tooluniverse-gwas-trait-to-gene

GWAS 性状到基因发现

最近的基因往往是错误的。 使用 Open Targets 的 L2G（位点到基因）评分，该评分整合了 eQTL、染色质互作和距离数据。L2G > 0.5 表示强预测；不能仅凭位置映射就认定某基因为因果基因。单项 GWAS 研究的 p < 5e-8 只能作为提示——要获得高置信度，必须在独立队列中重复验证。GWAS 命中是在所研究人群中的关联；由于连锁不平衡（LD）模式不同，不同祖源人群的效应大小乃至涉及的基因都可能不同。应将 GWAS 基因列表视为有待验证的候选基因排名，而非已确认的因果基因。

查找，不要猜测：切勿假定性状到基因的映射或 L2G 评分——务必调用 gwas_search_associations 和 OpenTargets_get_study_credible_sets 获取最新数据；随着新的 GWAS 发表，关联数据会不断更新。

使用全基因组关联研究（GWAS）发现与疾病和性状相关的基因

概述

此技能可通过分析两个主要资源中的 GWAS 数据，系统地发现与疾病／性状相关的基因：

• GWAS Catalog（EBI/NHGRI）：经过整理的已发表 GWAS 目录，包含超过 500,000 项关联
• Open Targets Genetics：经过精细定位的 GWAS 信号及位点到基因（L2G）预测

使用场景

临床研究

• “哪些基因与 2 型糖尿病相关？”
• “查找冠状动脉疾病的遗传风险因素”
• “哪些基因会影响阿尔茨海默病易感性？”

药物靶点发现

• 识别具有强遗传证据、表明与疾病存在因果关系的基因
• 根据 L2G 评分和跨研究重复验证情况确定靶点优先级
• 查找具有全基因组显著性关联（p < 5e-8）的基因

功能基因组学

• 将疾病相关变异映射到候选基因
• 分析复杂性状的遗传结构
• 理解多基因疾病机制

工作流

1. Trait Search → Search GWAS Catalog by disease/trait name
       ↓
2. SNP Aggregation → Collect genome-wide significant SNPs (p < 5e-8)
       ↓
3. Gene Mapping → Extract mapped genes from associations
       ↓
4. Evidence Ranking → Score by p-value, replication, fine-mapping
       ↓
5. Annotation (Optional) → Add L2G predictions from Open Targets

关键概念

全基因组显著性

• 标准阈值：p < 5×10⁻⁸
• 对约 1M 个常见变异进行多重检验校正
• 更高置信度：p < 5×10⁻¹⁰ 或在多项研究中重复验证

基因映射方法

• 位置映射：距离先导 SNP 最近的基因
• 精细定位：通过统计方法筛选可信变异
• 位点到基因（L2G）：整合多种证据类型的评分

证据置信度级别

• 高：L2G 评分 > 0.5，或多项研究的 p < 5e-10
• 中：2 项或更多研究的 p < 5e-8
• 低：单项研究或显著性处于边缘水平

必需的 ToolUniverse 工具

GWAS Catalog（11 个工具）

• gwas_get_associations_for_trait - 获取某性状的所有关联（按 p 值排序）。注意：此工具已损坏——请使用可正常工作的替代工具 gwas_search_associations(query=trait)
• gwas_search_snps - 根据基因映射搜索 SNP
• gwas_get_snp_by_id - 获取 SNP 详情（MAF、后果、位置）
• gwas_get_study_by_id - 获取研究元数据
• gwas_search_associations - 根据筛选条件搜索关联（推荐用于查询性状）
• gwas_search_studies - 按性状／队列搜索研究
• gwas_get_associations_for_snp - 获取某 SNP 的所有关联
• gwas_get_variants_for_trait - 获取某性状的变异。没有 p 值阈值参数（传入的参数会被静默忽略）——请在客户端根据 pvalue_mantissa／pvalue_exponent 进行筛选（见下文说明）
• gwas_get_studies_for_trait - 获取某性状的研究
• gwas_get_snps_for_gene - 获取映射到某基因的 SNP。参数为 gene_symbol（不是 mapped_gene）
• gwas_get_associations_for_study - 获取某项研究中的关联

Open Targets Genetics（6 个工具）

• OpenTargets_search_gwas_studies_by_disease - 按疾病本体搜索研究
• OpenTargets_get_study_credible_sets - 获取研究的精细定位位点
• OpenTargets_get_variant_credible_sets - 获取变异的可信集合
• OpenTargets_get_variant_info - 获取变异注释（频率、后果）
• OpenTargets_get_gwas_study - 获取研究元数据
• OpenTargets_get_credible_set_detail - 获取可信集合的详细信息

参数

必需

• trait - 疾病/性状名称（例如，“2 型糖尿病”“冠状动脉疾病”）

可选

• p_value_threshold - 显著性阈值（默认值：5e-8）
• min_evidence_count - 研究的最小数量（默认值：1）
• max_results - 返回基因的最大数量（默认值：100）
• use_fine_mapping - 包含 L2G 预测（默认值：true）
• disease_ontology_id - Open Targets 的疾病本体 ID（例如，“MONDO_0005148”）

输出架构

{
  "genes": [
    {
      "symbol": str,              # Gene symbol (e.g., "TCF7L2")
      "min_p_value": float,       # Most significant p-value
      "evidence_count": int,      # Number of independent studies
      "snps": [str],              # Associated SNP rs IDs
      "studies": [str],           # GWAS study accessions
      "l2g_score": float | null,  # Locus-to-gene score (0-1)
      "credible_sets": int,       # Number of credible sets
      "confidence_level": str     # "High", "Medium", or "Low"
    }
  ],
  "summary": {
    "trait": str,
    "total_associations": int,
    "significant_genes": int,
    "data_sources": ["GWAS Catalog", "Open Targets"]
  }
}

示例结果

2 型糖尿病

TCF7L2:  p=1.2e-98, 15 studies, L2G=0.82 → High confidence
KCNJ11:  p=3.4e-67, 12 studies, L2G=0.76 → High confidence
PPARG:   p=2.1e-45, 8 studies,  L2G=0.71 → High confidence
FTO:     p=5.6e-42, 10 studies, L2G=0.68 → High confidence
IRS1:    p=8.9e-38, 6 studies,  L2G=0.54 → High confidence

阿尔茨海默病

APOE:    p=1.0e-450, 25 studies, L2G=0.95 → High confidence
BIN1:    p=2.3e-89,  18 studies, L2G=0.88 → High confidence
CLU:     p=4.5e-67,  16 studies, L2G=0.82 → High confidence
ABCA7:   p=6.7e-54,  14 studies, L2G=0.79 → High confidence
CR1:     p=8.9e-52,  13 studies, L2G=0.75 → High confidence

最佳实践

1. 使用疾病本体 ID 提高精确度

# Instead of:
discover_gwas_genes("diabetes")  # Ambiguous

# Use:
discover_gwas_genes(
    "type 2 diabetes",
    disease_ontology_id="MONDO_0005148"  # Specific
)

2. 按证据强度筛选

# For drug targets, require strong evidence:
discover_gwas_genes(
    "coronary artery disease",
    p_value_threshold=5e-10,    # Stricter than GWAS threshold
    min_evidence_count=3,       # Multiple independent studies
    use_fine_mapping=True       # Include L2G predictions
)

3. 谨慎解读结果

• 关联 ≠ 因果关系：GWAS 可识别相关变异，但这些变异不一定对应因果基因
• 连锁不平衡：主导 SNP 可能标记附近基因中的真实因果变异
• 精细定位：与位置映射相比，L2G 分数能提供更有力的因果基因证据
• 功能证据：使用正交数据进行验证（eQTL、敲除模型等）

工具专属说明（已更新）

gwas_get_variants_for_trait -- 按 p 值筛选

此工具没有 p 值阈值参数。p_value_threshold=... 参数会被静默忽略（已通过实时验证：无论是否提供该参数，输出都相同），因此请自行筛选返回的关联结果。使用 sort="p_value", direction="asc" 可优先获取关联最强的结果，并使用 page/size 进行分页（metadata.pagination.totalElements 是总数）。

result = tu.tools.gwas_get_variants_for_trait(
    trait="type 2 diabetes", size=200, sort="p_value", direction="asc"
)

def genome_wide_significant(a, exp=-8, mant=5):        # p < 5e-8
    return (a['pvalue_exponent'], a['pvalue_mantissa']) < (exp, mant)

hits = [a for a in result['data'] if genome_wide_significant(a)]

请按 pvalue_mantissa 和 pvalue_exponent 筛选，而不要按 p_value 筛选：对于非常小的 p 值（例如 3 x 10^-1315），p_value 浮点数会下溢为 0.0，因此无法据此与阈值进行比较。

gwas_get_associations_for_trait -- 已损坏

此工具在大多数查询中都会返回错误。请改用可靠的替代工具 gwas_search_associations(query=<trait>)。响应格式为 {data: [{...}], metadata: {...}}。

gwas_get_snps_for_gene -- 参数重命名

为提高明确性，参数已从 mapped_gene 重命名为 gene_symbol。请使用：

result = tu.tools.gwas_get_snps_for_gene(gene_symbol="TCF7L2")

---

编程式访问（工具之外）

当 ToolUniverse 工具返回的结果有限，或需要完整的 GWAS Catalog 时：

import requests, pandas as pd

# Download full GWAS Catalog (all associations, ~37MB TSV)
url = "https://www.ebi.ac.uk/gwas/api/search/downloads/alternative"
df = pd.read_csv(url, sep="\t")
# Filter locally by trait or gene
hits = df[df["DISEASE/TRAIT"].str.contains("type 2 diabetes", case=False, na=False)]
gene_hits = df[df["MAPPED_GENE"].str.contains("TCF7L2", na=False)]

# Per-study associations via REST
study_id = "GCST001234"
assocs = requests.get(f"https://www.ebi.ac.uk/gwas/rest/api/studies/{study_id}/associations").json()

# Summary statistics (when available)
# Check study page for fullPvalueSet=true, then download from linked FTP

请参阅 tooluniverse-data-wrangling 技能，了解分页、批量下载和格式解析模式。

---

局限性

1. 基因映射的不确定性

   • 位置映射会将 SNP 分配给最近的基因（可能不正确）
   • 只有部分研究提供精细定位
   • 基因间变异难以映射

2. 人群偏倚

   • 大多数 GWAS 研究针对欧洲人群
   • 不同祖源人群中的效应大小可能不同
   • 稀有变异往往代表不足

3. 样本量依赖性

   • 规模较大的研究会发现更多关联
   • 较早的小规模研究可能出现假阴性
   • 单凭 p 值无法反映效应大小

4. 验证错误

   • 部分 ToolUniverse 工具有 oneOf 验证问题
   • 必要时使用 validate=False 参数
   • Python 实现会自动处理此问题

相关技能

• 变异到疾病关联：查询特定 SNP（例如，rs7903146 → T2D）
• 基因到疾病关联：查找与已知基因相关的疾病
• 药物靶点优先级排序：根据遗传证据排列靶点
• 群体遗传学分析：比较不同人群的等位基因频率

数据源

GWAS Catalog

• 管理方：EBI 和 NHGRI
• URL：https://www.ebi.ac.uk/gwas/
• 覆盖范围：100,000 多篇出版物，500,000 多项关联
• 更新频率：每周

Open Targets Genetics

• 管理方：Open Targets 联盟
• URL：https://genetics.opentargets.org/
• 覆盖范围：精细定位 GWAS、L2G 预测、QTL 共定位
• 更新频率：每季度

引用

如果您在研究中使用此技能，请引用：

Buniello A, et al. (2019) The NHGRI-EBI GWAS Catalog of published genome-wide
association studies. Nucleic Acids Research, 47(D1):D1005-D1012.

Mountjoy E, et al. (2021) An open approach to systematically prioritize causal
variants and genes at all published human GWAS trait-associated loci.
Nature Genetics, 53:1527-1533.

支持

如遇到以下问题：

• 技能功能：在 tooluniverse/skills 中提交问题
• GWAS 数据：联系 GWAS Catalog 或 Open Targets 支持团队
• 工具错误：查看 ToolUniverse 工具状态