manninglab/aggregateassociation

Aggregate Association -- SKAT或Burden测试

描述

本工作流执行基因型数据与单一表型的聚合关联分析，核心代码基于R语言的GENESIS包实现模型拟合与关联测试。工作流支持生成空模型（从表型和亲缘关系数据）或使用预生成的空模型，输出完整的关联统计量（p值、测试统计量）及汇总图（曼哈顿图和QQ图）。

作者

本工作流由https://manning-lab.github.io/%E5%BC%80%E5%8F%91%E5%92%8C%E7%BB%B4%E6%8A%A4%EF%BC%8C%E8%B4%A1%E7%8C%AE%E4%BD%9C%E8%80%85%E5%8C%85%E6%8B%AC%EF%BC%9A

• Tim Majarian (***)
• Alisa Manning (***)

依赖

工作流执行

本工作流通过WDL包装器实现可移植性，每个任务可单独运行或作为完整工作流的一部分执行：

• WDL
• Cromwell

R包

所有代码及依赖包可通过Docker镜像或GitHub仓库获取：

• GENESIS
• GWASTools
• SeqArray
• SeqVarTools
• Biobase
• dplyr
• tidyr
• stringr
• data.table
• qqman

核心功能

斜体表示可选输入，每个函数需指定内存和磁盘空间分配。

fitNull

生成用于Genesis关联测试的空模型。 输入：

• genotype_file：所有样本的基因型数据（仅用于确保表型数据顺序正确，无需包含所有测试变体，GDS格式）
• phenotype_file：所有分析样本的表型数据（CSV/TSV格式）
• outcome_name：测试的表型名称（字符串）
• outcome_type：表型类型（二分类或连续型）
• covariates_string：线性混合模型中需调整的协变量（逗号分隔字符串，默认无）
• sample_file：包含分析样本ID的列表文件（每行一个ID，.txt格式，可选）
• label：输出文件名前缀（字符串）
• kinship_matrix：所有样本的亲缘关系矩阵（CSV/TSV格式）
• id_col：表型文件中的ID列名（字符串） 输出：
• model：生成的空模型（.RDa格式）
• log：包含输入路径、内存及CPU使用情况的日志文件

aggAssocTest

执行关联测试，生成每个聚合单元的p值。 输入：

• genotype_file：所有样本和测试变体的基因型数据（GDS格式）
• null_file：fitNull输出或预生成的空模型（.RDa格式）
• group_file：聚合单元文件（RData或CSV/TSV格式，RData需为带唯一名称的列表，每个条目为包含variant.id、position等列的数据框；CSV需包含group_id、position等列）
• label：输出文件名前缀（字符串）
• test：测试类型（SKAT或Burden，字符串）
• pval：p值计算方法（SKAT：davies/kuonen/liu；Burden：Score/Wald/Firth，字符串）
• weights：变体权重的beta分布参数（逗号分隔字符串，如"1,25"）
• force_maf：强制将次要等位基因设为频率较低的等位基因（默认True） 输出：
• assoc：关联结果（.RData格式）
• log：日志文件
• groups：实际用于分析的聚合单元CSV文件（反映等位基因调整及变体过滤情况）

summary

生成关联结果汇总，包括QQ图和曼哈顿图（全样本及满足最小累积次要等位基因数阈值的样本），以及关联结果CSV文件。 输入：

• label：输出文件名前缀（字符串）
• assoc_files：aggAssocTest输出的关联结果列表（逗号分隔字符串）
• minmac：绘图的最小累积次要等位基因数阈值（整数，默认10） 输出：
• plots：曼哈顿图和QQ图（PNG格式）
• assoc_res：所有聚合单元的关联结果（CSV格式）
• assoc_res_variants：所有聚合单元中变体的关联结果（CSV格式）
• mac_plots：满足minmac阈值的曼哈顿图和QQ图（PNG格式）
• mac_assoc_res：满足minmac阈值的聚合单元关联结果（CSV格式）
• mac_assoc_res_variants：满足minmac阈值的聚合单元中变体的关联结果（CSV格式）
• log：日志文件

其他工作流输入

• this_fitNull_memory：fitNull任务的内存分配（GB，整数）
• this_aggAssocTest_memory：aggAssocTest任务的内存分配（GB，整数）
• this_summary_memory：summary任务的内存分配（GB，整数）
• this_disk：每个任务的磁盘空间分配（GB，整数）

聚合单元构建 -- makeGroupFile

描述

本工作流帮助构建关联测试所需的聚合单元文件（作为Aggregate Association的输入）。

作者

本工作流由https://manning-lab.github.io/%E5%BC%80%E5%8F%91%E5%92%8C%E7%BB%B4%E6%8A%A4%EF%BC%8C%E8%B4%A1%E7%8C%AE%E4%BD%9C%E8%80%85%E5%8C%85%E6%8B%AC%EF%BC%9A

• Tim Majarian (***)

依赖

工作流执行

• WDL
• Cromwell

R包

• SeqVarTools
• GenomicRanges
• dplyr
• tidyr
• stringr
• data.table
• qqman

核心功能

斜体表示可选输入，每个函数需指定内存和磁盘空间分配。

makeGroups

获取输入区域或可选变体文件中所有变体的信息。 输入：

• genotype_file：所有样本的基因型数据（GDS格式）
• region_file：感兴趣区域文件（每行一个基因组区间，列格式为chromosome、start、end、name、annotation，name为聚合单元ID）
• variant_file：可选变体文件（列格式为chromosome、position、ref、alt、group_id、annotation，CSV/TSV格式）
• max_maf：聚合变体的最大次要等位基因频率（浮点数）
• min_maf：聚合变体的最小次要等位基因频率（浮点数）
• out_pref：输出文件名前缀（字符串） 输出：
• group_file：包含输入基因型文件中所有聚合单元变体信息的CSV文件

combineGroups

合并makeGroups输出的变体信息为单一聚合文件。 输入：

• these_groups：makeGroups的输出（CSV文件数组）
• out_pref：输出文件名前缀（字符串） 输出：
• final_groups：包含所有基因型文件中聚合单元变体信息的CSV文件

使用场景

适用于基因组关联研究（GWAS）中基因型数据与表型的聚合关联分析，可生成空模型、计算关联统计量、可视化结果，或构建聚合单元文件用于后续关联测试。

配置说明

1. 每个任务需指定内存（GB）和磁盘空间（GB）分配；
2. 输入文件需符合指定格式（如GDS、CSV/TSV等）；
3. 通过WDL定义工作流任务，指定镜像为manninglab/aggregateassociation，并使用Cromwell运行。

Docker部署示例

通过Cromwell运行WDL工作流

1. 编写WDL任务（以fitNull为例）：

wdl
task fitNull {
  input {
    String genotype_file
    String? phenotype_file
    String? outcome_name
    String? outcome_type
    String? covariates_string
    String? sample_file
    String label
    String? kinship_matrix
    String? id_col
    Int this_fitNull_memory
    Int this_disk
  }
  command <<<
    Rscript /path/to/fitNull.R \
      --genotype_file ~{genotype_file} \
      ~{if defined(phenotype_file) then "--phenotype_file " + phenotype_file else ""} \
      ~{if defined(outcome_name) then "--outcome_name " + outcome_name else ""} \
      ~{if defined(outcome_type) then "--outcome_type " + outcome_type else ""} \
      ~{if defined(covariates_string) then "--covariates_string " + covariates_string else ""} \
      ~{if defined(sample_file) then "--sample_file " + sample_file else ""} \
      --label ~{label} \
      ~{if defined(kinship_matrix) then "--kinship_matrix " + kinship_matrix else ""} \
      ~{if defined(id_col) then "--id_col " + id_col else ""}
  >>>
  runtime {
    docker: "manninglab/aggregateassociation"
    memory: "${this_fitNull_memory} GB"
    disks: "local-disk ${this_disk} HDD"
  }
  output {
    File model = "${label}.RDa"
    File log = "${label}.log"
  }
}

2. 准备输入JSON文件（inputs.json）：

json
{
  "fitNull.genotype_file": "/input/genotype.gds",
  "fitNull.phenotype_file": "/input/pheno.csv",
  "fitNull.outcome_name": "trait",
  "fitNull.outcome_type": "continuous",
  "fitNull.label": "null_model",
  "fitNull.id_col": "sample_id",
  "fitNull.this_fitNull_memory": 8,
  "fitNull.this_disk": 20
}

3. 运行Cromwell：

bash
java -jar cromwell.jar run fitNull.wdl -i inputs.json