# GWAS 目录数据库 ## 概述 GWAS 目录是由国家人类基因组研究所 (NHGRI) 和欧洲生物信息学研究所 (EBI) 维护的已发表的全基因组关联研究的综合存储库。该目录包含来自数千份 GWAS 出版物的精选 SNP 性状关联，包括遗传变异、相关性状和疾病、p 值、效应大小以及许多研究的完整摘要统计数据。 ## 何时使用此技能当查询涉及以下内容时应使用此技能： * **遗传变异关联**：寻找与疾病或性状相关的 SNP * **SNP 查找**：检索有关特定遗传变异 (rs ID) 的信息 * **性状/疾病搜索**：发现表型的遗传关联 * **基因关联**：寻找特定基因中或附近的变异 * **GWAS 摘要统计**：访问完整的全基因组关联数据 * **研究元数据**：检索出版物和队列信息 * **群体遗传学**：探索特定血统的关联 * **多基因风险评分**：识别风险预测模型的变体 * **功能基因组学**：了解变异效应和基因组背景 * **系统评论**：遗传关联的综合文献综合 ## 核心能力 ### 1\.了解 GWAS 目录数据结构 GWAS 目录围绕四个核心实体组织： * **研究**：带有元数据的 GWAS 出版物（PMID、作者、队列详细信息） * **关联**：SNP 性状与统计证据的关联 (p ≤ 5×10⁻⁸) * **变体**：具有基因组坐标和等位基因的遗传标记（SNP） * **性状**：表型和疾病（映射到 EFO 本体术语） **关键标识符：** * 研究种质：`GCST` ID（例如 GCST001234） * 变体 ID：“rs”数字（例如 rs7903146）或“variant_id”格式 * 特征 ID：EFO 术语（例如，EFO_0001360 表示 2 型糖尿病） * 基因符号：HGNC 批准的名称（例如 TCF7L2） ### 2\.网页界面搜索的 Web 界面支持多种搜索模式： **按变体（rs ID）：** rs7903146 返回此 SNP 的所有性状关联。 **按疾病/性状：** 2型糖尿病帕金森病体重指数返回所有相关的遗传变异。 **按基因：** APOE TCF7L2 返回基因区域内或附近的变体。 **按染色体区域：** 10：114000000-115000000 返回指定基因组区间内的变异。 **按出版物：** PMID：20581827 作者：麦卡锡 MI GCST001234 返回研究详细信息和所有报告的关联。 ### 3\. REST API 访问 GWAS 目录提供了两个用于编程访问的 REST API： **基本网址：** * GWAS 目录 API：`https://www.ebi.ac.uk/gwas/rest/api` * 摘要统计 API：`https://www.ebi.ac.uk/gwas/summary-statistics/api` **API文档：** * 主要 API 文档： * 摘要统计文档： **核心端点：** 1. **研究端点** \- `/studies/{accessionID}` 导入请求 # 获取具体研究 url =“https://www.ebi.ac.uk/gwas/rest/api/studies/GCST001795” 响应 = requests.get(url, headers={"Content-Type": "application/json"}) 研究=response.json() 2. **关联端点** \- `/associations` # 查找变体的关联变体=“rs7903146” url = f“https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/{variant}/associations” params = {“投影”：“associationBySnp”} 响应 = requests.get(url, params=params, headers={"Content-Type": "application/json"}) 关联=response.json() 3. **变体端点** \- `/singleNucleotidePolymorphisms/{rsID}` # 获取变体详细信息 url =“https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/rs7903146” 响应 = requests.get(url, headers={"Content-Type": "application/json"}) 变量信息=response.json() 4. **特征端点** \- `/efoTraits/{efoID}` # 获取特征信息 url =“https://www.ebi.ac.uk/gwas/rest/api/efoTraits/EFO_0001360” 响应 = requests.get(url, headers={"Content-Type": "application/json"}) 特征信息=response.json() ### 4\.查询示例和模式 **示例 1：查找与某种疾病的所有关联** 导入请求特征 = "EFO_0001360" # 2 型糖尿病 base_url =“https://www.ebi.ac.uk/gwas/rest/api” # 查询该特征的关联 url = f"{base_url}/efoTraits/{trait}/associations" 响应 = requests.get(url, headers={"Content-Type": "application/json"}) 关联=response.json() # 处理结果对于 Associations.get('_embedded', {}).get('associations', []) 中的 assoc：变体 = assoc.get('rsId') pvalue = assoc.get('pvalue') risk_allele = assoc.get('strongestAllele') print(f"{variant}: p={pvalue}, 风险等位基因={risk_allele}") **示例 2：获取变异信息和所有性状关联** 导入请求变体=“rs7903146” base_url =“https://www.ebi.ac.uk/gwas/rest/api” # 获取变体详细信息 url = f“{base_url}/单核苷酸多态性/{变体}” 响应 = requests.get(url, headers={"Content-Type": "application/json"}) 变量数据=响应.json() # 获取该变体的所有关联 url = f“{base_url}/单核苷酸多态性/{变体}/关联” params = {“投影”：“associationBySnp”} 响应 = requests.get(url, params=params, headers={"Content-Type": "application/json"}) 关联=response.json() # 提取特征名称和 p 值对于 Associations.get('_embedded', {}).get('associations', []) 中的 assoc：特征 = assoc.get('efoTrait') pvalue = assoc.get('pvalue') print(f"特征：{trait}，p值：{pvalue}") **示例 3：访问汇总统计数据** 导入请求 # 查询汇总统计API base_url =“https://www.ebi.ac.uk/gwas/summary-statistics/api” # 按特征与 p 值阈值查找关联特征 = "EFO_0001360" # 2 型糖尿病 p_upper = "0.000000001" # p < 1e-9 url = f"{base_url}/traits/{trait}/associations" 参数 = { “p_upper”：p_upper， "size": 100 # 结果数 } 响应 = requests.get(url, params=params) 结果=response.json() # 处理全基因组的重要命中对于 results.get('_embedded', {}).get('associations', []) 中的命中： variant_id = hit.get('variant_id') 染色体 = hit.get('染色体') 位置 = hit.get('base_pair_location') pvalue = hit.get('p_value') print(f"{染色体}:{位置} ({variant_id}): p={pvalue}") **示例4：按染色体区域查询** 导入请求 # 查找特定基因组区域的变异染色体=“10” 起始位置 = 114000000 结束位置 = 115000000 base_url =“https://www.ebi.ac.uk/gwas/rest/api” url = f"{base_url}/singleNucleotidePolymorphisms/search/findByChromBpLocationRange" 参数 = { “chrom”：染色体， “bpStart”：start_pos， “bpEnd”：结束位置 } 响应 = requests.get(url, params=params, headers={"Content-Type": "application/json"}) 区域变量=response.json() ### 5\.使用汇总统计数据 GWAS 目录包含许多研究的完整摘要统计数据，提供对所有测试变体（不仅仅是全基因组显着命中）的访问。 **访问方法：** 1. **FTP下载** : 2. **REST API**：基于查询访问汇总统计信息 3. **Web界面**：通过网站浏览和下载 **摘要统计 API 功能：** * 按染色体、位置、p 值过滤 * 查询研究中的特定变体 * 检索效应大小和等位基因频率 * 访问统一和标准化的数据 **示例：下载研究的摘要统计数据** 导入请求导入gzip # 获取可用的摘要统计信息 base_url =“https://www.ebi.ac.uk/gwas/summary-statistics/api” url = f“{base_url}/研究/GCST001234” 响应 = requests.get(url) 研究信息=response.json() # 响应中提供了下载链接 # 或者，使用 FTP： # ftp://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCSTXXXXXX/ ### 6\.数据集成和交叉引用 GWAS 目录提供外部资源的链接： **基因组数据库：** * Ensembl：基因注释和变异后果 * dbSNP：变异标识符和群体频率 * gnomAD：群体等位基因频率 **功能资源：** * 开放目标：目标-疾病关联 * PGS 目录：多基因风险评分 * UCSC 基因组浏览器：基因组背景 **表型资源：** * EFO（实验因素本体论）：标准化特征术语 * OMIM：疾病基因关系 * 疾病本体论：疾病层次结构 **API 响应中的以下链接：** 导入请求 # API 响应包含相关资源的_links 响应 = requests.get("https://www.ebi.ac.uk/gwas/rest/api/studies/GCST001234") 研究=response.json() # 点击关联链接 Associations_url = 研究['_links']['associations']['href'] Associations_response = requests.get(associations_url) ## 查询工作流程 ### 工作流程 1：探索疾病的遗传关联 1. **使用 EFO 术语或自由文本识别特征**： * 在网页界面搜索疾病名称 * 记下 EFO ID（例如，EFO_0001360 表示 2 型糖尿病） 2. **通过API查询关联：** url = f"https://www.ebi.ac.uk/gwas/rest/api/efoTraits/{efo_id}/associations" 3. **按重要性和总体过滤：** * 检查 p 值（全基因组显着性：p ≤ 5×10⁻⁸） *审查研究元数据中的祖先信息 * 按样本大小或发现/复制状态过滤 4. **提取变体详细信息：** * 每个协会的 rs ID * 影响等位基因和方向 * 效应大小（比值比、β 系数） * 群体等位基因频率 5. **与其他数据库的交叉引用：** * 在 Ensebl 中查找变量结果 * 检查 gnomAD 中的人口频率 * 探索基因功能和通路 ### 工作流程 2：研究特定遗传变异 1. **查询变体：** url = f"https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/{rs_id}" 2. **检索所有特征关联：** url = f“https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/{rs_id}/associations” 3. **分析多效性：** * 识别与该变体相关的所有特征 * 审查跨特征的效果方向 * 寻找共享的生物途径 4. **检查基因组背景：** * 确定附近的基因 * 识别变体是否位于编码/监管区域 *审查与其他变体的连锁不平衡 ### 工作流程 3：以基因为中心的关联分析 1. **在网页界面中通过基因符号搜索**或： url = f“https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/search/findByGene” 参数= {“基因名称”：基因符号} 2. **检索基因区域的变异：** * 获取基因的染色体坐标 * 查询区域内的变体 * 包括启动子和监管区域（扩展边界） 3. **分析关联模式：** * 识别与该基因变异相关的性状 * 寻找跨研究的一致关联 * 查看效果大小和方向 4. **功能解释：** * 确定变异后果（错义、监管等） * 检查表达QTL（eQTL）数据 *审查途径和网络环境 ### 工作流程 4：遗传证据的系统审查 1. **定义研究问题：** * 感兴趣的特定特征或疾病 * 人口考虑因素 * 研究设计要求 2. **全面的变异提取：** * 查询特征的所有关联 * 设置显着性阈值 * 注意发现和复制研究 3. **质量评估：** * 审查研究样本量 * 检查人口多样性 * 评估研究之间的异质性 * 识别潜在的偏见 4. **数据综合：** * 跨研究的汇总关联 * 如果适用，进行荟萃分析 * 创建汇总表 * 生成曼哈顿或森林地块 5. **导出和文档：** * 下载完整的关联数据 * 如果需要导出汇总统计数据 * 文献检索策略和日期 * 创建可重复的分析脚本 ### 工作流程 5：访问和分析摘要统计数据 1. **通过汇总统计数据确定研究：** * 浏览摘要统计门户 * 检查 FTP 目录列表 * 查询可用研究的API 2. **下载汇总统计数据：** # 通过FTP wget ftp://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCSTXXXXXX/harmonished/GCSTXXXXXX-harmonized.tsv.gz 3. **通过API查询特定变体：** url = f“https://www.ebi.ac.uk/gwas/summary-statistics/api/chromosomes/{chrom}/associations” params = {“开始”：开始位置，“结束”：结束位置} 4. **处理和分析：** * 按 p 值阈值过滤 * 提取效应大小和置信区间 * 执行下游分析（精细映射、共定位等） ## 响应格式和数据字段 **关联记录中的关键字段：** * `rsId`：变体标识符（rs 编号） * `strongestAllele`：关联的风险等位基因 * `pvalue`：关联 p 值 * `pvalueText`：P 值作为文本（可能包括不等式） * `orPerCopyNum`: 优势比或 beta 系数 * `betaNum`：效应大小（针对数量性状） * `betaUnit`: beta 的测量单位 * `range`: 置信区间 * `efoTrait`: 关联的特征名称 * `mappedLabel`：EFO 映射特征术语 **研究元数据字段：** * `accessionId`：GCST 研究标识符 * `pubmedId`: PubMed ID * `author`: 第一作者 * `publicationDate`: 出版日期 * `ancestryInitial`: 发现人群血统 * `ancestryReplication`：复制群体祖先 * `sampleSize`: 总样本量 **分页：** 结果分页（默认每页 20 个项目）。使用以下方式导航： * `size`参数：每页结果数 * `page` 参数：页码（0-索引） * 响应中的“_links”：下一页/上一页的 URL ## 最佳实践 ### 查询策略 * 从网络界面开始识别相关的 EFO 术语和研究加入 * 使用API进行批量数据提取和自动分析 * 实现大型结果集的分页处理 * 缓存API响应以最大程度地减少冗余请求 ### 数据解读 * 始终检查 p 值阈值（全基因组：5×10⁻⁸） * 审查祖先信息以了解人群适用性 * 评估证据强度时考虑样本量 * 检查独立研究之间的重复情况 * 注意效应大小估计中的赢家诅咒 ### 速率限制和道德 * 尊重API使用准则（无过多请求） * 使用摘要统计数据下载进行全基因组分析 * 在API调用之间实现适当的延迟 * 执行迭代分析时在本地缓存结果 * 在出版物中引用 GWAS 目录 ### 数据质量注意事项 * GWAS 目录整理已发布的关联（可能包含不一致之处） * 报告的影响大小已发布（可能需要协调） * 一些研究报告有条件或联合关联 * 合并结果时检查研究重叠 * 注意确定和选择偏差 ## Python 集成示例查询和分析 GWAS 数据的完整工作流程：导入请求将 pandas 导入为 pd 从时间导入睡眠 def query_gwas_catalog(trait_id, p_threshold=5e-8): ”“” 查询 GWAS 目录以获取性状关联参数： Trait_id：EFO 特征标识符（例如“EFO_0001360”） p_threshold：过滤的 P 值阈值返回： pandas DataFrame 与关联结果 ”“” base_url =“https://www.ebi.ac.uk/gwas/rest/api” url = f"{base_url}/efoTraits/{trait_id}/associations" headers = {"Content-Type": "application/json"} 结果=[] 页数 = 0 而真实： params = {“页面”：页面，“大小”：100} 响应 = requests.get(url, params=params, headers=headers) 如果response.status_code！= 200：打破数据 = 响应.json() Associations = data.get('_embedded', {}).get('associations', []) 如果不是协会：打破对于协会中的 assoc： pvalue = assoc.get('pvalue') 如果 pvalue 和 float(pvalue) <= p_threshold：结果.追加({ '变体': assoc.get('rsId'), 'p值'：p值， 'risk_allele': assoc.get('strongestAllele'), 'or_beta': assoc.get('orPerCopyNum') 或 assoc.get('betaNum'), '特质': assoc.get('efoTrait'), 'pubmed_id': assoc.get('pubmedId') }) 页 += 1 sleep(0.1) # 速率限制返回 pd.DataFrame(结果) # 用法示例 df = query_gwas_catalog('EFO_0001360') # 2 型糖尿病打印（df.head（）） print(f"\n关联总数: {len(df)}") print(f"唯一变体：{df['variant'].nunique()}") ## 资源 ### 参考资料/api_reference.md 全面的 API 文档包括： * 两个 API 的详细端点规范 * 查询参数和过滤器的完整列表 * 响应格式规范及字段说明 * 高级查询示例和模式 * 错误处理和故障排除 * 与外部数据库集成在以下情况下请查阅此参考资料： * 构建复杂的API查询 * 了解响应结构 * 实现分页或批量操作 * 解决API错误 * 探索高级过滤选项 ### 培训材料 GWAS 目录团队提供研讨会材料： * GitHub 存储库： * 带有示例查询的 Jupyter 笔记本 * Google Colab 集成用于云执行 ## 重要提示 ### 数据更新 * GWAS 目录定期更新新出版物 * 定期重新运行查询以获得全面的覆盖范围 * 摘要统计数据作为研究发布数据添加 * EFO 映射可能会随着时间的推移而更新 ### 引文要求使用 GWAS 目录数据时，引用： * 索利斯 E 等人。 (2023) NHGRI-EBI GWAS 目录：知识库和沉积资源。核酸研究。电话号码：37953337 * 包括访问日期和版本（如果有） * 在讨论具体发现时引用原始研究 ### 限制 * 并未包含所有 GWAS 出版物（适用管理标准） * 可用于研究子集的完整摘要统计数据 * 效应大小可能需要跨研究协调 * 人口多样性正在增长，但历史上有限 * 一些关联代表条件或联合效应 ### 数据访问 * 网页界面：免费，无需注册 * REST API：免费，无需 API 密钥 * FTP 下载：开放访问 * 速率限制适用于 API（请尊重） ## 其他资源 * **GWAS 目录网站** ： * **文档**： * **API 文档** ： * **摘要统计 API** ： * **FTP 站点** : * **培训材料**： * **PGS 目录**（多基因评分）： * **帮助和支持**：[gwas-info@ebi.ac.uk]()

Gwas数据库

包含技能