GWAS原理.doc

GWAS的优势除了可以一次性检测到数以万计的SNPs信息,从而提高试验效率以及检验功效以外,其还有其他两个显著的优势,主要表现在:(1)对未知信息的基因进行定位探索。传统的QTL定位仅仅限于对已知的候选基因进行分析探索,而GWAS是对全基因组的范围内的所有位点进行关联分析,因此其拥有更广泛的关联信息,相比候选基因分析GWAS更有可能找到与性状真正关联的候选基因,因此不再受到预先假设的候选基因的限制。(2)对于GWAS在研究不同的复杂性状之前,不需要像以往的研究一样“盲目地”预设一些假定条件,而是通过在病理和对照组中,有目的地比较全基因组范围内所有SNPs的等位基因频率或者通过家系进行传递不平衡检验(TDT,Transmissiondisequilibriumtest),从而找出与复杂性状显著相关的序列变异。到目前为止,利用全基因组关联分析研究已经挖掘出众多与各种复杂性状相关联的基因和染色体区域,在这些被新鉴定出的位点和区域中,只有小部分结果位于以前对这些性状研究的区域之中或者附近,绝大多数位于以前从未被研究过的区域,GWAS的研究结果表明以前没有被纳入研究的未知区域有可能对于复杂性状也是十分重要的,这也是以往的研究水平所不能达到的。全基因组关联分析为进一步研究复杂性状的遗传机理提供了新的线索,为复杂性状的研究开辟了新的研究道路。。现在上百万的遗传变异可以在预先设计的寡核苷酸微阵列(Affymetrix或Illumina)中同时检测到。这些芯片多数检测的是SNPs,同时有些芯片可以检测到拷贝数变异(V)。DNA基因分型产生一系列的杂交强度,这需要转变成实际的基因型,这个过程称为基因分型(genotypecalling)。。在试验中存在很多影响因素,如DNA降解,加样错误或是芯片杂交失败等,因此在下一步基因型分析之前评价试验性能是很重要的。同时,确定和排除那些很有可能确实或者错误分型的SNPs是十分重要的。对于某一个单个样本的质控标准主要包括:(1)样本检出率(samplecallrate),是指对于某个样本个体而言,通过测序并成功判型的SNPs与所有检测的SNPs的比值,通常的标准应当在80%或90%以上。(2)杂合型的程度(heterozygosity),这个标准过高即被排除,因为过度的杂合说明样本可能被污染,从而导致杂合基因型数目不相称。通常的标准应当控制在23%-30%之间。对于单核苷酸多态性的质量控制主要包括了:(1)SNP检出率(SNPcallrate),同样指对于某一个SNP位点,被成功检测到的样本与所有样本的比值,一般要求在90%以上。(2)较小等位基因频率(minorallelefrequency,MAF),对于那些MAF较小的SNPs,能得到的信息量很少,而且目前GWAS对这些SNP的检验效能也不高。通常对于MAF的要求需要在3%以上。(3)哈代-温伯格平衡(Hardy-Weinbergequilibrium,HWE)检验,HWE可以有助于确定那些有明显基因分型错误的SNPs。因此一般要求位点SNP的等位基因频率符合哈代-温伯格平衡。