GWAS分析培训班第二期.pdf

GWAS分析培训班第⼆期

张磊
2017-3-30

博奥⽣物集团有限公司
⽣物芯⽚北京国家⼯程研究中⼼
北京博奥晶典⽣物技术有限公司
⽬录

基础知识介绍

PLINK介绍

TASSEL介绍

典型案例
Contents
Contents⽬录

part1基础知识介绍
基础知识介绍

常⽤术语

●基因座(Locus):

染⾊体上的⼀个固定位置。

●等位基因(Allele)

同源染⾊体上的⼀段DNA序列在给定locus上的多种变化形式。

●等位基因频率

某个allele在所有样本中的频率。

●次等位基因频率(MAF)

minorallelefrequency

4
基础知识介绍
●基因型(genotype)

AC、AT、AG、CG、CT、GC、GT、AA、TT、CC、GG

●单体型(haplotype)

●哈代-温伯格平衡(Hardy-Weinbergequilibrium,HWE):

对于⼀个⼤且随机交配的种群，基因频率和基因型频率在没有迁移、突变和选择的条件下会保

持不变。
f(A)=pandf(a)=q

p2,2pq,andq2:Hardy–Weinbergproportions

5
基础知识介绍

基因型AAACCC总数
数⽬146913851612

p=(2*1469+138)/(2*1612)=0.954
q=1–p=0.046

假设HWE：
Exp(AA)=p^2*1612=1467.4
Exp(AC)=2pq*1612=141.2
Exp(CC)=q^2*1612=3.4

Pearson’s卡⽅检验统计量：

=(1469-1467.4)^2/1467.4+(141.2-138)^2/141.2+
(3.4-5)^2/3.4

=0.83<3.84
Pvalue>0.05=>不能拒绝HWE的零假设6
基础知识介绍

Callrate（分型成功率）：

●SNPcallrate：分型成功的个体数⽬/样本量

●个体callrate：分型成功的SNP数⽬/芯⽚上SNP总数⽬

e.g.Axiom™hNCG-SNP有551363个SNPs，检测192个体。某个体分型成功的SNPs数⽬为

523120，则个体callrate=523120/551363=0.948776；SNPAX-123在188个体中成功分型，则

SNPcallrate=188/192=0.9791667

基因型导出软件：

Affymetrix：GTC

Illumina：GenomeStudio

7
基础知识介绍

全基因组关联分析常⽤⽅法

Case-control试验设计：

●卡⽅检验、fisher精确检验

●Logistic回归分析：可校正年龄、性别、群体分层、体重等可能的混杂因素。

8
基础知识介绍

全基因组关联分析常⽤⽅法
动植物常⽤的试验设计：

●针对数量性状：⽐如体重、⾁质、产奶量、千粒重、株⾼、穗⻓、抗病性等等。

●线性回归分析（GLM）：可校正年龄、性别、群体分层、体重等可能的混杂因素。

●混合线性模型分析（MLM）：除校正上述因素外，还可校正个体间亲缘关系。

9
基础知识介绍
全基因组关联分析常⽤⽅法
⼀般线性模型(GLM):Y=Xβ+e

Y:性状表型值向量；

β:SNP、群体结构、环境等的固定效应向量

22
e:残差效应向量，e~N(0,Iσe)，其中I为单位阵，σe表示随机残差⽅差
混合线性模型(MLM):Y=Xβ+Sα+Qv+Zu+e

Y:性状表型值向量

β:除SNP和群体结构之外的固定效应向量

α:SNP效应向量

v:群体结构效应向量

u:多基因背景效应向量

22
e:残差效应向量，e~N(0,Iσe)，其中I为单位阵，σe表示随机残差⽅差

X、S、Q、Z分别为β、α、v、u的关联矩阵。10
基础知识介绍—替换

全基因组关联分析基本流程

Affymetrix：cel
lllumina：idat
Affymetrix:GTC
Illumina:GenomeStudio

PCA或MDS
卡⽅检验、fisher精确检验、
logistic回归、GLM、MLM

11
基础知识介绍

12

3
1：ManhattanPlot
2：QQ图
3：SNP分型聚类图

12
Contents⽬录

part2

PLINK介绍
⽂件格式

●PED

第1列：家系ID●MAP

第2列：个体ID第1列：染⾊体ID

第3列：⽗亲ID第2列：SNPID

第4列：⺟亲ID第3列：SNP的遗传位置（cM）

第5列：性别（1：男性；2：⼥性）第4列：SNP的物理位置（bp）

第6列：患病状态（0