把GWAS数据变成工具能吃的格式：gwasglue连接指南

把GWAS数据变成工具能吃的格式：gwasglue连接指南

【免费下载链接】gwasglueLinking GWAS data to analytical tools in R项目地址: https://gitcode.com/gh_mirrors/gw/gwasglue

先讲一个真实的崩溃现场

凌晨一点，你终于从三个不同课题组要到了GWAS汇总数据。一份是VCF格式，压缩包好几个G；一份是IEU数据库里现成的，用ID就能查；还有一份是老式的文本表，连列名都不统一。

接下来本该顺利做共定位和孟德尔随机化分析。可现实是：你花了大半夜在"格式转换"上——把VCF转成TwoSampleMR要的格式，把文本表对齐到参考等位基因，再手工合并成一张表。真正用来做科学分析的时间，可能不到两小时。

这不是你不够熟练。**问题出在"数据来源"和"分析工具"之间，隔着一道没人替你修的桥。**而 gwasglue 这个R包，就是专门来修这座桥的。

拆穿一个常见的误解

很多人以为"GWAS分析难"，难在统计方法本身。其实方法部分早有成熟包：共定位有coloc，精细定位有FINEMAP和SuSIE，孟德尔随机化有TwoSampleMR，可视化有gassocplot。

真正的痛点在于数据管道。每个分析工具对输入格式的要求都不一样，而每个数据来源输出的字段也千差万别。你缺的不是分析工具，而是一个能"接上"它们的适配器。

gwasglue 的设计思路极其直白：它的每个接插件都是一对函数，命名规则一眼就能看懂——

• ieugwasr_to_coloc：从IEU GWAS数据库取数，喂给coloc
• gwasvcf_to_TwoSampleMR：把VCF格式的GWAS数据，变成TwoSampleMR的标准格式
• gwasvcf_to_finemapr：从VCF提取区域变异和LD矩阵，直接进入精细定位流程

左边是数据源（ieugwasr负责在线查询IEU数据库，gwasvcf负责解析VCF文件），右边是分析工具。中间的_to_，就是gwasglue替你干掉的脏活累活。整个包的核心逻辑，就是这一句话：把"能读数据的包"和"能分析数据的包"焊接起来。

跟着一次共定位走一遍

空讲概念太抽象，我们实际跑一次共定位分析。假设你想知道：**LDL胆固醇的遗传信号，和冠心病的遗传信号，在同一个基因组区域里到底是不是"同一个因果变异"造成的。**这就是共定位（colocalisation）要回答的问题。

如果走IEU数据库通道，核心代码只有三步：

# 1. 指定基因组区域（染色体:位置范围） chrpos <- "1:109317192-110317192" # 2. 一键取数、对齐、转格式 out <- ieugwasr_to_coloc(id1='ieu-a-300', id2='ieu-a-7', chrompos=chrpos) # 3. 交给coloc跑分析 res <- coloc::coloc.abf(out[[1]], out[[2]])

注意到没有？你在第二步根本没写任何"格式处理"代码。两个数据集在指定区域的重叠变异、等位基因对齐、效应量提取、样本量补充，全被ieugwasr_to_coloc包揽了。如果数据源换成VCF文件，只需把函数换成gwasvcf_to_coloc，分析代码一行都不用改。

上图就是分析后直接可出的区域关联图：上方两个面板分别展示两个数据集在同一区域的-log10(p)信号，点的颜色代表与索引变异的连锁不平衡程度（r²），底部是基因注释。你只调用了一行绘图转换函数coloc_to_gassocplot，就能拿到这种发表在论文里都够格的图。

这就是gwasglue的爽点：**接口统一，换来的是分析流程的可复用性。**换个区域、换对数据集，改几个参数就能重跑。

不只是共定位：一张图看懂全家桶

gwasglue接的可不止coloc一个工具。打开源码目录R/，每个文件对应一个分析生态：

以孟德尔随机化为例，gwasvcf_to_TwoSampleMR会把VCF里的效应量、标准误、p值、等位基因频率等字段，自动映射成TwoSampleMR要求的列名，并顺手算出病例数、对照数。过去要手写十几行mutate和rename的活，现在一行函数到位。

真正的硬骨头：等位基因对齐

如果上面那些叫"锦上添花"，那R/harmonise.r里这组函数就是"雪中送炭"。

做过跨数据集分析的人都知道，等位基因方向不一致是最隐蔽的坑。A数据集用参考等位基因做效应等位基因，B数据集恰好相反；有的是正链编码，有的是负链；还有回文SNP（A/T、C/G）这种翻链后无法区分的麻烦精。

gwasglue提供了一套完整的对齐工具链：

• harmonise：基于chr:pos和ref/alt等位基因做通用对齐，能处理交换、翻转、插入缺失重编码，并明确告诉你每个位点做了什么处理
• is_forward_strand：先判断你的数据整体在不在正链上，避免盲目翻链
• harmonise_against_ref：以参考面板为基准做严格对齐

它把对齐决策做成了一张清晰的"审计表"——每个位点是被保留、交换、翻链还是丢弃，一目了然。这份透明性，比"默默给你改数据"的工具靠谱得多。

三分钟装好并跑通

安装只需要一行：

devtools::install_github("mrcieu/gwasglue")

装好后第一件事，建议先看一眼仓库里的官方教程目录vignettes/：共定位看colocalisation.Rmd，条件分析看cojo.Rmd，孟德尔随机化看mr.Rmd，每个都是带完整可复现代码的文档。函数级别的说明则在man/目录下逐一对应。

新手最常问的三个问题

问：我必须把数据存成VCF才能用吗？不用。两条通道任选：数据在IEU GWAS数据库里，就用ieugwasr_to_*系列直接在线取数；自己手头有VCF文件，就用gwasvcf_to_*系列。同一种分析，两个入口，接口对称。

问：我的数据是自定义文本格式怎么办？先分析，后转换。用read_gwas按列位读入原始文件，harmonise_against_ref对齐到参考面板，再交给下游函数。gwasglue不是只管"标准数据"，它连非标数据都给你兜底。

问：gwasglue帮我做了转换，我还能保留自己的处理吗？能。它返回的都是标准的数据框或列表对象，本质上是普通R对象，你可以随时在中间插入自己的过滤、筛选、合并逻辑，再用coloc_to_gassocplot、write_out这类反向工具接回流程。

最后说句实在话

GWAS分析的工具生态正在快速膨胀：新的精细定位方法、新的MR检验、新的可视化方案层出不穷。但工具越多，格式鸿沟越大。gwasglue的价值恰恰在于它替你把"翻译层"做掉了——让你更换分析工具时，不需要重写数据管道；更换数据来源时，不需要重写分析脚本。

数据管道就该是标准件，分析才是你真正的科研主场。把格式转换的苦力活交给gwasglue，把脑力留给科学问题本身。

【免费下载链接】gwasglueLinking GWAS data to analytical tools in R项目地址: https://gitcode.com/gh_mirrors/gw/gwasglue