转自生信草堂
GWAS找到大量的SNP，可是可以解释生物学功能的SNP位点却是很有限的。其结果让人看得眼花缭乱，但是单个SNP功能做不出怎么破？别担心，本文给你新思路。
从GWAS的结果中找到具有潜在功能性的基因一直的遗传学研究的重点。以往的经验告诉人们，离最显著SNP最近的基因的易感性最大，但越来越多的证据表明这种经验并不十分可靠。随着越来越多的SNP在非编码区被发现，并且通过远端或近端调控机制影响特定基因的表达，人们有理由相信那些由SNP调控的基因表达改变是影响性状的一个重要机制。因此，来自芝加哥大学的研究者们就开发了一个gene-based关联分析软件——PredicXcan
一、PrediXcan工作原理
作者认为基因表达水平受到三个因素的调控，其中主要的两个是遗传因素和疾病状态（图1）。 PrediXcan的目的是建立起受遗传调控的基因表达与性状之间的关系。
整个工作流程分为两步：（1）估算SNP调控的基因表达水平；（2）建立基因表达水平与性状之间的关联。
第一步中，作者借助类似于机器学习的思想，利用GTEx Project, GEUVADIS 和 DGN数据库中基因型数据和基因表达数据做训练集，然后估算用户导入的基因型数据中缺失的表达数据。一旦得到表达数据，就可建立起基因表达与性状之间的关系。（图2）
二、如何使用PrediXcan
2.1：文件准备
运行PrediXcan需要输入三个文件：转录组预测模型文件，基因型文件和样本信息文件。下面一一介绍。
转录组预测模型文件：该文件不用自己制作，去PredictDB网站下载即可http://predictdb.org/。大家可以根据自己的需要选择不同的组织数据。
基因型文件：该文件每一行表示一个SNP，包含的信息分别为：chromosome rsid position allele1 allele2 MAF，后面的每一列的内容是每一个样本在该SNP allele2的dosage，最好是每一条染色体分开制作文件。
样本信息文件：直接将PLINK的fam文件导入即可。
2.2：基因表达预测
该步骤需要用到PrediXcan 的“predict”功能，代码如下：
$./PrediXcan.py --predict --dosages genotype/ --dosages_prefix chr --samples samples.txt --weights model/DGN-HapMap-2015/DGN-WB_0.5.db --output_prefix results/DGN-HapMap
这一步中，我们在PrediXcan.py脚本存放的目录运行程序，假设我们的基因型文件的名称前缀是“chr”,样本信息文件的名称为“samples.txt”且存放在基因型文件同一目录下。该步骤会生成一个后缀为“predicted_expression.txt”的文件，存放估算的基因表达水平，可直接用于下一步。
2.3：基因表达与性状的关联分析
该步骤需要制作一个额外的表型文件，前两列分别是FID和IID。从第三列起可以存放表型，数据类型可以是分类变量也可以是连续变量，如果是分类变量，0表示unaffected，1表示affected。默认缺失值是NA。如果有多个表型列，可以用参数—mpheno指定要分析的表型位于那一列，如—mpheno 1则表示将文件中第三列作为要分析的表型。
代码如下：
$./PrediXcan.py --assoc --pheno My_pheno.txt --mpheno 1 --pred_exp results/TW_Brain_Frontal_predicted_expression.txt --logistic --output_prefix results/DGN-HapMap
最后奉上PrediXcan在GitHub上的下载地址https://github.com/hakyimlab/PrediXcan。小伙伴们有没有get新技能？快用不同的分析方法，丰富大家的文章内容吧。赶快拿起自己的GWAS数据操练起来~