UKB_RAP 零基础入门教程（2024最新版）

核心功能概览

UKB_RAP 是一个专为 UK Biobank 研究设计的代码资源库，整合了从数据处理到高级分析的全流程工具。无论你是遗传学家、生物信息学家还是数据分析师，这里都能找到适合你的功能模块。

数据分析核心模块

基因分析工具箱
包含 GWAS（👉全基因组关联分析）和 pQTL（👉蛋白质数量性状位点）分析工具。GWAS 目录下的 gwas-phenotype-samples-qc.ipynb 提供完整的数据质控流程，而 proteomics 文件夹中的蛋白质组学分析模块则支持从表型数据提取到差异表达分析的全流程。

💡 实用小贴士：处理大型基因数据时，建议优先使用 end_to_end_gwas_phewas 目录下的工作流，已内置并行计算优化。

可视化工具集
gwas_visualization 模块提供 R 和 Python 两种可视化方案。其中 gwas_results_R.ipynb 包含曼哈顿图和 QQ 图绘制函数，而 process_regenie_results.sh 脚本可自动处理 Regenie 输出文件并生成 publication 级图表。

工作流与自动化

WDL 工作流
WDL 目录下的 view_and_count.wdl 展示了如何使用工作流描述语言构建可复用的数据分析流程。配套的 JSON 输入模板文件可帮助你快速配置参数，适合批量处理标准化任务。

Docker 应用
docker_apps 目录提供容器化的分析工具，如 samtools_count_docker 应用。容器化设计确保了分析环境的一致性，特别适合多团队协作或跨平台部署。

快速上手指南

环境准备

▶️ 首先克隆项目仓库到本地：

git clone https://gitcode.com/gh_mirrors/uk/UKB_RAP
cd UKB_RAP

常用功能启动

1. 基因数据分析
在 GWAS 目录中，通过以下命令启动标准分析流程：

jupyter notebook GWAS/gwas-phenotype-samples-qc.ipynb

2. 蛋白质组学分析
进入 proteomics 目录，运行数据提取脚本：

jupyter notebook proteomics/0_extract_phenotype_protein_data.ipynb

3. 批量数据处理
使用 intro_to_cloud_for_hpc 中的批量处理脚本：

bash intro_to_cloud_for_hpc/04-batch_processing_dxfuse/batch_RUN_dxfuse.sh

启动参数说明

参数名称	用途	示例值
--input	指定输入数据路径	/data/ukb_genotypes
--threads	设置并行线程数	8
--output	定义结果输出目录	./results
--qc	启用严格质控模式	true

深度探索

个性化配置教程

JSON 配置文件示例
WDL 工作流的配置文件（如 view_and_count.input.json）结构如下：

{
  "view_and_count.input_bam": "dx://project-XXXX:file-XXXX",
  "view_and_count.region": "chr1:1000000-2000000",
  "view_and_count.output_prefix": "sample_counts"
}

常见配置对比

配置场景	推荐设置	适用情况
快速测试	--threads 2 --qc false	功能验证或教学演示
全量分析	--threads 16 --qc true	正式科研分析
资源受限	--threads 4 --memory 8G	笔记本电脑运行

进阶指南

自定义工作流开发
apps_workflows 目录中的 samtools_count_apt 应用展示了如何开发自己的分析工具。查看 Readme.developer.md 获取详细开发指南，重点关注：

• dxapp.json 的参数配置
• src/code.sh 中的核心逻辑实现
• 版本控制与测试策略

云平台部署
intro_to_cloud_for_hpc 提供了在云环境中运行的完整教程。04-batch_processing_dxfuse 目录下的脚本演示了如何使用 dxfuse 挂载远程存储，特别适合处理 UK Biobank 的大规模数据。

常见问题解决

Q: 运行 Jupyter Notebook 时提示缺少依赖包？
A: 推荐使用 rstudio_demo 目录中的 renv_reproducible_environments.Rmd 配置 reproducible 环境，或通过以下命令安装基础依赖：

pip install -r requirements.txt

Q: 如何处理 GWAS 分析中的内存不足问题？
A: 可尝试：

1. 使用 end_to_end_gwas_phewas/liftover_plink_beds_tmp 中的分染色体处理脚本
2. 调整 partD-step1-regenie.sh 中的 --memory 参数
3. 启用 --lowmem 模式运行 Regenie

Q: Docker 应用无法启动怎么办？
A: 检查 docker_apps 目录下的 docker_code.md 文档，确认 Docker 引擎版本是否兼容。建议使用 Docker 20.10 及以上版本，并确保用户有足够权限。

附录：功能模块速查表

目录名称	核心功能	适用场景
GWAS	全基因组关联分析	基因与性状关联研究
proteomics	蛋白质组学数据分析	蛋白质表达差异研究
gwas_visualization	结果可视化工具	论文图表生成
WDL	工作流定义文件	标准化分析流程构建
docker_apps	容器化应用	跨平台环境一致性

通过本教程，你已经掌握了 UKB_RAP 的核心功能和使用方法。各个目录下的 README.md 文件提供了更详细的功能说明，建议在深入特定模块前先阅读相关文档。