GWAS原理.doc

GWAS原理
全基因组关联分析(Genome-wide Association Study)是利用高通量基因分型技术,分析数以万计的单核苷酸多态性(SNPs)以及这些SNPs与临床表型和可测性状的相关性。简单地理解全基因组关联分析,GWAS就是标记辅助选择在全基因组范围上的应用,在全基因组层面上开展大样本的、多中心的、重复验证的技术,并对相关基因与复杂性状进行关联研究,从而全面地揭示出不同复杂性状的遗传机制和基础。GWAS是一项开创性的研究方法,因为它可以在以前很难达到的分辨率水平上对成千上万无关样本的全基因组进行研究,且不受与疾病有关的先验性假设的限制,GWAS在全基因组范围、零假设性较候选基因研究都迈出了重要的一步,而且随着高通量测序成本的降低,GWAS在人类疾病以及畜禽经济性状的研究上都表现出巨大的优势。
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, Transmission disequilibrium test),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。
1、全基因组关联分析SNPs分型及质量控制

基因分型技术的发展在GWAS变成现实的过程中起着重要作用。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(copy number 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(genotype calling)。

质量控制是用于评价样本和基因分型芯片的基因型性能的操作。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(sample call rate),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S