 R^2 增加就说明遗传风险因素增加了预测的精度。

PRS 的预测准确性主要取决于所分析特征的（共）遗传性，SNP 数量和discovery 样本的大小。目标样本的大小仅影响 R^2 的可靠性，如果感兴趣特征的（共）遗传性以及使用的 discovery 样本的大小足够大，即使是样本量为几千的目标样本也可以获得一个显著的 R^2。PRS 计算 power 的代码参考：https://sites.google.com/site/fdudbridge/software 。

PRSice[1] 是一个进行 PRS 分析的程序。它会进行 clumping，设定 p 值阈值，MDS 成分，并绘制图表。下面的教程将介绍用 PRSice 进行 PRS 分析，参考 https://github.com/MareesAT/GWA_tutorial/ （4_PRS.doc）。其他可进行 PRS 分析的软件，例如 PLINK（‐‐score）和 LDpred 。

PRSice-2 安装

#wget https://github.com/choishingwan/PRSice/releases/download/2.2.11/PRSice_linux.nightly.zip
#unzip PRSice_linux.nightly.zip
OSX 64-bit: 
wget https://github.com/choishingwan/PRSice/releases/download/2.2.11/PRSice_mac.nightly.zip
# Windows 32-bit: https://github.com/choishingwan/PRSice/releases/download/2.2.11/PRSice_win32.nightly.zip
# Windows 64-bit: https://github.com/choishingwan/PRSice/releases/download/2.2.11/PRSice_win64.nightly.zip

unzip PRSice_mac.nightly.zip

# 下载需要安装的 R 包
Rscript PRSice.R --dir .

使用 PRSice 进行 PRS 分析

这里用 PRSice 自带的示例数据为例。

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

按照教程进行探索：

(base) bogon:PRSice_mac chelsea$ Rscript PRSice.R --dir . --prsice ./PRSice_mac   --base TOY_BASE_GWAS.assoc     --target TOY_TARGET_DATA     --thread 1     --stat OR     --binary-target T
PRSice 2.2.13 (2020-03-10)
https://github.com/choishingwan/PRSice
(C) 2016-2020 Shing Wan (Sam) Choi and Paul F. O'Reilly
GNU General Public License v3
If you use PRSice in any published work, please cite:
Choi SW, O'Reilly PF.
PRSice-2: Polygenic Risk Score Software for Biobank-Scale Data.
GigaScience 8, no. 7 (July 1, 2019)
2020-04-29 16:01:27
./PRSice_mac \
    --bar-levels 0.001,0.05,0.1,0.2,0.3,0.4,0.5,1 \
    --base TOY_BASE_GWAS.assoc \
    --binary-target T \
    --clump-kb 250kb \
    --clump-p 1.000000 \
    --clump-r2 0.100000 \
    --interval 5e-05 \
    --lower 5e-08 \
    --num-auto 22 \
    --or  \
    --out PRSice \
    --seed 2741587729 \
    --stat OR \
    --target TOY_TARGET_DATA \
    --thread 1 \
    --upper 0.5

Initializing Genotype file: TOY_TARGET_DATA (bed)

Start processing TOY_BASE_GWAS
==================================================

Reading 100.00%
Base file: TOY_BASE_GWAS.assoc
91062 variant(s) observed in base file, with:
2226 variant(s) located on haploid chromosome
88836 total variant(s) included from base file

Loading Genotype info from target
==================================================

2000 people (1024 male(s), 976 female(s)) observed
2000 founder(s) included

2226 variant(s) not found in previous data
88836 variant(s) included

There are a total of 1 phenotype to process

Start performing clumping

Clumping Progress: 100.00%

Number of variant(s) after clumping : 88836

Processing the 1 th phenotype
Phenotype is a binary phenotype
1000 control(s)
1000 case(s)

Preparing Output Files

Start Processing
Processing 100.00%
There are 1 region(s) with p-value less than 1e-5. Please
note that these results are inflated due to the overfitting
inherent in finding the best-fit PRS (but it's still best
to find the best-fit PRS!).
You can use the --perm option (see manual) to calculate an
empirical P-value.

Begin plotting
Current Rscript version = 2.2.12
Plotting Bar Plot
Plotting the high resolution plot
(base) bogon:PRSice_mac chelsea$ ls
PRSice.R                            PRSice_mac
PRSice.best                         PRSice_mac.Rproj
PRSice.log                          TOY_BASE_GWAS.assoc
PRSice.prsice                       TOY_TARGET_DATA.bed
PRSice.summary                      TOY_TARGET_DATA.bim
PRSice_BARPLOT_2020-04-29.png       TOY_TARGET_DATA.fam
PRSice_HIGH-RES_PLOT_2020-04-29.png TOY_TARGET_DATA.pheno

这个运行结果非常赞，写论文的时候可以直接使用这里的描述了！！！

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

运行结果如下：

(base) bogon:PRSice_mac chelsea$ Rscript PRSice.R --dir . --prsice ./PRSice_mac --base TOY_BASE_GWAS.assoc --target TOY_TARGET_DATA --thread 1 --stat BETA --beta
PRSice 2.2.13 (2020-03-10)
https://github.com/choishingwan/PRSice
(C) 2016-2020 Shing Wan (Sam) Choi and Paul F. O'Reilly
GNU General Public License v3
If you use PRSice in any published work, please cite:
Choi SW, O'Reilly PF.
PRSice-2: Polygenic Risk Score Software for Biobank-Scale Data.
GigaScience 8, no. 7 (July 1, 2019)
2020-04-29 16:04:46
./PRSice_mac \
    --bar-levels 0.001,0.05,0.1,0.2,0.3,0.4,0.5,1 \
    --base TOY_BASE_GWAS.assoc \
    --beta  \
    --binary-target F \
    --clump-kb 250kb \
    --clump-p 1.000000 \
    --clump-r2 0.100000 \
    --interval 5e-05 \
    --lower 5e-08 \
    --num-auto 22 \
    --out PRSice \
    --seed 2105946812 \
    --stat BETA \
    --target TOY_TARGET_DATA \
    --thread 1 \
    --upper 0.5

Error:
Execution halted

不知出了什么问题，程序运行过程中断，也没有读懂提示，可能是缺了什么？

base 参数是指具有基本 base 样本（也称为发现样本或训练样本）的统计信息文件。 这些汇总统计信息包含每个遗传变异的效应值和 p 值。target 参数是指 target 样本二进制 plink 格式的基因型数据前缀，也支持 BGEN 格式。 base 样本和 target 样本也称为验证样本和测试样本，target 样本应独立于 base 样本。

为简单起见，我们在此分析中未包括主成分以及其他协变量，但在进行您自己的分析时，我们强烈建议添加协变量进行分析。

解释结果

默认情况下，PRSice 会输出两个图和几个文本文件。第一个图是PRSice_BARPLOT_.png （图2）。此图显示了不同阈值得到的关联结果对应的 R2 分布。 如图2 所示，使用 p 值 0.4463 的模型在目标样品中的 p 值最高，为 4.7*10-18 。 但通常样本量较小的多基因风险评分分析的预测值相对较低（ R2 约为5％）。

PRSice_BARPLOT_2020-04-29.png

图2 PRSice 条形图

第二个图是 PRSice_HIGH-RES_PLOT_ .png（图3）显示了许多不同的 p值阈值，以及对应 R2 的 p 值（黑点），绿线为趋势线。y 轴最高点代表最优解。

PRSice_HIGH-RES_PLOT_2020-04-29.png

图3 PRSice 高分辨率图

这两个图均表明，许多影响 base 样本性状的 SNP 可用于预测 target 样品中的性状。 注意，这两个性状可以相同也可以不同。 如果使用相同的性状，则预测值与该性状的遗传性（以及 base 样本的样本量）有关。 如果分析不同的性状，则预测值与两个性状之间的遗传重叠有关。无论哪种方式，多基因风险评分分析通常都表明，宽松 p 值阈值的模型通常比更严格阈值的模型有更好的预测能力，这表明许多统计学上无关紧要的 SNP 在多基因性状上具有预测价值。

文本文件则详细记录了每个 p 值的 R2。

# 不同阈值对应的 SNP 数量，SNP 解释度，回归系数
(base) bogon:PRSice_mac chelsea$ head PRSice.prsice
Set Threshold   R2  P   Coefficient Standard.Error  Num_SNP
Base    0.00025005  0.0133696   8.43169e-06 -0.197266   0.0442903   2
Base    0.00030005  0.00824473  0.000456434 -0.225204   0.0642503   3
Base    0.00040005  0.0089725   0.000256089 -0.350267   0.0958035   5
Base    0.00045005  0.0101339   0.000102845 -0.445497   0.114707    6
Base    0.00065005  0.00532975  0.004775    -0.402003   0.142462    8
Base    0.00070005  0.00876654  0.00030122  -0.549246   0.151967    9
Base    0.00080005  0.00233607  0.061455    -0.369219   0.197422    13
Base    0.00085005  0.00153157  0.129826    -0.342923   0.226384    15
Base    0.00095005  0.000124324 0.665873    -0.100725   0.233258    16

# 最佳阈值的分析结果
(base) bogon:PRSice_mac chelsea$ head PRSice.summary
Phenotype   Set Threshold   PRS.R2  Full.R2 Null.R2 Prevalence  Coefficient Standard.Error  P   Num_SNP
-   Base    0.4463  0.0520082   0.0520082   0   -   86.288  9.96331 4.69368e-18 36759

# 每个个体的分值
(base) bogon:PRSice_mac chelsea$ head PRSice.best
FID IID In_Regression PRS
CAS_1 CAS_1 Yes -0.00599501328
CAS_2 CAS_2 Yes -0.00631017938
CAS_3 CAS_3 Yes -0.00227495325
CAS_4 CAS_4 Yes -0.00204360007
CAS_5 CAS_5 Yes -0.000830676955
CAS_6 CAS_6 Yes -0.00224943517
CAS_7 CAS_7 Yes -0.000687589983
CAS_8 CAS_8 Yes -0.00413102565
CAS_9 CAS_9 Yes 0.00256661049

名词解释

引用参考：

[1] http://www.prsice.info/step_by_step/
[2] https://www.nature.com/articles/4000662
[3] https://baike.baidu.com/item/%E5%93%88%E8%BF%AA-%E6%B8%A9%E4%BC%AF%E6%A0%BC%E5%AE%9A%E5%BE%8B/6265394?fr=aladdin

上一篇 下一篇

猜你喜欢

热点阅读