PRS中增加PCA 1-10如何操作

问题来源：

1. 什么是PRS分析

PRS就是多基因风险评分模型，它根据GWAS已经挖掘的结果（GWAS结果，gwas summary），然后使用自己的数据，选择合适的位点，进行个体的风险得分预测。

所以它的步骤：

• 收集已有的gwas summary结果
• 整理自己的snp分型和表型数据
• 进行PRS计算

2. 为何要加入PC1-10

这里的PC是PCA，就是主成分分析的意思，PC1-10，是值PCA1，PCA2……PCA10。理论上，有多少个个体就有多少个PCA，但是PCA解释百分比是逐个下降的，一般GWAS分析中考虑前三个就够了，这里考虑前10个，是确保万无一失的做法。

那么为何要考虑PCA1-10呢？

这个问题相关的问题，为何要考虑性别、年龄，既往病史，高血压，血糖等指标呢？

这些问题在模型中都是作为协变量，目的是为了矫正模型，可以得到更准确的PRS（即排除其它因素，只有SNP影响的得分）。

3. 如何操作呢？

首先，你要计算PCA的值，然后加入到协变量中，关于GWAS中的协变量，我写的内容比较多，可以参考：
GWAS分析中协变量的区分（性别？PCA？不同品种？）

1，使用plink做pca分析，提取前10个结果

 plink --bfile 1kg_hm3_qc --pca 10

1
2

看一下PCA前10个的结果：

2，在PRS计算中，加入到模型中

这里，直接用–cov指定就行，第一列是FID，和IID，plink生成的结果可以直接使用。

Covariate:
–cov | -C Covariate file. First column should be FID and
the second column should be IID. If --ignore-fid
is set, first column should be IID
–cov-col | -c Header of covariates. If not provided, will use
all variables in the covariate file. By adding
@ in front of the string, any numbers within [
and ] will be parsed. E.g. @PC[1-3] will be
read as PC1,PC2,PC3. Discontinuous input are also
supported: @cov[1.3-5] will be parsed as
cov1,cov3,cov4,cov5
–cov-factor Header of categorical covariate(s). Dummy variable
will be automatically generated. Any items in
–cov-factor must also be found in --cov-col
Also accept continuous input (start with @).

上面就是PRS计算加入PC1-10的方法。