⚡

GWAS目录数据库查询Skill gwas-database

该技能用于查询NHGRI-EBI GWAS目录数据库，获取遗传变异与性状关联数据，支持遗传流行病学研究和风险评分模型构建。关键词：GWAS、数据库查询、SNP、性状关联、遗传学、数据分析。

数据分析 0 次安装 0 次浏览 更新于 3/16/2026

name: gwas-database description: “查询NHGRI-EBI GWAS目录中的SNP-性状关联。通过rs ID、疾病/性状、基因搜索变异，检索p值和摘要统计，用于遗传流行病学和多基因风险评分。”

GWAS目录数据库

概述

GWAS目录是一个由美国国家人类基因组研究所（NHGRI）和欧洲生物信息学研究所（EBI）维护的已发表全基因组关联研究的综合存储库。该目录包含从数千个GWAS出版物中整理的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。

何时使用此技能

此技能应在涉及以下查询时使用：

  • 遗传变异关联：查找与疾病或性状相关的SNP
  • SNP查找：检索特定遗传变异（rs ID）的信息
  • 性状/疾病搜索：发现表型的遗传关联
  • 基因关联：查找特定基因内或附近的变异
  • 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：探索祖先特异性关联
  • 多基因风险评分：识别风险预测模型的变异
  • 功能基因组学：理解变异效应和基因组背景
  • 系统综述：遗传关联的全面文献综合

核心能力

1. 理解GWAS目录数据结构

GWAS目录围绕四个核心实体组织：

  • 研究：具有元数据（PMID、作者、队列详情）的GWAS出版物
  • 关联：具有统计证据（p ≤ 5×10⁻⁸）的SNP-性状关联
  • 变异：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：

  • 研究访问号：GCST ID（例如，GCST001234）
  • 变异ID：rs 数字（例如，rs7903146）或 variant_id 格式
  • 性状ID：EFO术语（例如，EFO_0001360 表示2型糖尿病）
  • 基因符号：HGNC批准名称（例如，TCF7L2）

2. 网络界面搜索

https://www.ebi.ac.uk/gwas/ 上的网络界面支持多种搜索模式：

按变异（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异。

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：McCarthy MI
GCST001234

返回研究详情和所有报告的关联。

3. REST API访问

GWAS目录提供两个REST API用于编程访问：

基础URL：

  • 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：

核心端点：

  1. 研究端点 - /studies/{accessionID}

    import requests

# 获取特定研究
url = "https://www.ebi.ac.uk/gwas/rest/api/studies/GCST001795"
response = requests.get(url, headers={"Content-Type": "application/json"})
study = response.json()

  2. 关联端点 - /associations

    # 查找变异的关联
variant = "rs7903146"
url = f"https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/{variant}/associations"
params = {"projection": "associationBySnp"}
response = requests.get(url, params=params, headers={"Content-Type": "application/json"})
associations = response.json()

  3. 变异端点 - /singleNucleotidePolymorphisms/{rsID}

    # 获取变异详情
url = "https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/rs7903146"
response = requests.get(url, headers={"Content-Type": "application/json"})
variant_info = response.json()

  4. 性状端点 - /efoTraits/{efoID}

    # 获取性状信息
url = "https://www.ebi.ac.uk/gwas/rest/api/efoTraits/EFO_0001360"
response = requests.get(url, headers={"Content-Type": "application/json"})
trait_info = response.json()

4. 查询示例和模式

示例1：查找疾病的所有关联

import requests

trait = "EFO_0001360"  # 2型糖尿病
base_url = "https://www.ebi.ac.uk/gwas/rest/api"

# 查询此性状的关联
url = f"{base_url}/efoTraits/{trait}/associations"
response = requests.get(url, headers={"Content-Type": "application/json"})
associations = response.json()

# 处理结果
for assoc in associations.get('_embedded', {}).get('associations', []):
    variant = 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

import requests

variant = "rs7903146"
base_url = "https://www.ebi.ac.uk/gwas/rest/api"

# 获取变异详情
url = f"{base_url}/singleNucleotidePolymorphisms/{variant}"
response = requests.get(url, headers={"Content-Type": "application/json"})
variant_data = response.json()

# 获取此变异的所有关联
url = f"{base_url}/singleNucleotidePolymorphisms/{variant}/associations"
params = {"projection": "associationBySnp"}
response = requests.get(url, params=params, headers={"Content-Type": "application/json"})
associations = response.json()

# 提取性状名称和p值
for assoc in associations.get('_embedded', {}).get('associations', []):
    trait = assoc.get('efoTrait')
    pvalue = assoc.get('pvalue')
    print(f"性状: {trait}, p值: {pvalue}")

示例3：访问摘要统计

import requests

# 查询摘要统计API
base_url = "https://www.ebi.ac.uk/gwas/summary-statistics/api"

# 按性状和p值阈值查找关联
trait = "EFO_0001360"  # 2型糖尿病
p_upper = "0.000000001"  # p < 1e-9
url = f"{base_url}/traits/{trait}/associations"
params = {
    "p_upper": p_upper,
    "size": 100  # 结果数量
}
response = requests.get(url, params=params)
results = response.json()

# 处理全基因组显著命中
for hit in results.get('_embedded', {}).get('associations', []):
    variant_id = hit.get('variant_id')
    chromosome = hit.get('chromosome')
    position = hit.get('base_pair_location')
    pvalue = hit.get('p_value')
    print(f"{chromosome}:{position} ({variant_id}): p={pvalue}")

示例4：按染色体区域查询

import requests

# 查找特定基因组区域内的变异
chromosome = "10"
start_pos = 114000000
end_pos = 115000000

base_url = "https://www.ebi.ac.uk/gwas/rest/api"
url = f"{base_url}/singleNucleotidePolymorphisms/search/findByChromBpLocationRange"
params = {
    "chrom": chromosome,
    "bpStart": start_pos,
    "bpEnd": end_pos
}
response = requests.get(url, params=params, headers={"Content-Type": "application/json"})
variants_in_region = response.json()

5. 处理摘要统计

GWAS目录托管了许多研究的完整摘要统计，提供对所有测试变异（不仅仅是全基因组显著命中）的访问。

访问方法：

  1. FTP下载：http://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/
  2. REST API：基于查询的摘要统计访问
  3. 网络界面：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
  • 跨研究查询特定变异
  • 检索效应大小和等位基因频率
  • 访问统一和标准化数据

示例：下载研究的摘要统计

import requests
import gzip

# 获取可用的摘要统计
base_url = "https://www.ebi.ac.uk/gwas/summary-statistics/api"
url = f"{base_url}/studies/GCST001234"
response = requests.get(url)
study_info = response.json()

# 响应中提供下载链接
# 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目录提供指向外部资源的链接：

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：

  • Open Targets：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（实验因子本体）：标准化性状术语
  • OMIM：疾病-基因关系
  • 疾病本体：疾病层次结构

在API响应中跟随链接：

import requests

# API响应包括相关资源的_links
response = requests.get("https://www.ebi.ac.uk/gwas/rest/api/studies/GCST001234")
study = response.json()

# 跟随链接到关联
associations_url = study['_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性状：

    • 在网络界面中搜索疾病名称
    • 记录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. 按显著性和群体过滤：

    • 检查p值（全基因组显著：p ≤ 5×10⁻⁸）
    • 在研究元数据中查看祖先信息
    • 按样本大小或发现/复制状态过滤

  4. 提取变异详情：

    • 每个关联的rs ID
    • 效应等位基因和方向
    • 效应大小（比值比、beta系数）
    • 群体等位基因频率

  5. 与其他数据库交叉引用：

    • 在Ensembl中查找变异后果
    • 在gnomAD中检查群体频率
    • 探索基因功能和通路

工作流程2：研究特定遗传变异

  1. 查询变异：

    url = f"https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/{rs_id}"

  2. 检索所有性状关联：

    url = f"https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/{rs_id}/associations"

  3. 分析多效性：

    • 识别与此变异相关的所有性状
    • 跨性状检查效应方向
    • 查找共享的生物通路

  4. 检查基因组背景：

    • 确定附近的基因
    • 识别变异是否在编码/调控区域
    • 审查与其他变异的连锁不平衡

工作流程3：以基因为中心的关联分析

  1. 在网络界面中按基因符号搜索或：

    url = f"https://www.ebi.ac.uk/gwas/rest/api/singleNucleotidePolymorphisms/search/findByGene"
params = {"geneName": gene_symbol}

  2. 检索基因区域内的变异：

    • 获取基因的染色体坐标
    • 查询区域内的变异
    • 包括启动子和调控区域（扩展边界）

  3. 分析关联模式：

    • 识别与此基因内变异相关的性状
    • 查找跨研究的一致性关联
    • 审查效应大小和方向

  4. 功能解释：

    • 确定变异后果（错义、调控等）
    • 检查表达QTL（eQTL）数据
    • 审查通路和网络背景

工作流程4：遗传证据的系统综述

  1. 定义研究问题：

    • 感兴趣的特定性状或疾病
    • 群体考虑
    • 研究设计要求

  2. 全面提取变异：

    • 查询性状的所有关联
    • 设置显著性阈值
    • 记录发现和复制研究

  3. 质量评估：

    • 审查研究样本大小
    • 检查群体多样性
    • 评估跨研究的异质性
    • 识别潜在偏倚

  4. 数据综合：

    • 跨研究聚合关联
    • 如适用，进行荟萃分析
    • 创建汇总表
    • 生成曼哈顿或森林图

  5. 导出和文档化：

    • 下载完整关联数据
    • 如有需要，导出摘要统计
    • 记录搜索策略和日期
    • 创建可重复的分析脚本

工作流程5：访问和分析摘要统计

  1. 识别具有摘要统计的研究：

    • 浏览摘要统计门户
    • 检查FTP目录列表
    • 查询API获取可用研究

  2. 下载摘要统计：

    # 通过FTP
wget ftp://ftp.ebi.ac.uk/pub/databases/gwas/summary_statistics/GCSTXXXXXX/harmonised/GCSTXXXXXX-harmonised.tsv.gz

  3. 通过API查询特定变异：

    url = f"https://www.ebi.ac.uk/gwas/summary-statistics/api/chromosomes/{chrom}/associations"
params = {"start": start_pos, "end": end_pos}

  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：变异标识符（rs编号）
  • strongestAllele：关联的风险等位基因
  • pvalue：关联p值
  • pvalueText：作为文本的p值（可能包括不等式）
  • orPerCopyNum：比值比或beta系数
  • betaNum：效应大小（用于定量性状）
  • betaUnit：beta的测量单位
  • range：置信区间
  • efoTrait：相关性状名称
  • mappedLabel：EFO映射的性状术语

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：发现群体祖先
  • ancestryReplication：复制群体祖先
  • sampleSize：总样本大小

分页： 结果分页（默认每页20项）。使用以下参数导航：

  • size 参数：每页结果数
  • page 参数：页码（从0开始）
  • 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术语和研究访问号
  • 使用API进行批量数据提取和自动化分析
  • 实现分页处理以处理大型结果集
  • 缓存API响应以减少冗余请求

数据解释

  • 始终检查p值阈值（全基因组：5×10⁻⁸）
  • 审查祖先信息以评估群体适用性
  • 考虑样本大小以评估证据强度
  • 检查跨独立研究的复制情况
  • 注意效应大小估计中的赢家诅咒

速率限制和伦理

  • 尊重API使用指南（无过度请求）
  • 用于全基因组分析时使用摘要统计下载
  • 在API调用之间实施适当延迟
  • 进行迭代分析时本地缓存结果
  • 在出版物中引用GWAS目录

数据质量考虑

  • GWAS目录整理已发表的关联（可能包含不一致）
  • 效应大小按发布报告（可能需要统一）
  • 一些研究报告条件或联合关联
  • 结合结果时检查研究重叠
  • 注意诊断和选择偏倚

Python集成示例

查询和分析GWAS数据的完整工作流程：

import requests
import pandas as pd
from time import sleep

def query_gwas_catalog(trait_id, p_threshold=5e-8):
    """
    查询GWAS目录获取性状关联

    参数：
        trait_id: EFO性状标识符（例如，'EFO_0001360'）
        p_threshold: 过滤的p值阈值

    返回：
        带有关联结果的pandas DataFrame
    """
    base_url = "https://www.ebi.ac.uk/gwas/rest/api"
    url = f"{base_url}/efoTraits/{trait_id}/associations"

    headers = {"Content-Type": "application/json"}
    results = []
    page = 0

    while True:
        params = {"page": page, "size": 100}
        response = requests.get(url, params=params, headers=headers)

        if response.status_code != 200:
            break

        data = response.json()
        associations = data.get('_embedded', {}).get('associations', [])

        if not associations:
            break

        for assoc in associations:
            pvalue = assoc.get('pvalue')
            if pvalue and float(pvalue) <= p_threshold:
                results.append({
                    'variant': assoc.get('rsId'),
                    'pvalue': pvalue,
                    'risk_allele': assoc.get('strongestAllele'),
                    'or_beta': assoc.get('orPerCopyNum') or assoc.get('betaNum'),
                    'trait': assoc.get('efoTrait'),
                    'pubmed_id': assoc.get('pubmedId')
                })

        page += 1
        sleep(0.1)  # 速率限制

    return pd.DataFrame(results)

# 示例用法
df = query_gwas_catalog('EFO_0001360')  # 2型糖尿病
print(df.head())
print(f"
总关联数: {len(df)}")
print(f"唯一变异数: {df['variant'].nunique()}")

资源

references/api_reference.md

全面的API文档包括：

  • 两个API的详细端点规范
  • 完整的查询参数和过滤器列表
  • 响应格式规范和字段描述
  • 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

在以下情况下查阅此参考：

  • 构建复杂的API查询
  • 理解响应结构
  • 实现分页或批量操作
  • 排除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：

重要注意事项

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覆盖
  • 随着研究发布数据，摘要统计被添加
  • EFO映射可能随时间更新

引用要求

使用GWAS目录数据时，请引用：

  • Sollis E, 等. (2023) NHGRI-EBI GWAS目录：知识库和存储资源。 Nucleic Acids Research. PMID: 37953337
  • 包括可用时的访问日期和版本
  • 讨论特定发现时引用原始研究

限制

  • 并非所有GWAS出版物都包含（适用整理标准）
  • 完整摘要统计仅适用于研究子集
  • 效应大小可能需要跨研究统一
  • 群体多样性在增长，但历史上有限
  • 一些关联表示条件或联合效应

数据访问

  • 网络界面：免费，无需注册
  • REST API：免费，无需API密钥
  • FTP下载：开放访问
  • API适用速率限制（请尊重）

附加资源