使用VEGAS2（Versatile Gene-based Association Study）进行gene based的关联分析研究

gene-based关联分析研究是SNP-based关联分析研究的一个补充。

目前有很多工具支持gene-based关联分析研究，比如GCTA，VEGAS2等。

下面主要介绍一下怎么用VEGAS2做gene-based的关联分析研究。

先说VEGAS2的优点，输入特别简单，不需要准备太多输入文件。

缺点，我后面再提。

VEGAS2提供了两种方式跑gene based的关联分析。

一种是在线的，一种是离线的。

下面分别介绍这两种。

1、基于在线跑VEGAS2的方式

在线网址：https://vegas2.qimrberghofer.edu.au/

这种输入方式很简单，准备一个文件，文件包含两列，分别为SNP的rs编号和P值，如下所示：

rs1004739 0.00341

rs2898687 0.005083

rs7162781 0.6343

rs2905794 0.9469

rs1801052 0.9469

rs1013948 0.2093

准备好后，按如下图所示提交分析

2、基于Linux跑VEGAS2的方式

这种方式优点是不需要像在线那种方式需要等对方返回结果。直接就能在服务器上跑。

缺点也很明显。

第一、

配置麻烦。安装很不友好。不适合生信小白拿来练手。

会让你越练越挫，越练越生气。最后从入门到放弃。

第二、

即便你安装成功了，能跑了。你会发现，特别占CPU。

我相信等你跑完所有染色体后，早被课题组的人骂惨了。

所以，真心建议，放弃这个软件，或者直接选用在线版本。

如果你坚持要在Linux下用这个软件，请看下面的教程。

2.1 VEGAS2下载、安装

wget https://vegas2.qimrberghofer.edu.au/VEGAS2offline.tgz

tar -zxvf zVEGAS2offline.tgz

解压后，会看到以下两个可执行文件：

VEGAS2.pl

VEGAS2.config

以及两个文件夹:

a. VEGAS2database

b. VEGAS2scripts

2.2 config VEGAS2

sh vegas2.config VEGAS2database VEGAS2scripts

2.3 确保服务器安装了perl,plink和R

which perl

which plink

which R

如果安装了perl,plink和R，在输入上面命令后，会返回perl,plink和R的地址。没有返回哪个软件的地址，则需要自己手动export进去。

例如，假如没有返回plink软件，但是你又明确知道plink安装在/usr/bin下，则用以下命令：

export PATH=/usr/bin/:$PATH

2.3 安装R的依赖包

install.packages("mvtnorm")

install.packages("corpcor")

2.4 开始跑gene-based关联分析研究。

默认参数：

vegas2 test_vegas2input.txt -pop 1000GEURO -subpop EURO -genesize 0kbloc -top 100 -sex BothMnF -max 1000000 -out genebased.V2out

注意：

–chr 和 –genelist参数不要同时使用，同样，–top 和 –bestsnp参数也不要同时使用。不然没法工作。
-pop是指研究样本的群体来源，默认是欧洲（ 1000GEURO ）；

-subpop是指子群体，比如芬兰，北方汉族等；

-genesize To specify which gene definition to use. There are five options available viz. 0kbloc(default), 10kbloc, 20kbloc, 50kbloc and 0kbldbin

-chr To run vegas2 on specific chromosome. It could be in between 1 to 23.

-genelist To run vegas2 on specific list of genes.

-top It tell vegas2 to perform top percentage test where it consider specified percentage of top SNPs

-bestsnp It tell vegas2 to perform best SNP test.

-sex This option is provided for X-chromosome analysis. It tells vegas2 to consider either male (Default) of female 1000G individuals to make ld matrix for simulations.

-max It tells VEGAS2 the maximum number of simulation to perform. It must be above 1e6.

-adjust To get genomic inflation corrected p-values. It will create one more file “.corrected”

-out It tells VEGAS2 the output file name.

如果幸运的话，在这个阶段就能跑成功了。

这个时候，能得到如下示例结果：

但如果不幸。报错了。

下面我再推荐一个备份的跑法。

2.5 备份跑法：gene-based关联分析研究。

跑之前，需要先修改vegas2.pl的代码。

修改vegas2.pl

vi vegas2.pl

进入vegas2.pl文件以后，改动的代码如下：

1）第209行

将原始代码:

my $path_sub_population = "/scratch/aniketM/VEGAS2/$reference_population/1000G$sub_population.extract";

修改为：

my $path_sub_population = "/VEGAS2/VEGAS2offline2/VEGAS2database/$reference_population/1000G$sub_population.extract";

其中，/VEGAS2/VEGAS2offline2/VEGAS2database/指的是你服务器VEGAS2database的绝对路径，

也就是说，如果你的VEGAS2database文件夹放在/usr/VEGAS2/VEGAS2offline2/VEGAS2database/这个路径上，

那么这里应该修改为：

my $path_sub_population = "/usr/VEGAS2/VEGAS2offline2/VEGAS2database/$reference_population/1000G$sub_population.extract";

2)第212行

将原始代码:

my $path_merge_database = "/scratch/aniketM/VEGAS2/$reference_population/$definition_gene";

修改为：

my $path_merge_database = "/VEGAS2/VEGAS2offline2/VEGAS2database/$reference_population/$definition_gene";

修改的路径同209行的修改方式，这里不多做解释。

3)第215行

修改方式同209行，

将

/scratch/aniketM/VEGAS2/

改为

/VEGAS2/VEGAS2offline2/VEGAS2database/

4)第218行

修改方式同209行，

将

/scratch/aniketM/VEGAS2/

改为

/VEGAS2/VEGAS2offline2/VEGAS2database/

5)第340行

将原始代码:

system("cp /home/aniketM/bin/VEGAS2scripts/genemerge.sh genemerge.sh");

修改为：

system("cp /VEGAS2/VEGAS2offline2/VEGAS2scripts/genemerge.sh genemerge.sh");

其中，/VEGAS2/VEGAS2offline2/VEGAS2scripts/指的是你服务器VEGAS2scripts的绝对路径，

也就是说，如果你的VEGAS2scripts文件夹放在/usr/VEGAS2/VEGAS2offline2/VEGAS2scripts/这个路径上，

那么这里应该修改为：

system("cp /usr/VEGAS2/VEGAS2offline2/VEGAS2scripts/genemerge.sh genemerge.sh");

6)第341-346行

修改方式同340行，

将

/home/aniketM/bin/VEGAS2scripts/

改为

/VEGAS2/VEGAS2offline2/VEGAS2scripts/

保存vegas2.pl

完成以上1）-6）的工作后，输入:wq 保存vegas2.pl

开始运行gene-based关联分析研究

输入以下代码：

/path/to/perl vegas2.pl test_vegas2input.txt -pop 1000GEURO -subpop EURO -genesize 0kbloc -top 100 -sex BothMnF -max 1000000 -out genebased.V2out

其中，/path/to/perl是指服务器放perl的路径；

vegas2.pl是VEGAS2跑gene-based的perl脚本，与test_vegas2input.txt放在同一个路径里

3、内容补充：

运行这个软件，可能会遇到以下报错：

3.1 报错1

Can't locate Data/UUID.pm in @INC (@INC contains: /home/chenwenyan/perl5/lib/perl5 /usr/local/lib64/perl5 /usr/local/share/perl5 /usr/lib64/perl5/vendor_perl /usr/share/perl5/vendor_perl /usr/lib64/perl5 /usr/share/perl5 .) at /software/VEGAS2/VEGAS2offline2/vegas4.pl line 4.

解决方案是：安装Data::GUID模块。

具体解决方式：

1）下载、解压Data::GUID模块

wget https://cpan.metacpan.org/authors/id/R/RJ/RJBS/Data-UUID-1.224.tar.gz

tar -xzvf Data-UUID-1.224.tar.gz

2）安装Data::GUID模块

cd Data-UUID-1.224/

perl　Makefile.PL

make

make test

make install

完成以上测试后，如果没有报任何的错误，说明Data::GUID模块已经正确安装。

3.2 报错2

gcc:error:unrecognized command line option ‘-fstack-protector-strong’

这个报错说明需要升级GCC的版本。

-fstack-protector-strong要求GCC 4.9版本以上

可以通过命令gcc -v查看服务器GCC的版本。

如果没有达到4.9,则需要升级。

gcc各种版本在这：http://ftp.gnu.org/gnu/gcc/

关于升级GCC，有写的比我更详细的教程，推荐看这篇：
https://www.cnblogs.com/julie-yang/p/4695845.html

这里我就不再赘述。