3步搞定GWAS中的Gene Set Analysis

GWAS中的Gene Set Analysis, 简称GSA分析，是从基因或者通路水平来进行关联分析，是建立在SNP水平的的GWAS分析结果基础上的，在更高的层次进行深入挖掘，以发现更加有用的信息。MAGMA是进行GSA分析的一款工具，其官网如下

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

该软件的安装过程如下

wget https://ctg.cncr.nl/software/MAGMA/aux_files/NCBI37.3.zip
unzip NCBI37.3.zip

其分析步骤共分为以下三大步

1. annotation

第一步是一个预处理步骤，将SNP位点映射到基因上去。根据SNP的染色体位置进行判断，如果落在了某个基因内，则映射到该基因上，当然也支持基因区间的延伸，比如想将基因启动区的SNP也纳入研究范围，可以通过参数将基因的区间在上下游进行拓展，基本用法如下

需要两个输入文件，第一个文件是SNP的染色体位置， 对应参数snp-loc, 这个文件可以有两种格式，一种就像上述示例一样，直接采用plink中后缀为.bim的文件，当我们有plink格式的原始数据时，采用这种方法非常方便，第二种是纯文本格式，要求前3列分别为SNP ID, 染色体名称，染色体位置，有这3列就够了，其他列信息会被忽略。

第二个是基因的染色体位置，对应参数gene-loc, 对于human而言，官网提供了3种基因组版本的该文件

该文件的内容示意如下

第一类为基因的Entrez ID, 第二列为染色体，第三列为转录起始，第四列为转录终止，前四列信息是必须的，第五列是基因的正负链，第六列是gene symbol。

运行成功后，会生成后缀为genes.annot的文件，内容如下

第一列为基因的Entrez ID, 第二列为染色体位置，其他列为对应的SNP ID，该软件的文本文件都用制表符\t分隔。如果需要拓展基因的区间，用法如下

上述用法表示在原来的基础上，上游延伸5kb, 下游延伸1.5kb。

2. gene analysis

基因水平的分析建立在SNP分析的基础上，该软件支持两种模式，第一种直接从原始的分型结果开始，第二种从GWAS分析结果，也就是SNP的P值开始，基本用法如下

bfile参数表示原始的分型结果，对于从SNP开始的分析，这个参数使用对应人群的分型结果即可，官网提供了1000G的数据供下载

gene-annot参数为第一步产生的SNP和基因的映射关系，pval参数为SNP对应的p值，格式如下

制表符分隔的两列，第一列为SNP的ID,第二列为对应的p值，输出文件后缀为genes.out, 内容示意如下

同时还会产生一个后缀为genes.raw的文件，用于后续的gene set分析。

3. gene set analysis

在基因分析的基础上，进行基因集的分析，基本用法如下

gene-results参数为第二步产生的文件，set-annot代表基因集，有如下两种格式

SET1表示基因集的名称，可以是pathway的编号，对应的基因集合用Entrez ID表示，输出结果后缀为.gsa.out, 内容示意如下

通过以上3步，就可以搞定GSA分析，该软件还支持添加协变量以及自变量间的相互作用，更多用法请参考官方文档。