tooluniverse-population-genetics-1000genomes

説明するのではなく、計算する

統計、データ処理、スコアリング、エンリッチメントなど、分析に計算が必要な場合は、Bash 経由で Python コードを記述して実行してください。何をするか説明するのではなく、実行して実際の結果を報告してください。ToolUniverse ツールでデータを取得し、Python（pandas、scipy、statsmodels、matplotlib）で分析してください。

1000 Genomes（IGSR）による集団遺伝学

IGSR ツールを使って、1000 Genomes の集団やサンプルを検索し、データコレクションを調べ、GWAS ツールと組み合わせて集団別の分析を行います。

使用する場面

• 「1000 Genomes Project のアフリカ系（AFR）集団をすべて列挙する」
• 「YRI（ヨルバ）集団のサンプルを見つける」
• 「利用可能な 1000 Genomes のデータコレクションは何ですか？」
• 「2 型糖尿病の GWAS SNP のうち、集団特異的な影響があるものはどれですか？」
• 「GWAS 研究で TCF7L2 にマッピングされたすべての SNP を見つける」

対象外（代わりにほかのスキルを使用）

• gnomAD のアレル頻度 → tooluniverse-population-genetics を使用
• ClinVar／OMIM のバリアント解釈 → tooluniverse-variant-interpretation を使用
• GWAS ファインマッピング → tooluniverse-gwas-finemapping を使用

---

フェーズ 1：1000 Genomes の集団を検索する

IGSR_search_populations：superpopulation（文字列／null、AFR/AMR/EAS/EUR/SAS のいずれか）、query（文字列／null、名称を自由テキストで検索）、limit（整数）。 {status, data: {total, populations: [{code, name, description, sample_count, superpopulation_code, superpopulation_name, latitude, longitude}]}, metadata: {source, filter_superpopulation, filter_query}} を返します。

スーパー集団コード：

コード	祖先
AFR	アフリカ系
AMR	アメリカ系混合
EAS	東アジア系
EUR	ヨーロッパ系
SAS	南アジア系

// List all AFR populations
{"superpopulation": "AFR", "limit": 10}

// Search by name (free-text)
{"query": "Yoruba", "limit": 5}

// List all populations
{"limit": 26}

応答例：

{
  "status": "success",
  "data": {
    "total": 3,
    "populations": [
      {"code": "YRI", "name": "Yoruba", "description": "Yoruba in Ibadan, Nigeria",
       "sample_count": 188, "superpopulation_code": "AFR", "superpopulation_name": "African Ancestry"}
    ]
  }
}

---

フェーズ 2：集団別にサンプルを検索する

IGSR_search_samples：population（文字列／null、例：「YRI」のような集団コード）、data_collection（文字列／null、コレクションのタイトル）、sample_name（文字列／null、例：「NA12878」のような特定のサンプル）、limit（整数）。 {status, data: {total, samples: [{name, sex, biosample_id, populations: [{code, name, superpopulation}], data_collections: [...]}]}} を返します。

// Find all YRI samples
{"population": "YRI", "limit": 10}

// Look up the reference sample NA12878
{"sample_name": "NA12878", "limit": 1}

// Find samples in the 30x high-coverage collection
{"data_collection": "1000 Genomes 30x on GRCh38", "limit": 5}

注：population には集団コード（例：「YRI」、「GBR」、「CHB」）を指定します。スーパー集団コードは指定しません。スーパー集団から検索を始める場合は、まず IGSR_search_populations を使って集団コードを取得してください。

---

フェーズ 3：データコレクションを一覧表示する

IGSR_list_data_collections：limit（整数）。 {status, data: {total, collections: [{code, title, short_title, sample_count, population_count, data_types, website}]}} を返します。

{"limit": 20}

主な利用可能コレクション（全 18 件）：

コレクション	説明	データ型
1000 Genomes on GRCh38	2709 サンプル、26 集団	シーケンス、アラインメント、バリアント
1000 Genomes 30x on GRCh38	高カバレッジ再シーケンス	シーケンス、アラインメント、バリアント
1000 Genomes phase 3 release	元のフェーズ 3	シーケンス、アラインメント、バリアント
Human Genome Structural Variation Consortium	HGSVC SV の検出	シーケンス、アラインメント
MAGE RNA-seq	RNA-seq データ	-
Geuvadis	発現＋遺伝子型	-

---

フェーズ 4：集団層別化に向けた GWAS のコンテキスト

形質の GWAS 関連を検索する

gwas_search_associations：trait（文字列、自由テキスト）、limit（整数）。 rsID、p 値、マッピングされた遺伝子、EFO 形質 ID を含む GWAS 関連を返します。

{"trait": "type 2 diabetes", "limit": 10}

特定の形質のバリアントを取得する（EFO ID を指定）

gwas_get_variants_for_trait：trait（文字列、例：「EFO_0001645」のような EFO ID）、limit（整数）。

{"trait": "EFO_0001645", "limit": 10}

GWAS カタログから遺伝子内の SNP を見つける

gwas_get_snps_for_gene：gene_symbol（文字列）、limit（整数）。 rsID、ゲノム上の位置、機能クラスとともに、遺伝子にマッピングされた SNP を返します。

{"gene_symbol": "TCF7L2", "limit": 10}

---

GWASにおける集団層別化のワークフロー

ステップ 1 -- 関心のある集団を見つけます：

// Get all EUR populations
{"superpopulation": "EUR", "limit": 10}
// -> Returns codes like GBR, FIN, CEU, TSI, IBS

ステップ 2 -- 対象集団のサンプルを取得します：

// Get YRI samples (AFR)
{"population": "YRI", "limit": 100}

ステップ 3 -- 遺伝子または形質に関連するGWAS SNPを取得します：

// GWAS hits for TCF7L2 (T2D gene)
{"gene_symbol": "TCF7L2", "limit": 20}

ステップ 4 -- 集団データと照合して層別化解析を行います。

---

よく使われる集団コード

コード	集団	スーパーポピュレーション
YRI	ナイジェリア、イバダンのヨルバ人	AFR
LWK	ケニア、ウェブイェのルヒヤ人	AFR
GWD	ガンビアのマンディンカ人	AFR
CEU	ユタ州の住民（CEPH）	EUR
GBR	イングランド／スコットランドのイギリス人	EUR
FIN	フィンランドのフィンランド人	EUR
TSI	イタリアのトスカーナ人	EUR
CHB	北京の漢民族	EAS
JPT	東京の日本人	EAS
CHS	中国南部の漢民族	EAS
MXL	ロサンゼルスのメキシコ系住民	AMR
PUR	プエルトリコのプエルトリコ人	AMR
GIH	ヒューストンのグジャラート系インド人	SAS
PJL	ラホール出身のパンジャーブ人	SAS

---

結果を解釈するための推論フレームワーク

エビデンスの評価

評価	基準	例
強い	スーパーポピュレーション間のAF差が 0.2 超、GWASの p < 5e-8、複数のコホートで再現	rs7903146（TCF7L2）はAF = 0.30（EUR）対0.05（EAS）、GWASの p = 1e-40
中程度	AF差が0.05～0.2、ある祖先集団でGWASの p < 5e-8、他の集団では名目上有意	AFRでAF = 0.15、EURで0.08のバリアント。GWASの p < 5e-8はEURのみ
弱い	AF差が0.05未満、GWASの p < 5e-8だが単一研究のみ、祖先集団間での再現なし	集団間でAFがほぼ同じ一般的なバリアントで、1つのコホートで有意
集団特異的	あるスーパーポピュレーションでは一般的（AF > 0.01）だが、他ではまれ（AF < 0.01）なバリアント	鎌状赤血球症のバリアント（rs334）。AFはAFRで約0.10、その他では0.001未満

解釈の指針

• 祖先集団別のアレル頻度の解釈：アレル頻度は、遺伝的浮動、選択、人口統計学的歴史の違いにより、スーパーポピュレーション（AFR、AMR、EAS、EUR、SAS）間で異なります。AFR集団は遺伝的多様性が最も高く、組換えによって短く分断されたハプロタイプを持ちます。疾患リスクアレルは、ある祖先集団では一般的で、別の集団ではまれな場合があり、集団間で遺伝的リスクに差が生じます。
• Fstの有意性しきい値：Fstは集団分化を測定します（0 = 分化なし、1 = 異なるアレルの完全な固定）。ヒト集団のグローバルFstの平均は約0.12です。座位特異的なFst > 0.3は、強い分化（選択の可能性）を示唆します。Fst > 0.5は極端であり、既知の選択標的（皮膚色素沈着に関わるSLC24A5など）以外では、ヒトではまれです。外れ値を特定するには、座位のFstをゲノム全体の分布と比較してください。
• LDの解釈：連鎖不平衡（LD）のパターンは祖先集団によって異なります。AFR集団は人口統計学的歴史がより古く、LDブロックが短いため、ファインマッピングにはより高密度なジェノタイピングが必要です。EURおよびEAS集団ではLDブロックがより長くなります。GWASヒットが複数のバリアントとLDにある場合、原因バリアントはAFR祖先集団のデータで特定しやすくなります。r-squared値を報告してください：r2 > 0.8 = 強いLD、0.2～0.8 = 中程度、< 0.2 = 弱いLD。
• 集団層別化：GWASで集団構造を適切に制御しないと、偽陽性が増加します。1000 Genomesのスーパーポピュレーションラベルは、層別化解析の枠組みになります。混合祖先のサンプル（AMRなど）を正確に解釈するには、局所祖先のデコンボリューションが必要です。
• サンプルサイズの考慮：1000 Genomesには、26の集団にわたる約2500サンプルが含まれています。小規模な集団（N < 100）では、集団特異的なアレル頻度の精度に限界があります。まれなバリアント（AF < 0.01）については、gnomADなどのより大規模なリソースを使うと、より信頼性の高い推定値が得られます。

統合に関する質問

1. 注目しているバリアントのアレル頻度は、スーパー集団間で意味のある差（> 5%）がありますか？また、その差によって疾患有病率やGWASの効果量の違いを説明できますか？
2. GWASの関連は祖先集団をまたいで再現されていますか？それとも、LD構造の違いや集団特異的な選択によって、特定の集団に限定されていますか？
3. ファインマッピングでは、AFR集団のLDパターンによってEURと比べて関連シグナルが絞り込まれ、原因となる可能性が高いバリアントの特定に役立ちますか？
4. 1000 Genomesデータセットの集団ラベルとサンプルサイズは分析に十分ですか？それとも、対象集団は過小評価されていますか？
5. 症例群と対照群の祖先集団の違いが適切に制御されていないことによる集団層別化で、真の遺伝的効果ではなく、観察された関連を説明できる可能性はありますか？

---

ツールのパラメーター早見表

ツール	主なパラメーター	備考
IGSR_search_populations	superpopulation, query, limit	superpopulation：AFR/AMR/EAS/EUR/SAS
IGSR_search_samples	population, data_collection, sample_name, limit	population = 集団コード（例：YRI）
IGSR_list_data_collections	limit	コレクションは全部で18件
gwas_search_associations	trait, limit	フリーテキストによる形質検索
gwas_get_variants_for_trait	trait, limit	trait = EFO ID
gwas_get_snps_for_gene	gene_symbol, limit	マッピングされたSNPを返します