Summary Statistics Pipeline

传统 Knockoff 需要个体级基因型数据，但 GWAS 通常只公开汇总统计量（Z-score、P值等）。本 Pipeline 采用 GhostKnockoff 和 LAVA-Knock 方法，实现了仅基于汇总统计量的 Knockoff 分析：

GhostKnockoff：利用参考面板的 LD 结构，从汇总统计量中重构 knockoff 统计量
LAVA-Knock：扩展到局部遗传相关分析，支持多表型联合分析
无需个体数据：仅需 Z-score 和参考面板（如 1000 Genomes）即可运行

主要功能

变量选择 (--mode select): GhostKnockoff + LAVAKnock FDR 控制，输出显著变异。
局部遗传相关 (--mode correl): LAVA-Knock 双表型窗口分析，输出窗口级局部相关与 knockoff 过滤结果。

Pipeline 版本：Standard vs Fast

版本	触发方式	主要差异
Standard (默认)	不加 `--py_accel`	全部计算在 R 中完成，适合通用环境。
Fast	命令后追加 `--py_accel`	使用 `accelerator.py` 中的 NumPy/Numba 加速相关系数和 LD 去冗余运算。

无法加载 Python 环境时，会自动回退到标准实现。

快速开始

以下命令可直接在仓库根目录执行。默认的参考面板是1000geno的 g1000_eur，用户也可以自己提供或者使用基因型数据，用户需要提供zscore文件 zscore.txt 与，再依据用户指定的基因型坐标GRCh37 或 GRCh38进行切块。

1) 安装依赖

Rscript install_packages.R

2) 变量选择（参考面板）

Rscript run_pipeline.R --mode select \
  --zscore zscore.txt \
  --panel g1000_eur \
  --ld_coord GRCh37 \
  --py_accel -v -o results

自动解析 zscore.txt 中的 chr:pos:ref:alt 或 CHR/POS 列，与参考面板按 CHR+POS 匹配。
--panel 可省略（默认 g1000_eur/g1000_eur）。
--ld_coord 必须显式指定 LD block 坐标（GRCh37 或 GRCh38）。

3) 变量选择（真实基因型）

Rscript run_pipeline.R --mode select \
  --zscore zscore.txt \
  --geno_plink genotype \
  --ld_coord GRCh37 \
  -o results -v

4) 局部遗传相关（示例）

Rscript run_pipeline.R --mode correl \
  --zscore zscore.txt \
  --panel g1000_eur/g1000_eur \
  --py_accel -v -o results

扩展到全基因组时，可对 1–22 号染色体循环运行（如需特定窗口，可继续使用 scripts/build_info_from_plink.R 手动生成 Info）。

输入格式与自动识别

变异信息：CSV，列包含 rsid, chr, pos_bp。可使用 scripts/build_info_from_plink.R 从 PLINK 面板生成。
GWAS 汇总：
- 标准：CHR, POS, Z。
- 仅 rsid + 数值列：通过 normalize_gwas_table() 自动转换；脚本 scripts/convert_zscore_to_gwas.R 可提前批量处理。
- 多表型：--multi_gwas <file> --zcols col1,col2。
基因型 / 参考面板：
- --geno_rds：RDS matrix（列名为 rsid 或 chr:pos）。
- --geno_csv：CSV，配合 --geno_format samples_by_snps|snps_by_samples。
- --geno_plink：PLINK 前缀，使用 snpStats::read.plink 读取。
- 未提供真实基因型时，自动启用 --ref_plink（默认 g1000_eur/g1000_eur）。

输出说明

Selection 模式

输出文件：results/selection/<info>_<pheno>_selection.csv

列包含：

id, rsid, chr, pos
pval.orginal, pval.knockoff*
W, Qvalue, selected
geno_source

若按 LD blocks 切块（--ld_coord），会额外生成 <prefix>_chunk_summary.csv，记录每个分块的：

范围
来源（ld_block/fallback）
选择数

Correlation 模式

输出文件：

results/correlation/<info>_<pheno1>__<pheno2>_bivariate.csv
results/correlation/<info>_<pheno1>__<pheno2>_significant_windows.csv

目录速览

g1000_eur/                    # 默认参考面板 (.bed/.bim/.fam/.synonyms)
demo_chr10_10_20Mb.*          # 示例真实基因型（PLINK）
info_chr10_10_20Mb.csv        # 由参考面板提取的示例 Info
zscore_chr10_10_20Mb.tsv      # 示例 GWAS 子集
zscore_formatted.tsv          # 转换后的标准格式
results/                      # 分析输出目录
  ├── selection/              # 变量选择结果
  └── correlation/            # 局部遗传相关结果

Individual Statistics Pipeline