MTAG(multi-trait analysis of GWAS)

又开始一个新的软件啦，大家是否有需要的？可以同一人群的不同trait做。咱们就开始吧~
官网地址：URLs. MTAG software is available at https://github.com/omeed-maghzian/mtag/.
文章：Multi-trait analysis of genome-wide association summary statistics using MTAG
Patrick Turley ,2018，NG
看看人家这引用率。

老规律，进入官网界面后下载软件。

git clone https://github.com/omeed-maghzian/mtag.git
cd mtag

这是基于python，所以要提前装好。需要Python 2.7。如果你的anaconda是python3，那得创建python2.7的环境。（参考网址https://conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html#creating-an-environment-with-commands）
conda create -n myenv_py2.7 python=2.7

激活。以后进来每次激活就可以，不用重新创建了。
conda activate myenv_py2.7
用完了退出环境
conda deactivate

tutorial链接https://github.com/omeed-maghzian/mtag/wiki/Tutorial-1:-The-Basics
开始启动程序：
python mtag.py -h #出来一大推，说明软件没问题了。

文件准备

下载两个示例数据
wget http://ssgac.org/documents/1_OA2016_hm3samp_NEUR.txt.gz
wget http://ssgac.org/documents/1_OA2016_hm3samp_SWB.txt.gz
两个示例文件都是GWAS summary结果，空格分隔的txt文件。如图：

这几列都是必须要有的。顺序没关系，但列名一定要指定或同默认。
多个trait文件snp要匹配，也可以用--snp-name指定。
a1是effect allel，也可以用--a1_name指定。同理a2，freq也可以指定。
z是GWAS的效应大小。也可以用beta和se。--use_beta_se默认识别的列名为beta，se,也可以用--beta_name and --se_name指定名称。
n为样本量，也可以用--n_name指定。
因为计算时候用到ldsc，所有有些格式需要ldsc能够识别。
染色体和bp也可以用--chr_name and --bpos_name指定。

运行软件

大致计算过程：
1.读取GWAS summary结果，通过minor allele frequency (MAF) >= 0.01和sample size N >= (2/3) * 90th percentile来过滤数据。
2.合并过滤后的GWAS汇总统计结果，得到可用snp的交集。
3.通过LD分数来估计残差的协方差矩阵。
4.估计遗传协方差矩阵。
5.运行MTAG输出结果。

代码：

python /[path]/mtag.py  \
    --sumstats 1_OA2016_hm3samp_NEUR.txt,1_OA2016_hm3samp_SWB.txt \
    --out ./tutorial_results_1.1NS \
    --n_min 0.0 \
    --stream_stdout &

记得上面的path要改啊，就是mtag.py的路径。
--n_min 0.0使样本量少的数据，避免snp的丢失。
--stream_stdout生成log文件。
--out可以指定文件夹和前缀。[DIR]/[TAG]

生成结果是这样的：