GWAS的基本原理

第i个个体
第k个SNP
• 第i个个体的SNP基因型为：
• 第j个个体的SNP基因型为：
• 这两个个体间的第K个snp的IBS状态为：
• 只考虑状态值是0和非0的情况：
• 个体i和个体j的SNP的IBS 状态值非0的区域 满足一定阈值就作为候选IBD片段，可以表示 为：
个体IBS 状态值非0 的SNP 数量
千差万别，但是基因组上的差异却非 常小，而且这种差异大多数表现为SNP (Single nucleotide polymorphism , 单核苷酸多态性)。
• Case & control • 刀鲚 • 筛选出最显著的SNP
Plink -IBS
• IBS (Identity By State，状态一致) ： 在两个或两个以上的个体当中，如果一 个DNA片段具有相同的核苷酸序列，就说这 个DNA片段是IBS。
• 现在许多现存的基因分析软件不能够 用来处理基因组大ຫໍສະໝຸດ Baidu据，为了解决这 个问题，开发了plink软件。基于C语 言的全基因组关联分析。
• 人类基因组中识别导致某种特殊疾病
的基因，分析人类复杂遗传疾病，研 究与疾病相关的基因突变。
• 主要的功能模块包括：数据处理，质量控 制的基本统计，群体分层分析，单位点的 基本关联分析，家系数据的传递不平衡检 验，多点连锁分析，单倍体关联分析，拷 贝数变异分析，Meta分析等等。
Making a binary PED file
谢谢
一起再讨论！
•
P (AB) = D + P (A) * P (B)
D是表示两位点间LD程度值
GWAS的基本原理
• 借助于SNP分子遗传标记，进行总体关联分 析，在全基因组范围内选择遗传变异进行 基因分析，比较异常和对照组之间每个遗 传变异及其频率的差异，统计分析每个变 异与目标性状之间的关联性大小，选出最 相关的遗传变异进行验证，并根据验证结 果最终确认其与目标性状之间的相关性。
Plink -IBD
• IBD (Identity By Des-cent，同源一致)： 如果IBS片段是遗传自同一个祖先且中 间过程没有发生过重组事件，就说这个片 段是IBD。
显著的SNP
• 由1 和2 组成的2n个序列，每一个SNP 基 因型对应两个序列。 • 对于任意一个个体的SNP 基因型数据进行 处理（忽略ACGT 的差别）如22,21,12,11 分别对应于SNP 基因型,aa aA Aa AA。然 后把这些序列转换为 由0、1、2 组成的数 量为n的SNP 序列，表示为：
• 每个SNP 上各个体之间的差异：
数据个体的总数目
• 第k个SNP 的差异表示为：
• 把N个体的数据分成case和control两组进行 分析，其中case包含个l个体，control包含 m个个体，然后对这两组数据分别进行评价 分析，对每个SNP 得到各自的S值。
• 差异值最大的snp位点就可能为我们的候选 位点。
REVIEW&PLINK
2017.01.09
PLINK
• http://pngu.mgh.harvard.edu/~purcell/plink/
• 统计遗传学 • PLINK 国际流行的统计分析软件
• 1、全基因组关联分析工具。 • 2、由人类遗传研究中心（CHGR），马萨诸 塞州总医院（MGH），哈佛大学和麻省理工 学院的Broad研究所等机构科研人员所开发。 • 3、主要针对基因型/表型数据的分析 • 4、软件可以使用命令行分析 • 5、也可以使用基于JAVA语言的图形界面 gPLINK。
全基因组关联分析 GWAS (Genome-wide association study;GWAS)：应用基因组中 数以百万计的单核苷酸多态；SNP为分子遗 传标记，进行全基因组水平上的对照分析 或相关性分析，通过比较发现影响复杂性 状的基因变异的一种新策略。
• 世界范围的人类群体，在表型上可谓
例子
• 青藏高原的居民对极端 的高海拔的适应研究。 作者测了50个藏族的外 显子组。找到了青藏高 原居民的基因中等位基 因频率变化的候选基因。 • 并通过关联分析最后验 证出EPAS1基因与他们的 高海拔适应性状具有最 高的相关性。
https://www.cog-genomics.org/plink2/formats
PLINK- LD（连锁不平衡）
• 配子不平衡,是单倍型中等位基因之间的统计相关 性。
• P（AB）= P（A）*P（B）
单倍体基因型 A 和B
1、如果不存在连锁不平衡——相互独立，随机组合
2、实际观察到的群体中单倍体基因型 A和B 同时出现的概率
• P（AB）≠P（A）*P（B）
1、如果A与B是相关联的 2、两对等位基因是非随机结合