★ FEATURED ARTICLE 【免费下载链接】ClawBio ClawBio - The first bioinformatics-native AI agent skill library. Local-first. Reproducible. Open. Free.项目地址https://gitcode.com/gh_mirrors/cl/ClawBio点击查看免费下载如果你想知道自己患某种遗传相关疾病的风险有多高ClawBio 的gwas-prs技能是一个很好的起点它基于PGS Catalog全球最大的多基因风险评分数据库可以直接解析 23andMe / AncestryDNA 等消费级基因检测文件在本地计算你的多基因风险评分Polygenic Risk ScorePRS并给出在参考人群中的百分位和风险等级。全程数据不离开你的电脑且免费、开源、可复现。一、先搞懂PRS 是怎么算出来的多基因风险评分的思路其实很直观收集证据PGS Catalog 收录了 3000 个已发表的评分、覆盖 667 种性状每个评分都附带一份打分文件列出了与该性状相关的基因位点及其效应权重beta。对号入座把你的基因型文件中每个位点的风险等位基因剂量0、1 或 2 个乘以对应权重。累加得分所有匹配位点相加得到你的原始 PRS 分数。换算百分位用参考人群的均值和标准差做 Z 分数换算成你在人群中的百分位并归入Low / Average / Elevated / High四档风险等级。公式只有一行新手也能看懂PRS Σ位点剂量 × 效应权重计算逻辑见 skills/gwas-prs/gwas_prs.py完整方法说明在 skills/gwas-prs/SKILL.md。二、三种方式拿到评分文件 gwas-prs支持三种取数方式按上手难度排序方式参数适用场景是否需要联网精选演示面板--panel-id快速体验6 个常见疾病否离线按性状搜索--trait type 2 diabetes想查某类疾病的评分是查 PGS Catalog API指定评分 ID--pgs-id PGS000031精确复现某个已发表评分是下载打分文件内置的 6 个离线演示面板位于 skills/gwas-prs/data/覆盖了最常见的疾病方向面板 ID性状位点数CLAWBIO-T2D-82 型糖尿病8CLAWBIO-AF-12心房颤动12CLAWBIO-CAD-46冠状动脉疾病46CLAWBIO-BC-77乳腺癌77CLAWBIO-PC-147前列腺癌147CLAWBIO-BMI-97BMI97⚠️ 注意这些离线面板是教学演示用的精简版本并非 PGS Catalog 上同 ID 的正式评分文件。做正式分析时请使用--pgs-id或--trait获取真实的 Catalog 评分。三、一分钟跑通不花一分钱的 Demo没有基因数据也能先看完整流程。--demo模式会使用内置的合成样本数据 全部 6 个演示面板完全离线运行# 方式 1从源码运行 git clone https://gitcode.com/gh_mirrors/cl/ClawBio cd ClawBio python skills/gwas-prs/gwas_prs.py --demo --output /tmp/prs_demo # 方式 2安装后一行命令 pip install clawbio clawbio run gwas-prs --demo运行结束后/tmp/prs_demo里会生成一套完整报告prs_report.md—— 人类可读的叙述性报告含风险等级表prs_results.json—— 每个性状的分数、Z 分数、百分位、覆盖度prs_variants.csv—— 逐位点的剂量与贡献明细reproducibility/—— 可复现性包重放命令、环境声明、输入哈希四、用你自己的基因数据算 PRS 准备好 23andMe 或 AncestryDNA 导出的基因型文件.txt制表符分隔包含rsid、chromosome、position、genotype列三种用法# 按性状搜索推荐新手使用 python skills/gwas-prs/gwas_prs.py \ --input ~/23andMe/基因型文件.txt \ --trait type 2 diabetes \ --output results/t2d # 指定某个 PGS Catalog 评分 python skills/gwas-prs/gwas_prs.py \ --input ~/23andMe/基因型文件.txt \ --pgs-id PGS000031 \ --output results/t2d # 使用内置离线面板 python skills/gwas-prs/gwas_prs.py \ --input ~/23andMe/基因型文件.txt \ --panel-id CLAWBIO-T2D-8 \ --output results/t2d几个实用参数--min-overlap 0.5匹配率低于 50% 的评分会被标记为不可靠默认值。--max-variants 50000跳过超大型评分文件避免超长等待。打分文件会自动缓存到~/.clawbio/pgs_cache/重复运行不重复下载。如果你有全基因组测序FASTQ原始数据还可以使用 skills/wgs-prs/SKILL.md 描述的wgs-prs流水线从原始 reads 经 nf-core/sarek 变异检测、VCF 质控一路走到 PRS 评分一条命令打通测序 → 风险分数。五、读懂你的 PRS 报告 报告里最关键的是这张表每个性状一行字段含义Raw Score原始 PRS 分数剂量 × 权重之和Percentile你在参考人群中的百分位如 73rd 表示高于 73% 的人Risk CategoryLow / Average / Elevated / High 四档之一Variants Used / Total匹配上的位点数 / 评分文件总位点数两个必须看的指标覆盖度overlap低于 50% 的评分会被工具主动标记为不可靠请谨慎解读。参考人群reference_population内置演示面板的参考分布基于欧洲EUR人群百分位解释的有效性依赖于你的祖源与参考人群的接近程度——这一点见下一节。六、重要提醒祖源不匹配会让百分位失真多基因风险评分的一个公认局限是在不同祖源群体间可转移性有限。用欧洲人群校准的评分直接套在其他祖源背景上百分位可能严重偏差。ClawBio 的做法是在报告中明确标注参考人群并在检测到祖源不匹配时给出警告。你可以先用 ClawBio 的祖源估算技能 skills/claw-ancestry-pca/SKILL.md 评估自己的祖源构成再决定 PRS 百分位是否值得参考上面的 PCA 图展示了不同祖源群体在遗传空间中的分布——如果你的位置明显偏离评分所用参考人群百分位解读就要格外保守七、隐私与可复现性数据从不出门 本地优先基因型数据全程在本机处理任何 API 请求PGS Catalog 查询都不携带你的基因数据。可复现性包每次运行都会生成reproducibility/目录含重放命令commands.sh、环境声明environment.yml、输入与打分文件的 SHA-256 摘要provenance.json以及输出校验和。私有的文件路径和样本 ID 不会写进包内。医疗免责声明所有报告都会自动附带提示——ClawBio 是研究与教育工具不是医疗器械不能替代临床诊断PRS 只是众多风险因素之一家族史、生活方式、临床指标同样重要做任何医疗决策前请咨询医生。八、相关资源一览资源路径PRS 技能说明skills/gwas-prs/SKILL.mdPRS 计算源码skills/gwas-prs/gwas_prs.py演示面板打分文件skills/gwas-prs/data/参考人群分布skills/gwas-prs/curated_scores.jsonWGS→PRS 全流程skills/wgs-prs/SKILL.md祖源估算技能skills/claw-ancestry-pca/SKILL.md从 23andMe 导出文件到拿到第一份 PRS 报告整个过程通常只需要几分钟。建议先用--demo熟悉报告结构再用自己的数据、以--trait搜索你感兴趣的疾病——这就是从 PGS Catalog 估算遗传易感性的最短路径。赞分享【免费下载链接】ClawBio ClawBio - The first bioinformatics-native AI agent skill library. Local-first. Reproducible. Open. Free.项目地址https://gitcode.com/gh_mirrors/cl/ClawBio点击查看免费下载相关推荐OWASP Top 10 2017 风险评估方法论全解从风险因素到风险评分的计算逻辑OWASP Top 10 2017 风险评估方法论全解从风险因素到风险评分的计算逻辑 本文以 OWASP Top 10 2017 官方仓库中的《リスクに関する应用安全Infisical密钥风险评分基于使用模式的风险评估Infisical密钥风险评分基于使用模式的风险评估 你是否曾因密钥泄露导致系统被入侵是否担心团队成员过度使用高权限密钥Infisical的密钥风险评分功后端前端密钥管理应用安全认证鉴权ActFramework安全机制详解保护你的Web应用免受常见攻击ActFramework安全机制详解保护你的Web应用免受常见攻击 ActFramework是一款简单易用的Java MVC服务器框架内置了强大的安全机制来后端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
