CPASSOC代码详解

加载环境

library("MASS")
require(MASS)
# Modern Applied Statistics with S，"S"指的是S语言，由贝尔实验室的约翰·钱伯斯（John Chambers）等人开发。S语言是R语言的前身，许多R语言的语法和功能都继承自S语言。
library("Matrix")
# Matrix包提供了用于处理稀疏和密集矩阵的函数。它可以高效地执行线性代数操作，比如计算矩阵的逆、求特征值等
# require(compiler)
# 使用require是因为它并不是必需的。如果你不使用compiler包，代码仍然可以正常运行。使用compiler包的目的是为了通过JIT（Just-In-Time）编译来提高代码的执行速度，特别是在处理大量循环或复杂计算时。
# enableJIT(4)
# 这是compiler的函数。这行代码启用JIT编译器，并设置为最高级别（4），即编译所有代码。这可以显著提高代码的执行速度。

计算未截断的检验分数

Non_Trucated_TestScore <- function(X, SampleSize, CorrMatrix) 
{Wi = matrix(SampleSize, nrow = 1);sumW = sqrt(sum(Wi^2));W = Wi / sumW;Sigma = ginv(CorrMatrix);XX = apply(X, 1, function(x) {x1 <- matrix(x, ncol = length(x), nrow = 1); T = W %*% Sigma %*% t(x1);T = (T*T) / (W %*% Sigma %*% t(W));return(T[1,1]);}		);		return(XX);
}
SHom <- cmpfun(Non_Trucated_TestScore);

函数参数：

X: 一个矩阵，表示样本数据。X是一个M×K的矩阵，其中M是SNP的数量，K是要组合的汇总统计量的数量。矩阵的每一列包含一个性状的M个SNP的汇总统计量。如果在一个队列中分析了多个性状，每个性状的汇总统计量将放在一列中。矩阵的每一行代表一个SNP。
SampleSize: 样本大小。SampleSize是一个长度为M的向量，包含了用于获得K个汇总统计量的M个样本量。当前版本假设不同SNP的样本量是相同的。SampleSize用于在组合汇总统计量时作为权重。
CorrMatrix: 相关矩阵。CorrMatrix是X矩阵列之间的相关矩阵，是一个K×K的矩阵，其中K是汇总统计量的数量。。如果X矩阵中没有缺失值，可以通过调用R函数cor(X)来获得CorrMatrix。如果X中有缺失值，可以在删除具有缺失汇总统计量的SNP后以相同方式计算CorrMatrix。对于GWAS数据，这个过程对估计相关矩阵的影响很小。

函数的主要步骤如下：

计算权重 W，并对其进行归一化。
计算相关矩阵的广义逆矩阵 Sigma。
对每一行数据 x 进行处理：
- 将 x 转换为矩阵 x1。
- 计算检验分数 T。
返回每一行数据的检验分数。

用公式来表达：

计算权重 W：
$\frac{Wi}{\sqrt{\sum Wi^2}}$
计算相关矩阵的广义逆矩阵 Sigma：
$\Sigma = \text{ginv}(\text{CorrMatrix})$
对每一行数据 x，计算检验分数 T：
$\text{matrix}(x, \text{ncol} = \text{length}(x), \text{nrow} = 1)$
$\cdot \Sigma \cdot x1^T$
$\frac{(T \cdot T)}{W \cdot \Sigma \cdot W^T}$
返回每一行数据的检验分数 T[1,1]。

最终返回所有行的检验分数。

计算截断的检验分数

# X：矩阵，每行表示一个SNP（M），每列表示一个变量（K）
# SampleSize：样本大小向量
# CorrMatrix：相关矩阵
# correct：是否校正权重flag，默认值为1
# startCutoff：截断起始值，默认为0
# endCutoff：截断结束值，默认为1
# CutoffStep：截断步长，默认值为0.05
# isAllpossible：是否使用所有可能的截断值，默认为TRUETrucated_TestScore <- function(X, SampleSize, CorrMatrix, correct = 1, startCutoff = 0, endCutoff = 1, CutoffStep = 0.05, isAllpossible = T) 
{N = dim(X)[2];Wi = matrix(SampleSize, nrow = 1);sumW = sqrt(sum(Wi^2));W = Wi / sumW;	XX = apply(X, 1, function(x) {TTT = -1;if (isAllpossible == T ) {cutoff = sort(unique(abs(x)));	  ## it will filter out any of them. } else {cutoff = seq(startCutoff, endCutoff, CutoffStep);		}for (threshold in cutoff) {x1 = x;index = which(abs(x1) < threshold);if (length(index) == N) break;A = CorrMatrix;W1 = W;	if (length(index) !=0 ) {   x1 = x1[-index];						A  = A[-index, -index];   ## update the matrixW1 = W[-index]; }if (correct == 1){index = which(x1 < 0);if (length(index) != 0) {W1[index] = -W1[index];    ## update the sign}}A = ginv(A);x1 = matrix(x1, nrow = 1); W1 = matrix(W1, nrow = 1);T = W1 %*% A %*% t(x1);T = (T*T) / (W1 %*% A %*% t(W1));if (TTT < T[1,1]) TTT = T[1,1];	}return(TTT);}		);		return(XX);
}
SHet <- cmpfun(Trucated_TestScore);

函数参数：

X: 一个矩阵，表示样本数据。
SampleSize: 样本大小。
CorrMatrix: 相关矩阵。
correct: 一个布尔值，默认为1，表示是否需要修正符号。
startCutoff: 截断的起始值，默认为0。
endCutoff: 截断的结束值，默认为1。
CutoffStep: 截断步长，默认为0.05。
isAllpossible: 一个布尔值，默认为 T，表示是否使用所有可能的截断值。

函数的主要步骤如下：

计算权重 W，并对其进行归一化。
对每一行数据 x 进行处理：
- 如果 isAllpossible 为 T，则计算所有可能的截断值 cutoff。
- 否则，生成从 startCutoff 到 endCutoff 的序列作为截断值。
对每一个截断值 threshold：
- 更新数据 x1 和相关矩阵 A，去除小于 threshold 的元素。
- 如果 correct 为1，修正符号。
- 计算截断检验分数 T，并更新最大值 TTT。
返回每一行数据的最大截断检验分数。

用公式来表达：

计算权重 W：
$\frac{Wi}{\sqrt{\sum Wi^2}}$
对每一行数据 x，计算截断值 cutoff：
$\text{cutoff} = \begin{cases} \text{sort(unique(abs(x)))} & \text{if } \text{isAllpossible} = T \\ \text{seq(startCutoff, endCutoff, CutoffStep)} & \text{otherwise} \end{cases}$
对每一个截断值 threshold，更新数据 x1 和相关矩阵 A：
$\quad \text{(remove elements where } |x1| < \text{threshold})$
$\text{CorrMatrix} \quad \text{(remove corresponding rows and columns)}$
$\quad \text{(remove corresponding elements)}$
如果 correct 为1，修正符号：
$W1[\text{index}] = -W1[\text{index}] \quad \text{(where } x1 < 0)$
计算截断检验分数 T：
$\text{ginv}(A)$
$\text{matrix}(x1, nrow = 1)$
$\text{matrix}(W1, nrow = 1)$
$\frac{(W1 \cdot A \cdot x1^T)^2}{W1 \cdot A \cdot W1^T}$
返回每一行数据的最大截断检验分数 TTT：
$\max(T)$

最终返回所有行的最大截断检验分数。

估计Gamma分布的参数

EstimateGamma <- function (N = 1E6, SampleSize, CorrMatrix, correct = 1, startCutoff = 0, endCutoff = 1, CutoffStep = 0.05, isAllpossible = T) {Wi = matrix(SampleSize, nrow = 1);   sumW = sqrt(sum(Wi^2));W = Wi / sumW;Permutation = mvrnorm(n = N, mu = c(rep(0, length(SampleSize))), Sigma = CorrMatrix, tol = 1e-8, empirical = F);Stat =  Trucated_TestScore(X = Permutation, SampleSize = SampleSize, CorrMatrix = CorrMatrix, correct = correct, startCutoff = startCutoff, endCutoff = endCutoff, CutoffStep = CutoffStep, isAllpossible = isAllpossible);a = min(Stat)*3/4ex3 = mean(Stat*Stat*Stat)V =	var(Stat);for (i in 1:100){E = mean(Stat)-a;k = E^2/Vtheta = V/Ea = (-3*k*(k+1)*theta**2+sqrt(9*k**2*(k+1)**2*theta**4-12*k*theta*(k*(k+1)*(k+2)*theta**3-ex3)))/6/k/theta}para = c(k,theta,a);return(para);
}

函数参数：

N: 生成的样本数量，默认为1E6。
SampleSize: 样本大小。
CorrMatrix: 相关矩阵。
correct: 一个布尔值，默认为1，表示是否需要修正符号。
startCutoff: 截断的起始值，默认为0。
endCutoff: 截断的结束值，默认为1。
CutoffStep: 截断步长，默认为0.05。
isAllpossible: 一个布尔值，默认为 T，表示是否使用所有可能的截断值。

函数的主要步骤如下：

计算权重 W，并对其进行归一化。
生成 N 个服从多元正态分布的随机样本 Permutation。
使用 Trucated_TestScore 函数计算截断检验分数 Stat。
计算初始参数 a、ex3 和 V。
通过迭代更新参数 a，并计算Gamma分布的参数 k 和 theta。
返回参数 k、theta 和 a。

用公式来表达：

计算权重 W：
$\frac{Wi}{\sqrt{\sum Wi^2}}$
生成 N 个服从多元正态分布的随机样本 Permutation：
$\text{Permutation} = \text{mvrnorm}(n = N, \mu = \mathbf{0}, \Sigma = \text{CorrMatrix})$
使用 Trucated_TestScore 函数计算截断检验分数 Stat：
$Trucated_TestScore ( X = Permutation , SampleSize = SampleSize , CorrMatrix = CorrMatrix , correct = correct , startCutoff = startCutoff , endCutoff = endCutoff , CutoffStep = CutoffStep , isAllpossible = isAllpossible ) \text{Stat} = \text{Trucated\_TestScore}(X = \text{Permutation}, \text{SampleSize} = \text{SampleSize}, \text{CorrMatrix} = \text{CorrMatrix}, \text{correct} = \text{correct}, \text{startCutoff} = \text{startCutoff}, \text{endCutoff} = \text{endCutoff}, \text{CutoffStep} = \text{CutoffStep}, \text{isAllpossible} = \text{isAllpossible})$
计算初始参数 a、ex3 和 V：
$\frac{3}{4} \min(\text{Stat})$
$\text{ex3} = \text{mean}(\text{Stat}^3)$
$\text{var}(\text{Stat})$
通过迭代更新参数 a，并计算Gamma分布的参数 k 和 theta：
$\text{for } i \text{ in } 1:100 \text{ do}$
$\text{mean}(\text{Stat}) - a$
$\frac{E^2}{V}$
$\theta = \frac{V}{E}$
$\frac{-3k(k+1)\theta^2 + \sqrt{9k^2(k+1)^2\theta^4 - 12k\theta(k(k+1)(k+2)\theta^3 - \text{ex3})}}{6k\theta}$
返回参数 k、theta 和 a：
$\text{para} = (k, \theta, a)$

最终返回所有行的检验分数。

计算经验分布

# N：模拟次数，默认值为1E6，即100,000
# 其它参数与 Trucated_TestScore 相同EmpDist <- function (N = 1E6, SampleSize, CorrMatrix, correct = 1, startCutoff = 0, endCutoff = 1, CutoffStep = 0.05, isAllpossible = T) {Wi = matrix(SampleSize, nrow = 1);   sumW = sqrt(sum(Wi^2));W = Wi / sumW;Permutation = mvrnorm(n = N, mu = c(rep(0, length(SampleSize))), Sigma = CorrMatrix, tol = 1e-8, empirical = F);Stat =  Trucated_TestScore(X = Permutation, SampleSize = SampleSize, CorrMatrix = CorrMatrix, correct = correct, startCutoff = startCutoff, endCutoff = endCutoff, CutoffStep = CutoffStep, isAllpossible = isAllpossible);return(Stat);
}

函数参数：

N: 生成的样本数量，默认为1,000,000。
SampleSize: 样本大小。
CorrMatrix: 相关矩阵。
correct: 一个布尔值，默认为1，表示是否需要修正符号。
startCutoff: 截断的起始值，默认为0。
endCutoff: 截断的结束值，默认为1。
CutoffStep: 截断步长，默认为0.05。
isAllpossible: 一个布尔值，默认为 T，表示是否使用所有可能的截断值。

函数的主要步骤如下：

计算权重 W，并对其进行归一化。
使用多元正态分布生成 N 个样本，均值为0，协方差矩阵为 CorrMatrix。
调用 Trucated_TestScore 函数计算截断检验分数。
返回计算得到的统计量 Stat。

用公式来表达：

计算权重 W：
$\frac{Wi}{\sqrt{\sum Wi^2}}$
使用多元正态分布生成 N 个样本：
$\text{Permutation} = \text{mvrnorm}(n = N, \mu = \mathbf{0}, \Sigma = \text{CorrMatrix})$
调用 Trucated_TestScore 函数计算截断检验分数：
$Trucated_TestScore ( X = Permutation , SampleSize = SampleSize , CorrMatrix = CorrMatrix , correct = correct , startCutoff = startCutoff , endCutoff = endCutoff , CutoffStep = CutoffStep , isAllpossible = isAllpossible ) \text{Stat} = \text{Trucated\_TestScore}(X = \text{Permutation}, \text{SampleSize} = \text{SampleSize}, \text{CorrMatrix} = \text{CorrMatrix}, \text{correct} = \text{correct}, \text{startCutoff} = \text{startCutoff}, \text{endCutoff} = \text{endCutoff}, \text{CutoffStep} = \text{CutoffStep}, \text{isAllpossible} = \text{isAllpossible})$
返回统计量 Stat。