一此虑、什么是LDSC阔拳？
image.png
-
LDSC纱烘，LD分?jǐn)?shù)回歸稳诚，2015年由
Brendan K Bulik-Sullivan提出的方法载荔，旨在從樣本量日益增加的GWAS結(jié)果的inflation中辨別confounding（混雜因素）還是polygenicity（多基因效應(yīng)）。
二采桃、LDSC模型介紹
- LDSC認(rèn)為懒熙，與
causal variant處于LD的變異（即共享一定的遺傳背景），該變異位點(diǎn)的測試統(tǒng)計(jì)量會(huì)因?yàn)槠渑ccausal variant的LD程度（通常以r2表示）而升高普办，且這種升高是成比例的工扎。 - 與家系相關(guān)性（cryptic relatedness）或群體結(jié)構(gòu)（population stratification）導(dǎo)致的測試統(tǒng)計(jì)量膨脹不同，這些因素不依賴于LD衔蹲，而是由于共同遺傳背景肢娘、遺傳漂變等引起的統(tǒng)計(jì)量膨脹。這種膨脹不會(huì)與LD有相關(guān)性舆驶。
- 因此橱健，LDSC通過SNP的LD分?jǐn)?shù)構(gòu)建了一個(gè)線性模型，來表征測試統(tǒng)計(jì)量的膨脹情況沙廉。同時(shí)拘荡，還能計(jì)算該
trait的遺傳力。
其中撬陵，為該SNP j 的LD score總和珊皿，左邊為
2，N為樣本量巨税，M為SNP數(shù)量蟋定，h2為該trait的遺傳力，a為混雜因素（confounding）草添。因此驶兜，它本質(zhì)上是個(gè)線性回歸模型，該模型有兩個(gè)未知數(shù) h2 和 a，通過擬合得到最適的 h2 和 a抄淑。
image.png
三犀盟、LDSC分析實(shí)踐
1、數(shù)據(jù)格式轉(zhuǎn)換
數(shù)據(jù)格式需要轉(zhuǎn)換成它要求的sumstat.gz格式蝇狼，使用hapmap3的SNP進(jìn)行（LDSC提供了）
python munge_sumstats.py --sumstats ${gwas} \
--merge-alleles ${SNPlist} \
--chunksize 500000 \
--a1 A1 \
--a2 A2 \
--out ${gwas}_ldsc
# --a1 effect allele a2 is another allele
2阅畴、估計(jì)遺傳力及判斷confounding
對(duì)于連續(xù)性狀，只需如下計(jì)算
python ldsc.py --h2 ${gwas}_ldsc.sumstats.gz \
--ref-ld-chr ${REF_LD_CHR} \
--w-ld-chr ${REF_LD_CHR} \
--out ${gwas}_h2
# --ref-ld-chr 參考的LD score文件
對(duì)與二元性狀迅耘，即疾病性狀贱枣，需將其轉(zhuǎn)換成libility scale
python ldsc.py --h2 ${gwas}_ldsc.sumstats.gz \
--ref-ld-chr ${REF_LD_CHR} \
--w-ld-chr ${REF_LD_CHR} \
--out ${gwas}_h2 \
--samp-prev 0.297 \
--pop-prev 0.1
# --pop-prev 為患病率
# --samp-prev 該summary data中的患病率
