GWAs——全基因组关联分析流程

GWAs（Genome Wide Association studies，全基因组关联分析），即通过对群体的SNPs数据（genetic marker）和表型间的关联分析，目前常用于遗传病学研究、基因功能验证、目的基因筛选等方面的研究。GWAs分析总体流程较为复杂，包括诸多数据准备和过滤工作，其大体流程（不包括二进制文件的转化）如下。

一、质控质检

1、控制检出率

在最初的二进制文件中，存在着缺失SNPs数据的个体和缺失个体数据的SNPs，在进行分析之前需要去除这些数据。这一过程称为控制检出率（Calling Rate or Missingness）。

2、剔除性别不一致

在二进制数据中，个体的性别信息存在表型~基因型的冲突（Sex Discrepancy），即在基因型数据中表现为一性别，而在表型中记录为另一性别。为了实验结果的准确性，需剔除或修正（根据基因型）数据。

3、剔除低MAF数据

次等位基因（Minor Allele，MA），即在给定的群体中，其基因频率第二高的基因，其出现的频率即为次等位基因频率（Minor Allele Frequency， MAF）。次等位基因在群体中出现的频率较少，较难发现，但是对于变异（常见变异和特殊变异）的研究却极为重要，而过低MAF又会影响分析结果。

4、去除反HWE项

哈达——温伯格平衡（Hardy–Weinberg equilibrium， HWE）认为，在一个无限大的种群中，个体完全随机交配，没有选择和基因流存在，那么这个种群中的基因频率将会保持平衡。在GWAs中，违反HWE会使分析结果偏离预期，而我们通常将HWE偏差的发生归咎于基因型的错误。所以，在进行分析之前剔除离群值是必须的，而为了能有效的发现变异位点，我们又需要放宽过滤的阈值。

5、控制杂合率

杂合率（Heterozygosity Rates），即样本中杂合子基因型