tooluniverse-gwas-snp-interpretation

GWAS SNP 解釈スキル

SNP の解釈：GWAS のヒットは単一の原因バリアントではなく、領域です。リード SNP が原因とは限りません。原因バリアントと LD の関係にある可能性があります。特定の SNP が機序的に関与すると結論づける前に、必ず LD 構造と機能アノテーションを確認してください。LDlink_get_proxies(variant="rs...", population="EUR") を使用して、高 R² の LD プロキシを取得してください（無料の LDLINK_TOKEN が必要です）。コード領域または調節領域にあるプロキシは、リード SNP 自体よりも機序的な候補として有力です。ファインマッピング（SuSiE、FINEMAP のクレディブルセット）によって原因候補の集合は絞り込めますが、単一のバリアントを確実に特定できることはほとんどありません。L2G スコアは eQTL、クロマチン相互作用、距離のデータを統合して原因遺伝子を予測します。ある遺伝子 A にマッピングされたリード SNP が、実際には遠位エンハンサーを介して 500 kb 離れた遺伝子 B を調節している可能性があります。

推測せずに調べる：SNP の機能的影響、対応する遺伝子、集団中の頻度を決して推測せず、必ず gwas_get_snp_by_id と OpenTargets_get_variant_info を呼び出して最新のアノテーションを取得してください。

概要

複数の情報源から証拠を集約し、包括的な臨床的・生物学的背景を示すことで、GWAS 研究の遺伝的バリアント（SNP）を解釈します。

ユースケース：

• 「rs7903146 を解釈してください」（TCF7L2 糖尿病バリアント）
• 「rs429358 はどのような疾患と関連していますか？」（APOE アルツハイマーバリアント）
• 「rs1801133 の臨床的意義」（MTHFR バリアント）
• 「rs12913832 はファインマッピングされた座位に含まれていますか？」（目の色のバリアント）

このスキルでできること

このスキルは、以下の方法で SNP を包括的に解釈します。

1. SNP アノテーション：ゲノム座標、アレル、機能的影響、対応する遺伝子など、基本的なバリアント情報を取得します
2. 関連の特定：統計的有意性を伴う、GWAS の形質・疾患との関連をすべて見つけます
3. ファインマッピングの証拠：バリアントが属するクレディブルセット（ファインマッピングされた原因座位）を特定します
4. 遺伝子マッピング：Locus-to-Gene（L2G）予測を使用して、原因である可能性の高い遺伝子を特定します
5. 臨床的要約：証拠を実用的な臨床的意義として集約します

ワークフロー

User Input: rs7903146
    ↓
[1] SNP Lookup
    → Get location, consequence, MAF
    → gwas_get_snp_by_id
    ↓
[2] Association Search
    → Find all trait/disease associations
    → gwas_get_associations_for_snp
    ↓
[3] Fine-Mapping (Optional)
    → Get credible set membership
    → OpenTargets_get_variant_credible_sets
    ↓
[4] Gene Predictions
    → Extract L2G scores for causal genes
    → (embedded in credible sets)
    ↓
[5] Clinical Summary
    → Aggregate evidence
    → Identify key traits and genes
    ↓
Output: Comprehensive Interpretation Report

データソース

GWAS Catalog（EMBL-EBI）

• SNP アノテーション：機能的影響、対応する遺伝子、集団中の頻度
• 関連：P 値、効果量、研究メタデータ
• 収録範囲：350,000 件以上の文献、670,000 件以上の関連

Open Targets Genetics

• ファインマッピング：SuSiE、FINEMAP の手法による統計的クレディブルセット
• L2G 予測：機械学習ベースの遺伝子優先順位付け
• 共局在解析：原因遺伝子を示す QTL の証拠
• 収録範囲：UK Biobank、FinnGen、その他の大規模コホート

入力パラメーター

必須

• rs_id（str）：dbSNP rs 識別子
  • 形式：「rs」＋番号（例：「rs7903146」）
  • GWAS Catalog で有効な rsID である必要があります

任意

• include_credible_sets（bool、デフォルト=True）：ファインマッピングデータを照会します
  • True：完全な解釈（低速、約 10～30 秒）
  • False：関連のみを高速に取得（約 2～5 秒）
• p_threshold（float、デフォルト=5e-8）：ゲノムワイド有意性のしきい値
• max_associations（int、デフォルト=100）：取得する関連の最大数

出力形式

SNPInterpretationReport を返します。以下が含まれます。

1. SNP の基本情報

{
    'rs_id': 'rs7903146',
    'chromosome': '10',
    'position': 112998590,
    'ref_allele': 'C',
    'alt_allele': 'T',
    'consequence': 'intron_variant',
    'mapped_genes': ['TCF7L2'],
    'maf': 0.293
}

2. 形質との関連

[
    {
        'trait': 'Type 2 diabetes',
        'p_value': 1.2e-128,
        'beta': '0.28 unit increase',
        'study_id': 'GCST010555',
        'pubmed_id': '33536258',
        'effect_allele': 'T'
    },
    ...
]

3. クレディブルセット（ファインマッピング）

[
    {
        'study_id': 'GCST90476118',
        'trait': 'Renal failure',
        'finemapping_method': 'SuSiE-inf',
        'p_value': 3.5e-42,
        'predicted_genes': [
            {'gene': 'TCF7L2', 'score': 0.863}
        ],
        'region': '10:112950000-113050000'
    },
    ...
]

4. 臨床的意義

Genome-wide significant associations with 100 traits/diseases:
  - Type 2 diabetes
  - Diabetic retinopathy
  - HbA1c levels
  ...

Identified in 20 fine-mapped loci.
Predicted causal genes: TCF7L2

使用例

プラットフォーム別の使用例については、QUICK_START.md を参照してください。

使用するツール

GWAS Catalog ツール

1. gwas_get_snp_by_id：SNP アノテーションを取得
2. gwas_get_associations_for_snp：形質との関連をすべて取得

Open Targets ツール

3. OpenTargets_get_variant_info：集団中の頻度を含むバリアントの詳細を取得
4. OpenTargets_get_variant_credible_sets：L2G を含むファインマッピングのクレディブルセットを取得

解釈ガイド

P 値の有意水準

• p < 5e-8：ゲノムワイドで有意（強い証拠）
• p < 5e-6：示唆的（中程度の証拠）
• p < 0.05：名目上有意（弱い証拠）

L2G スコアの解釈

• > 0.5：因果遺伝子である可能性が高い
• 0.1-0.5：確信度は中程度
• < 0.1：確信度は低い

臨床的な実用性

1. 高：ゲノムワイドで有意な関連が複数あり、信頼区間セットに含まれ、L2G スコアが高い
2. 中程度：ゲノムワイドで有意な関連があるものの、ファインマッピングが限定的
3. 低：示唆的な関連、または再現性が限定的

制限事項

1. バリアント ID の変換：OpenTargets では chr_pos_ref_alt 形式が必要であり、アレルの照合が必要になる場合があります
2. 集団特異性：関連は祖先集団によって異なる場合があります
3. 効果量：ベータ値は研究によって異なります（表現型の尺度が異なります）
4. 因果性：関連は因果関係を証明するものではありません。ファインマッピングにより確信度が高まります
5. データの最新性：データには公表済みの GWAS が反映されますが、最新の研究が含まれていない場合があります

ベストプラクティス

1. 解釈をすべて利用する：臨床上の判断では include_credible_sets=True を有効にします
2. 複数のバリアントを確認する：同じ遺伝子座にあるほかのバリアントも確認します
3. 集団を検証する：祖先集団に特有の効果量を考慮します
4. 論文を確認する：背景を把握するために原著論文を確認します
5. エビデンスを統合する：機能データ、eQTL、pQTL と組み合わせます

技術的な注意事項

パフォーマンス

• 高速モード（信頼区間セットなし）：2-5 秒
• 全機能モード（信頼区間セットあり）：10-30 秒
• ボトルネック：OpenTargets GraphQL API のレート制限

エラー処理

• 無効な rs_id：エラーメッセージを返します
• 関連なし：注記付きの空のリストを返します
• API 障害：適切に処理し、一部の結果を返します

関連スキル

• 遺伝子機能解析：予測された因果遺伝子を解釈します
• 疾患オントロジー検索：形質の分類を理解します
• PubMed 文献検索：GWAS の原著論文を探します
• バリアント効果予測：機能的影響を解析します

参考文献

1. GWAS Catalog：https://www.ebi.ac.uk/gwas/
2. Open Targets Genetics：https://genetics.opentargets.org/
3. GWAS の有意性閾値：Fadista et al. 2016
4. L2G 手法：Mountjoy et al. 2021 (Nature Genetics)

バージョン

• バージョン：1.0.0
• 最終更新日：2026-02-13
• ToolUniverse のバージョン：>= 1.0.0
• 必要なツール：gwas_get_snp_by_id, gwas_get_associations_for_snp, OpenTargets_get_variant_credible_sets