GWAS分析-说人话（1）啥是GWAS，都分析啥？

Posted 2023-05-10

参考技术A “没有什么比知道我们自己正在做什么更重要了”

                                                                                       ——小史，20191121之感触

这个年代，谁™还有人做GWAS啊？！ 但是跟着的两个导师之一是这方面的专家，我除了吐个槽，还能怎样呢？

维基百科链接： 全基因组关联分析

这玩意就是：找出基因中哪些序列变异（SNP），与疾病相关！

核心就是关联！

基因（改变）与表型（phenotype，总之就是各种各样的看得到的现象）有没有关系！

这些各种各样的看得到的现象是什么？

没啥的，我们搞肿瘤研究的就是发不发病呗（例如会不会得肺癌），搞生物的会对绵羊的有角和无角这一对性状进行研究呗（可别小看，研究角的进化可是能发science的！我™还不知道有什么意义呢～）。

就是统计一个数，找出与表型最有显著性意义的那些基因（位点）。

逻辑回归（表型数据为二元）

线性回归（表型数据为连续性变量）

表型数据正态分析（如果不是正态分布，需转换处理为正态分布）

逻辑回归用于数据为二元的：如0（没病）和1（有病）；

线性回归用于数据为连续性的；如林志玲身高173cm，任贤齐174cm，李治廷175cm，黄晓明176cm等，是™像幼儿园数数一样，一个一个连续变化的；

表型数据正态分析：就是啊，大自然的分布一般是钟型的正态分布的，很多统计方法都是根据正态分布作出的分析。某些数据如果不符合正态分布，那么你用正态分布的公式/方法来分析，就会出事的。

1.http://www.360doc.com/content/18/1222/16/52645714_803596284.shtml

2.https://anjingwd.github.io/AnJingwd.github.io/2017/08/18/GWAS-简介/

GWAS文献基于GWAS与群体进化分析挖掘大豆相关基因

Resequencing 302 wild and cultivated accessions identifies genes related to domestication and improvement in soybean

中文名：基于GWAS与群体进化分析挖掘大豆驯化及改良相关基因

发表期刊杂志：nature biotechnology
影响因子：41.514
发表时间：2015年2月
发表单位：中科院遗传与发育生物学研究所
 

一、      研究取材
62株野生大豆、130株地方种和110个驯化品种构建的一个自然群体

二、      方法流程
Illumina HiSeq 2000 测序平台，测序文库300bp,样本平均测序深度达到11X

三、      生物信息学分析
群体结构分析、选择清除分析、重要性状的全基因组关联分析

四、      研究结果
1）使用BWA软件将原始数据与参考基因组进行比对，使用samtools将sam格式转化为bam,使用picard软件去掉Duplicated reads。

2）SNP calling使用GATK和samtools,取两者结果的交集。对于GATK参数设置：-stand_call_conf 30。MAF设置为0.01。

3） Indel calling类似于SNP calling,使用GATK的UnifiedGenotyper程序，起参数设置为-glm INDEL，只考虑6bp范围内的缺失和插入。

4）SNP注释使用的软件为ANNOVAR。SNP被注释到内含子(overlap- ping with an intron)、外显子、基因间区，可变剪切位点(within 2 bp of a splicing junction)、5′UTRs 、3′UTRs,, upstream and downstream regions (within a 1 kb region upstream or downstream from the transcription start site).注释在外显子区域的SNP又分为同义和非同义突变。注释到外显子的Indel又分为移码突变和非移码突变。

5）群体结构分析中，PCA使用的是EIGENSOFT 4.2 的smartpca 程序，neighbor-joining tree 使用PHYLIP 3.68软件。结构分层使用FRAPPE，其中k值选取2到7.连锁不平衡分析使用plink软件。关联分析使用的GAPIT 分析软件。