quickdraw是一种可扩展的方法，可以进行数量和二元性状的全基因组关联研究（GWAS）。研究人员将Quickdraws应用于405088个英国生物库样本的79个定量性状和50个二元性状，发现比REGENIE多出4.97%和3.25%的关联，分别比FastGWA多出22.71%和7.07%。Quickdraws的计算成本与REGENIE、FastGWA和SAIGE在英国生物库研究分析平台服务上的成本相当，同时比BOLT-LMM显著更快。这些结果凸显了在不牺牲统计能力或稳健性的前提下，利用机器学习技术进行可扩展全基因组关联研究（GWAS）的潜力。

安装

强烈建议设置 python 虚拟环境或 conda 环境：

Python 虚拟环境

python -m venv venv
source venv/bin/activate
pip install --upgrade pip setuptools wheel

Conda 环境

conda create -n quickdraws python=3.11 -y
conda activate quickdraws
pip install --upgrade pip setuptools wheel

安装 pytorch 和 quickdraws

任何比toy示例更大的数据都必须使用支持 cuda 的 pytorch 版本。 使用 pytorch 配置帮助程序^[1]查找适合您系统的安装说明。 下面的代码片段可能适用于大多数系统：

pip install torch --index-url https://download.pytorch.org/whl/cu118
pip install quickdraws

使用

详细可参考官网教程^[2]。

数量性状

第 1 步

使用 spike-and-slab 贝叶斯线性回归来估计遗传效应。

quickdraws-step-1 
    --out ${output_step1} 
    --hdf5 master.hdf5 
    --bed ${bed} 
    --phenoFile ${pheno} 
    --covarFile ${covar} 
    --modelSnps maf001.snps 
    --kinship kinship.txt

• ${output_step1}：将写入步骤 1 输出的文件前缀。
• master.hdf5：在步骤 0 中生成（可选）。
• ${bed}：包含模型 SNP 的 bed 文件。
• ${pheno}：包含表型数据的文件。有关格式详细信息，请参阅输入/输出文件格式部分。
• ${covar}：包含协变量的文件。有关格式详细信息，请参阅输入/输出文件格式部分。
• maf001.snps：回归的 SNP 列表（可选），如步骤 0 中所述。
• kinship.txt：包含高达 3 度的成对亲属。此文件可以使用 PLINK 中实现的 KING 生成（有关示例，请参阅 FAQ）。

第 2 步

在 bed 文件中生成 SNP 的汇总统计数据（例如，模型 SNP）。

quickdraws-step-2 
   --out ${output_step2} 
   --bed ${bed} 
   --out_step1 ${output_step1} 
   --covarFile ${covar} 
   --unrel_sample_list unrelated_white_British.FID_IID.txt

• ${output_step2}：将写入结果的文件前缀。
• ${bed}：包含要检测的 SNP 的 Bed 文件。
• ${output_step1}：步骤 1 的输出文件。
• ${covar}：包含协变量的文件。有关格式详细信息，请参阅输入/输出文件格式部分。
• unrelated_white_British.FID_IID.txt：不相关的均质样本列表，或要包含在测试统计量计算中的任何其他样本列表。有关格式详细信息，请参阅输入/输出文件格式部分。

二进制特征

第 1 步

对于二进制特征，请添加 --binary和--h2_grid标志。

quickdraws-step-1 
    --out ${output_step1} 
    --hdf5 master.hdf5 
    --bed ${bed} 
    --phenoFile ${pheno} 
    --covarFile ${covar} 
    --modelSnps maf001.snps 
    --kinship kinship.txt 
    --binary 
    --h2_grid

输入/输出文件与数量性状^[3]的描述相同。

第 2 步

为 Firth Logistic 回归添加--binary 和--firth 标志。

quickdraws-step-2 
   --out ${output_step2} 
   --bed ${bed} 
   --out_step1 ${output_step1} 
   --covarFile ${covar} 
   --unrel_sample_list unrelated_white_British.FID_IID.txt 
   --binary 
   --firth

输入/输出文件与数量性状^[4]的描述相同。

表现

可以看到在成本上是仅次于西湖大学杨剑老师的fastGWA-GLMM的。

解释输出 Quickdraws 会生成以下输出文件：