使用GWAS概括新数据进行多表型联合分析的方法,相比于单表型的GWAS,
MTAG
可以利用关联表型的信息提升目标表型的检验统计power
核心假设: 对于不同表型,所有的SNP都共享同一个效应量的方差协方差矩阵
数据格式: snpid chr bpos a1 a2 freq z pval n
可用 BETA和SE代替z, --use_beta_se 这个参数有问题,因此作者建议使用 Z,Z=BETA/SE
数据可以指定表头名,且多个数据以逗号,
分开
conda activate mtag
python mtag.py --sumstats trait1.txt,trait2.txt \
--stream_stdout \
--n_min 0.0 \
--out mtag.result
输入文件很多时的简单方法(没办法,太懒了,不想一个一个加)
input_str=`ls *.mtag | tr '\n' ',' | sed 's/,$//'`
python mtag.py --sumstats $input_str \
--stream_stdout \
--n_min 0.0 \
--out mtag.result