
SAIGE队列运行先拟合与研究设计匹配的空模型,再对基因型范围做检验。不同表型、协变量或样本不能只因都叫病例对照,就共享同一个模型。本篇限定二分类、全GRM及LOCO路线,用同一模型与方差比开展两个常染色体的单变异检验;稀疏GRM和集合检验需要对应的额外文件与设置。
先核对模型输入与脚本版本
使用同一已验证SAIGE发行版的R包和extdata脚本,保存sessionInfo及源码版本。pheno.tsv含唯一IID、disease、age、PC1、PC2;本例病例1、对照0,先核对编码、数量、有效协变量和基因型对应。模型适用性、祖源和相关样本处理由研究设计确定,不靠计算结束反推合理。
| 阶段 | 输入 | 验收 |
|---|---|---|
| 空模型 | QC PLINK、表型与协变量 | 收敛、样本量、模型及方差比 |
| 分区检验 | 单染色体VCF、CSI索引 | chrom精确匹配,GT/DS含义明确 |
| LOCO | 两阶段策略一致 | 本例TRUE且每片仅一条染色体 |
| 汇总 | 同一模型和完整任务清单 | 检验数、失败与等位基因方向 |
在新目录拟合空模型
SAIGE_SCRIPTS填写与当前包匹配的extdata绝对路径。下例Step 1使用全基因组QC PLINK前缀;两线程是演示。先验证病例对照与协变量,不改数据编码只为让脚本接受。代码不自动覆盖已有方差比,所有结果写新目录。
set -euo pipefail
: "${SAIGE_SCRIPTS:?填写已验证发行版的extdata绝对路径}"
test -r "$SAIGE_SCRIPTS/step1_fitNULLGLMM.R"
test -r "$SAIGE_SCRIPTS/step2_SPAtests.R"
mkdir saige-batch-001
root="$PWD/saige-batch-001"
Rscript -e 'library(SAIGE); sessionInfo()' > "$root/session.txt" 2>&1
/usr/bin/time -v -o "$root/step1.time" Rscript \
"$SAIGE_SCRIPTS/step1_fitNULLGLMM.R" \
--plinkFile=/data/step1_qc --phenoFile="$PWD/pheno.tsv" \
--phenoCol=disease --covarColList=age,PC1,PC2 \
--sampleIDColinphenoFile=IID --traitType=binary \
--useSparseGRMtoFitNULL=FALSE --LOCO=TRUE \
--skipVarianceRatioEstimation=FALSE --nThreads=2 \
--outputPrefix="$root/model" > "$root/step1.log" 2>&1
test -s "$root/model.rda"
test -s "$root/model.varianceRatio.txt"
逐染色体检验,避免借用错误模型
先读Step 1日志确认收敛、实际样本及方差比估计,再执行。示例VCF是单染色体、排序并有匹配CSI,contig写作1、2,已核对GT含义。若输入只含dosage,应按对应字段明确使用DS;缺失与填补规则也要写入方法,不能无依据改字段。
set -euo pipefail
: "${SAIGE_SCRIPTS:?填写已验证脚本目录}"
root="$PWD/saige-batch-001"
test -s "$root/model.rda"
test -s "$root/model.varianceRatio.txt"
for chr in 1 2; do
vcf="/data/chr$chr.vcf.gz"
test -s "$vcf"
test -s "$vcf.csi"
/usr/bin/time -v -o "$root/chr$chr.time" Rscript \
"$SAIGE_SCRIPTS/step2_SPAtests.R" --vcfFile="$vcf" \
--vcfField=GT --chrom="$chr" --LOCO=TRUE \
--GMMATmodelFile="$root/model.rda" \
--varianceRatioFile="$root/model.varianceRatio.txt" \
--minMAF=0 --minMAC=20 --markers_per_chunk=10000 \
--is_output_moreDetails=TRUE --SAIGEOutputFile="$root/chr$chr.txt" \
> "$root/chr$chr.log" 2>&1
test -s "$root/chr$chr.txt"
done
结果验收要覆盖全部任务范围
minMAC等过滤数值只是教学协议,正式阈值按设计确定并记录;有效检验数与输入记录数可不同,但每种排除要能解释。逐片读取表头、染色体和等位基因字段,核对病例对照N、缺失与SPA相关诊断。SAIGE效应方向按结果的Allele2解释,不能只按VCF列序号套一个固定正负号。
脚本只演示两条染色体,完整项目必须列全合法范围;不要把X染色体直接套普通常染色体流程。合并表时只保留一份一致表头,检查唯一位点及范围,不能把上轮结果混入新队列。没有显著结果不是失败,缺片、未收敛或异常样本量才需要回到模型和输入排查。
提交前分别统计表型原始人数、病例数、对照数、协变量完整人数以及与基因型的交集。核对日志是否按预期纳入,若减少很多先找缺失和ID映射原因;不能把另一个阶段的样本数直接复制到本表型记录。
Step 1与Step 2分别测RSS、时间和工作盘;Step 2不随意添加不存在的通用线程参数。增加染色体任务并发前计算总额度,固定模型、方差比和脚本路径。恢复任务应保留该版本要求的输出进度文件并核对协议,不能从另一轮模型继续追加,避免得到来源混合的关联表。
参考资料
需要额外算力时
适用前提:研究设计和模型适用性已确认,分区检验吞吐量超出现有能力。如需额外资源,可评估按任务测算的CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。
咨询本任务的服务器配置
留下手机号,我们会结合本文任务与您沟通服务器配置和报价。 也可联系云生信企业微信客服,说明本文任务。咨询本任务的服务器配置
