尘封在文件夹中的GWAS和QTL定位的古老笔记

long long ago，小野记录了关于重测序基因定位和GWAS相关的笔记。打开古老的文件夹，发现有些东西依然不过时，零零散散，随意发布。

QTL定位策略：

• 群体类型：作图群体，自然群体
• 选材策略：全群个体分析，选择基因型分析，混合分组分析
• 优点：适合稀有基因研究；群体可控，目的性和结果预期性强
• 缺点：需构建作图群体；定位精度低，微效QTL难检测；无法找到最优等位基因

限制家系群体定位精度的最大原因：重组事件有限，染色体没有充分“打碎”；

• F2家系：一代的重组；
• RIL10：十代的重组

自然群体的优势：经历多世代的繁衍后，群体中的染色体不断重组，被拆散为一个个“小模块”。

单体型块：染色体“板块漂移”，制造的“孤岛”。

最简单的模型：方差分析

GWAS分析的多阶段设计

• 单阶段：一个群体进行关联分析。不严谨，一般为动植物类的研究。
• 两阶段：
  阶段1：找候选关联位点。小样本（几百）全基因组关联分析，得到候选位点；
  阶段2：候选位点的验证。已有群体大样本（成千上万）或新的独立群体，候选位点的关联分析。

多阶段设计的优点：

• 有验证的步骤：可靠
• 降低成本：第二阶段的检测位点数较少；
• 解决潜在的多重检验过校正的位点；重测序位点多，多重检验过于严格。例如：1M SNP , Bonferroni 校正阈值= 0.05/1*10-6=5*10-8

建议：第一阶段放宽过滤阈值，在第二阶段进行验证。由于第二阶段位点数较少，多重检验校正不会如此严苛。

GWAS完整的混合线性模型存在各类干扰的潜在效应（Yu et al., Nat Genet, 2006 38: 203‐208）：

GWAS软件：Tassel、Emma、Emmax、Plink、Gemma、Gapit

群体材料对GWAS结果的影响（Breseghello F et al, Crop Sci.,2006）：

群体大小对GWAS结果的影响（Yan et al, Crop Science, 2011）：

群体结构和个体间潜在的系谱关系，可能会导致假阳性（Zhu and Yu, 2009, Genetics）：

当性状分布恰好和群体结构一致的时候，会导致大量假阳性（Rafalski, 2010, Plant Biol）：

群体结构（Q矩阵）和系谱关系（K矩阵）的校正，即Q+K模型。

动物的思路：

• PCA分析初步判断。
• 一般而言，动物类样本在系谱清晰，且没有明显群体结构的情况下，可以直接剔除离群样本。剔除后，继续使用PCA分析进行检查。确认没有问题后，然后使用一般线性模型进行关联分析。
• 如果存在群体分层的迹象，再考虑使用Q矩阵进行矫正；

植物的思路：

• PCA分析初步判断。
• 由于品系间杂交很常见（例如玉米），所以群体结构和不同品系间的系谱关系更加普遍。
• 所以建议分析的时候，同时使用一般线性模型和不同的混合线性模型，然后比较结果的好坏。

表型处理：

• 正态性判断：shapiro.test(x)
• 仅仅个别样本异常，建议剔除：如极端值，离开均值大于4倍SD
• 如果整体偏离散，例如基因表达量值。建议取log2后，重新检验正态性。

判断模型的合理性：

• QQplot：随机p value和检验p vlaue分布间的关系
• 良好模式：前期一致，后期翘起
• 过度矫正：真实的P值显著性低于随机误差

• 矫正不足：大部分标记的显著性都高于随机误差

同一个群体，不同性状的最适模型并不相同（Yang et al, Theor Appl Genet , 2010 121:417–431）：

连锁作图（QTL定位）和关联作图（GWAS）的互补性：

材料组合的精度提升：

• 连锁分析初定位，确定QTL
• QTL区域选择候选基因
• 自然群体关联分析，精细定位

材料组合的可靠性提升：

• 自然群体关联分析
• 确定若干候选QTL
• 连锁分析验证QTL

本文笔记主要来自基迪奥的报告，侵权删