限られた要約統計からの共局在の確率を推定します

背景：共局在は、同じバリアントが複数の表現型、例えば複雑な特性や遺伝子発現の因果関係であるかどうかを判断するために、遺伝学で使用される統計的方法です。共有された重要性よりも強力な機械的証拠を提供します。これは、結合不均衡の個別の因果変異体によって生成される可能性があります。現在の共局在方法には、両方の特性の完全な要約統計が必要であり、報告されたGWAS関連の大部分（GWASカタログなど）の使用を制限します。限られた要約統計が利用可能な場合に適用できる一般的なコロック法の新しい近似を提案します。私たちの方法（共局在のポイント推定、Poemcoloc）は、参照パネルのLD構造を使用して、片または両方の特性の不足している概要統計を否定し、帰属された要約統計を使用して共局在を実行します。 結果：Real（UK Biobank表現型とGTEX EQTL）とシミュレートされたデータセットを使用して、Poemcolocのパフォーマンスを評価します。帰属および観察されたデータセットから計算された共局在の後方確率と、シミュレーションの同様の精度との間に良好な相関関係を示します。パフォーマンスを低下させる可能性のあるシナリオを評価し、領域の複数の独立した因果バリアントと型型型の限られたサブセットからの帰属がより大きな効果がある一方で、参照パネルの不一致の祖先が控えめな効果を持っていることを示します。さらに、Inputed Association Statisticsが十分に駆動された研究（比較的大きなサンプルサイズまたは効果サイズ）からの詩コロックがコロックのより良い近似であることがわかります。Poemcolocを適用して、GWASカタログエントリとGTEX EQTLの共局在を推定すると、150,000の形質麻痺組織トリプレットの共局在の証拠が見つかります。 結論：完全な要約統計で実行される共局在分析は、一方または両方の特性に対して上部SNPの概要統計のみが利用可能である場合、密接に近似できることがわかります。完全なGWASカタログとGTEX EQTLに適用されると、共局在した形質遺伝子ペアは、疾患の病因に関連する組織に豊富であり、承認された薬物メカニズムとの一致のために濃縮されていることがわかります。PoemColoc Rパッケージは、https：//github.com/abbvie-computationalgenomics/poemcolocで入手できます。

BACKGROUND: Colocalization is a statistical method used in genetics to determine whether the same variant is causal for multiple phenotypes, for example, complex traits and gene expression. It provides stronger mechanistic evidence than shared significance, which can be produced through separate causal variants in linkage disequilibrium. Current colocalization methods require full summary statistics for both traits, limiting their use with the majority of reported GWAS associations (e.g. GWAS Catalog). We propose a new approximation to the popular coloc method that can be applied when limited summary statistics are available. Our method (POint EstiMation of Colocalization, POEMColoc) imputes missing summary statistics for one or both traits using LD structure in a reference panel, and performs colocalization using the imputed summary statistics. RESULTS: We evaluate the performance of POEMColoc using real (UK Biobank phenotypes and GTEx eQTL) and simulated datasets. We show good correlation between posterior probabilities of colocalization computed from imputed and observed datasets and similar accuracy in simulation. We evaluate scenarios that might reduce performance and show that multiple independent causal variants in a region and imputation from a limited subset of typed variants have a larger effect while mismatched ancestry in the reference panel has a modest effect. Further, we find that POEMColoc is a better approximation of coloc when the imputed association statistics are from a well powered study (e.g., relatively larger sample size or effect size). Applying POEMColoc to estimate colocalization of GWAS Catalog entries and GTEx eQTL, we find evidence for colocalization of 150,000 trait-gene-tissue triplets. CONCLUSIONS: We find that colocalization analysis performed with full summary statistics can be closely approximated when only the summary statistics of the top SNP are available for one or both traits. When applied to the full GWAS Catalog and GTEx eQTL, we find that colocalized trait-gene pairs are enriched in tissues relevant to disease etiology and for matches to approved drug mechanisms. POEMColoc R package is available at https://github.com/AbbVie-ComputationalGenomics/POEMColoc .