FINEMAP：使用GWAS摘要数据进行无功能注释数据的精细定位（Fine-mapping）

介绍

全基因组关联分析（GWAS）是非常流行的定位表型或疾病遗传位点方法。不过很多情况下，GWAS 发现的最显著的 SNP（top SNP 或者 index SNP）并不是真正造成影响的causal SNP（因果SNP），而是因为跟 causal SNP 之间存在的 LD 而变得显著。因而，后续还需要对结果进行 fine-mapping（精细定位），把 causal SNP找到。

如果想了解更多 fine-mapping 的知识，推荐看看 Nature Reviews Genetics From genome-wide associations to candidate causal variants by statistical fine-mapping 这篇综述。

方法

常用的 fine-mapping 方法有 PAINTOR、eCAVIAR等。这些方法利用了 Roadmap、ENCODE 或者 GTEx 的功能注释数据，效果不错。然而，这些方法一般需要其他组学注释数据的辅助。如果研究对象是动物或者植物，而没有可以利用的组学数据，那怎么办？

无注释数据时，可以选择 CAVIAR、CAVIARBF、SNPtest等方法。不过，这些方法用了穷举搜索，速度上堪忧。

这里推荐 FINEMAP，它可以用于：

1. 识别因果SNP(causal SNP)
2. 估计因果SNP的效应大小
3. 估计因果SNP的遗传贡献

FINEMAP 的统计模型类似于 CAVIAR 和 CAVIARBF，但算法上有一个很大的区别。FINEMAP 使用shotgun stochastic search（SSS）算法，与 CAVIARBF 的穷举搜索算法相比速度提高了非常多，避免计算量大的穷举搜索。PAINTOR 也可在无注释数据时使用，但相比而言 FINEMAP 的结果会更准确。

另外，FINEMAP 有一个方便的地方是，在设定好最大causal SNPs 数量 k 后，得到的结果包含了 1 到 k 个不同 causal SNPs 的后验概率以及各个 causal SNPs 数量的概率，非常方便进行后续的分析。

下载

可在 http://www.christianbenner.com 根据自己的系统平台选择编译好的文件。以 Linux 为例：

wget http://www.christianbenner.com/finemap_v1.4_x86_64.tgz
tar -xzvf finemap_v1.4_x86_64.tgz

解压后文件夹中的 finemap_v1.4_x86_64 可直接执行。

输入文件

FINEMAP 的输入需要 master 文件，z 文件和 ld 文件。如果有 5 个不同的显著位点，那么需要 1 个 master 文件和 5 个不同的 z文件 和 ld 文件。

另外，如果有每个 SNP 的先验概率，则可以提供对应的 k 文件。k 文件属于可选项，不提供的话 FINEMAP 会假定每个 SNP 的先验概率为 1。如果想要更准确，并且研究对象是人类，推荐使用 PolyFun 利用功能注释数据计算出先验概率，提供给 FINEMAP 让 fine-mapping 结果更可靠。这篇教程介绍的是无功能注释数据时的 fine-mapping，不会对 PolyFun 的使用进行介绍。

因为每个人的数据格式不太一样，这里仅说明每个文件的格式要求，操作的时候需要根据实际情况自己写脚本生成相应文件。

Z file

一个用空格分隔的文本文件，包含需要分析区域的 GWAS summary statistics 信息，每行一个SNP。文件必须包含列名，每一列分别是：

rsid：SNP 名字
chromosome：染色体名称，性染色体的名字与 precomputed SNP correlations 文件保持一致即可
position：物理位置
allele1：effect allele，在 FINEMAP 中特指 minor allele
allele2：reference allele，在 FINEMAP 中特指 major allele
maf：minor allele （allele1）频率
beta：GWAS结果的 effect sizes
se：the standard errors of effect sizes

例子：

rsid chromosome position allele1 allele2 maf beta se
rs1 10 1 T C 0.35 0.0050 0.0208
rs2 10 2 A G 0.04 0.0368 0.0761
rs3 10 3 G A 0.18 0.0228 0.0199

LD file

一个用空格分隔的文本文件，当中是SNPs的相关性矩阵（correlation matrix）。FINEMAP 官方文档建议计算皮尔逊相关系数，不过文献中未特别指出矩阵的计算方法。如果要方便点，也可以用 plink 的 --r square 计算出 r matrix，效果差不多。

例子：

1.00 0.95 0.98
0.95 1.00 0.96
0.97 0.96 1.00

注意，SNP 顺序必须与 Z 文件中的顺序保持一致

Master file

分号分隔的文本文件，不包含空格。这个文件记录的是数据集和配置参考。第一行是列名，后续每一行是一个数据集和对应的参数。文件每一列分别是：

z：Z 文件的名称（输入）
ld：LD 文件的名称（输入）
bcor：BCOR 文件的名称（输入）
snp：结果输出 SNP 文件的名称（输出）
config：结果输出 CONFIG 文件的名称（输出）
cred：结果输出 CRED 文件的名称（输出）
n_samples：GWAS 样本数量
k：K 文件的名称（可选输入，可忽略）
log：LOG文件的名称（可选输出，可忽略）

ld 列和 bcor 列二选一，如果 ld 信息是用纯文本表示的矩阵，填入 ld 文件即可。

举例,分别计算两个数据集的 master 文件如下所示：

z;ld;snp;config;cred;log;n_samples
dataset1.z;dataset1.ld;dataset1.snp;dataset1.config;dataset1.cred;dataset1.log;5363
dataset2.z;dataset2.ld;dataset2.snp;dataset2.config;dataset2.cred;dataset2.log;5363

运行

以程序中的示例数据为例：

运行 shotgun stochastic search 方法的 fine-mapping：

./finemap_v1.4_x86_64 --sss --in-files example/data --dataset 1

–infiles 是 master 文件。 –dataset 接的是 master 文件中的行号，行号从 1 开始，填入 1 代表使用第 1 行的 z 文件、ld 文件和配置参数进行分析。

除了 shotgun stochastic search，还可以使用 stepwise conditional search 方法，它的逐步条件处理过程类似于 GCTA COJO 中的实现：

./finemap_v1.4_x86_64 --cond --in-files example/data --dataset 2

如果想要了解指定 SNP 是否 causal，可以：

./finemap_v1.4_x86_64 --config --in-files example/data --dataset 1 --rsids rs30,rs11

结果解读

输出结果有 .snp、.cred、.config 三种不同后缀的文件。

.config 记录了分析时选用的参数。

.snp 文件是 model-averaged posterior summaries，每一行是一个 SNP。在假定不同 causal SNPs 数量时会得到不一样的结果，而这个文件包含了所有结果的摘要情况。

.cred 文件最后会带有一个数字，这个数字代表的是 causal SNPs 数量 k。比如，.cred5 是设定 causal SNPs 为5个而得到的计算结果。这个文件中，包含了数量 k 的后验概率和和推断出的 causal SNP 后验概率。

如果对 FINEMAP 的方法不是特别了解，可以只看 .cred 文件中的结果，从中选出 k 值和相应的 causal SNPs。

总结

FINAMAP 的速度非常快。经过实践，在 6000 个样本的情况下，截取 top SNPs 上下游各 3Mb 区域进行分析，设定最大 causal SNPs 数量为 10，每一个区域的计算时间大概 20 分钟，内存占用非常小。在显著位点很多的时候，FINEMAP 的优势体现出来了。