https://chr1swallace./coloc/index.html

共定位分析通常用于鑒定兩個(gè)表型是否由某一區(qū)域的同一個(gè)causal variant驅(qū)動(dòng)，從而加強(qiáng)兩個(gè)表型之前的關(guān)聯(lián)證據(jù)。這些表型可以是分子表型(如蛋白質(zhì)，mRNA等)，也可以是常見(jiàn)的連續(xù)型性狀(如血壓，BMI等)或二分類疾病(如糖尿病，AD等)。

在給定區(qū)域中，共定位分析的前提假定是兩個(gè)性狀中的每一個(gè)性狀在該區(qū)域最多有1個(gè)真正的causal variant，由此產(chǎn)生了五個(gè)互斥的模型假定(H0-H4)，這五個(gè)模型假定是前提假定下的所有可能的關(guān)聯(lián)情況

共定位分析的過(guò)程中，會(huì)為上面每個(gè)模型產(chǎn)生后驗(yàn)概率(PP.H0-PP.H4)，五個(gè)模型后驗(yàn)概率總和為1，當(dāng)某一模型的后驗(yàn)概率越高，說(shuō)明對(duì)應(yīng)的模型假定在給定數(shù)據(jù)的情況下更有可能成立，當(dāng)然在一般的分析中，我們更希望H4假定成立，因?yàn)镠4模型假定表示兩個(gè)性狀由同一個(gè)causal variant驅(qū)動(dòng)。一般當(dāng)PP.H4>0.75時(shí)(這個(gè)值可視情況調(diào)整)，我們認(rèn)為H4模型假定成立。

H4模型假定成立，說(shuō)明該區(qū)域內(nèi)存在一個(gè)variant是兩個(gè)性狀共享的，但具體是哪個(gè)variant并不清楚，所以共定位分析除了給一個(gè)區(qū)域的五個(gè)模型假定計(jì)算后驗(yàn)概率外，它也對(duì)區(qū)域內(nèi)的每個(gè)SNP計(jì)算SNP的后驗(yàn)概率(SNP.PP.H4)，以評(píng)估哪個(gè)variant是最有可能的causal variant。

For summary data（eQTL，pQTL，GWAS數(shù)據(jù)等）:

二分類表型需要SNP，CHR，BP，A1，A2，BETA，VAR

連續(xù)型表型需要SNP，CHR，BP，A1，A2，BETA，VAR，MAF，N

關(guān)于區(qū)域的選擇：一般這個(gè)區(qū)域在1MB左右即可，這樣保證區(qū)域內(nèi)有幾千個(gè)SNP可以用來(lái)計(jì)算，這個(gè)區(qū)域的選擇一般是包含該區(qū)域在兩個(gè)性狀中的顯著信號(hào)即可，如果是QTL數(shù)據(jù)和GWAS數(shù)據(jù)進(jìn)行共定位，一般這個(gè)區(qū)域由QTL的cis-region決定，如果是對(duì)兩個(gè)性狀的GWAS數(shù)據(jù)進(jìn)行共定位，一般是根據(jù)對(duì)GWAS數(shù)據(jù)clump后的某一區(qū)域的top SNP加減500kb決定。

##################一個(gè)連續(xù)一個(gè)二分類#注意，此代碼僅為示例#################rm(list=ls())library(dplyr)library(coloc)setwd('E:/project/')#讀取數(shù)據(jù)data1 = data.table::fread('./1.DATA/AD',sep = '\t',header=T)data2 = data.table::fread('./1.DATA/BMI',sep = '\t',header=T)
#提取一個(gè)區(qū)域data1 = data1 %>% filter(CHR==9,BP >= 4981602-500000,BP <= 4981602 500000)data2 = data2 %>% filter(CHR==9,BP >= 4981602-500000,BP <= 4981602 500000)
#合并并去重data = merge(data1,data2,by='SNP')data = data[!duplicated(data$SNP),]
#對(duì)齊效應(yīng)等位基因data = data %>% filter((A1.x==A1.y&A2.x==A2.y)|(A1.x==A2.y&A2.x==A1.y)) data = data %>% mutate(BETA.y = ifelse(A1.x==A1.y,BETA.y,-BETA.y))
#計(jì)算方差VARdata$VAR.x = data$SE.x^2data$VAR.y = data$SE.y^2data = data[data$VAR.x!=0 & data$VAR.y!=0 ,]
#拆分整理data1 = data[,c('BETA.x','VAR.x','SNP')]data2 = data[,c('BETA.y','VAR.y','SNP','MAF','N')]colnames(data1)=c('beta','varbeta','snp')colnames(data2)=c('beta','varbeta','snp','MAF','N')data1 = as.list(data1)data2 = as.list(data2)
#聲明表型類型,二分類表型'cc',連續(xù)型表型'quant'data1$type = 'cc'data2$type = 'quant'
#coloc分析，p1,p2,p12為先驗(yàn)概率參數(shù)，下面的值是默認(rèn)參數(shù)res = coloc.abf(data1,data2,p1=1e-4,p2=1e-4,p12=1e-5)