【佳學(xué)基因檢測】GWAS基因檢測的分析流程

全基因組關(guān)聯(lián)分研究教程導(dǎo)讀：

在人類基因信息解碼的知識體系中，全基因組關(guān)聯(lián)研究常用來識別在人群中廣泛存在的基因突變序列或者是基因變體對某一特定性狀產(chǎn)生的關(guān)聯(lián)性。在此基礎(chǔ)上，全基因組關(guān)聯(lián)研究演變?yōu)椴煌男问?。佳學(xué)基因在此對這一分析方法進行介紹，以便三甲醫(yī)院的醫(yī)生及研究生可以在佳學(xué)基因獲得全基因組范圍的單核苷酸多態(tài)性分析后，進一步建立所研究的疾病與特定基因的多態(tài)性位點之間的相關(guān)性。通過提供理論背景和實踐經(jīng)驗，佳學(xué)基因的目標是讓研究人員更容易獲得 GWAS，而無需在該領(lǐng)域接受正式培訓(xùn)。本教程無法涵蓋GWAS研究的各種形式，但是可能從佳學(xué)基因的其他技術(shù)文章中得到更詳細的了解。除了標準 GWAS 的說明外，佳學(xué)基因分型基因檢測數(shù)據(jù)還可以進行多基因風險評分 (PRS) 分析。多基因風險評分 (PRS) 分析的目的不是識別單個 SNP，而是匯總來自整個基因組 SNP 的信息，以提供個體水平的遺傳風險評分。

GWAS基因解碼體系的基本要求：

全基因組關(guān)聯(lián)研究（GWAS），GitHub，PLINK，多基因風險評分（PRS），教程

GWAS簡單介紹：

隨著基因測序技術(shù)的快速進展，先是人類獲得了人類基因組的一個草圖，在2022年，更完整的人類基因組全部序列也被獲取，這為基因檢測建立了一個可以開始使用的參照基因組數(shù)據(jù)庫。但是基因與人體疾病表征、個性特點、精神心理方面的特質(zhì)之間的關(guān)系卻未能得到充分的闡釋。而隨著候選基因、基因解碼技術(shù)的應(yīng)用，基因測序帶來的TRIO數(shù)據(jù)在幫助獲得遺傳病的致病基因突變方面變得清晰而直接，但是在微效性基因位點、多基因位點相互作用及基因與環(huán)境相互作用方面的基因序列的揭示方面卻處于一個難以重復(fù)不同基因解碼團隊研究結(jié)果的狀態(tài)。同時，人們越來越關(guān)注研究遺傳風險因素對人類行為變化的影響。進行基因研究所需的技術(shù)和分析工具變得越來越容易獲得。這種增加的可及性提供了巨大的希望，因為遺傳學(xué)領(lǐng)域以外的研究人員可能會為該領(lǐng)域帶來新的專業(yè)知識（例如，對精神病學(xué)特征的疾病學(xué)有更深入的了解）。然而，以正確的方式進行遺傳關(guān)聯(lián)研究需要特定的遺傳學(xué)、統(tǒng)計學(xué)和（生物）信息學(xué)知識。佳學(xué)基因一方面介紹GWAS相關(guān)的關(guān)鍵概念，并提供開源可用的程序運行腳本，從而基因信息的基因解碼分析提供指導(dǎo)。

全基因組關(guān)聯(lián)研究 (GWAS) 的目的是識別單核苷酸多態(tài)性中以等位基因頻率作為函數(shù)與人體疾病及表型特征發(fā)生變化的數(shù)值。比如在精神分裂癥患者和健康對照之間，或在神經(jīng)質(zhì)得分高與低的個體之間某個SNP的等位基因頻率的系統(tǒng)性變化。鑒定與性狀相關(guān)的 SNP后，可能幫助揭示對這些疾病與表型背后的生物學(xué)機制。佳學(xué)基因提供的全基因組高密度分型芯片基因檢測技術(shù)可以在全基因組范圍研究大量 SNP 對一個或者是多個表型與疾病特征的影響。

為了掌握佳學(xué)基因GWAS分析技術(shù)所需要了解的基本概念

聚集（Clumping）：是用于識別和選擇每個LD塊中賊重要的SNP（即賊低p值）以進行進一步的分析的過程。通過這一過程，降低了剩余SNP之間的相關(guān)性，同時保留了具有賊強統(tǒng)計證據(jù)的SNP。

共同遺傳性（Co-heritability）：在基因解碼中用來衡量疾病之間遺傳關(guān)系的指標?；赟NP的遺傳性分析是指通過SNP分析兩個疾病與表征（例如精神分裂癥和雙向情感障礙）之間的協(xié)方差比例。

基因（gene)：這是DNA中編碼某個分子（例如蛋白質(zhì)：在這里蛋白質(zhì)中只是其中一種分子，這是一種較為先進的基因定義）的核苷酸序列

雜合性(Heterozygosity)：這是指所檢測的基因位點攜帶特定 SNP 的兩個不同等位基因。個體的雜合率是雜合基因型的比例。在佳學(xué)基因的基因解碼質(zhì)量控制體系中，個體雜合性過高可能是因為樣本質(zhì)量低，而雜合性太低可能是由于近親繁殖。

個體水平缺失：這是特定個體缺失的 SNP 數(shù)量。高度缺失可能表明 DNA 質(zhì)量差或存在技術(shù)問題。

連鎖不平衡（LD）：這是對給定人群中同一染色體上不同基因座的等位基因之間非隨機關(guān)聯(lián)的度量。當?shù)任换虻年P(guān)聯(lián)頻率高于隨機分類下的預(yù)期時，SNP 處于 LD 中。LD 關(guān)注 SNP 之間的相關(guān)模式。

次要等位基因頻率 (MAF)：這是在特定位置出現(xiàn)頻率賊低的等位基因的頻率。大多數(shù)研究不足以檢測與具有低 MAF 的 SNP 的關(guān)聯(lián)，因此排除了這些 SNP。

人群分層：這是一項研究中存在多個亞群（例如，具有不同種族背景的個體）。因為等位基因頻率在亞群之間可能不同，所以群體分層可能導(dǎo)致假陽性關(guān)聯(lián)和/或掩蓋真實關(guān)聯(lián)。一個很好的例子是筷子基因，由于種群分層，SNP 占用筷子進食能力差異的近一半（Hamer & Sirota， 2000）。

修剪：這是一種選擇處于近似連鎖平衡的標記子集的方法。在 PLINK 中，此方法使用染色體特定窗口（區(qū)域）內(nèi) SNP 之間的 LD 強度，并根據(jù)用戶指定的 LD 閾值僅選擇近似不相關(guān)的 SNP。與聚集相比，修剪不考慮 SNP 的 p值。

相關(guān)性：這表明一對個體的遺傳相關(guān)性有多強。傳統(tǒng)的 GWAS 假設(shè)所有受試者都是不相關(guān)的（即，沒有任何一對個體比二級親屬關(guān)系更密切）。如果沒有適當?shù)男Ｕ?，包含親屬可能會導(dǎo)致對 SNP 效應(yīng)大小的標準誤差的估計有偏差。請注意，已經(jīng)開發(fā)了用于分析家庭數(shù)據(jù)的特定工具。

性別差異：這是指定性別與基于基因型確定的性別之間的差異。差異可能指向?qū)嶒炇抑械臉颖净煜Ｕ堊⒁?，只有在評估了性染色體（X 和 Y）上的 SNP 時才能進行此測試。

單核苷酸多態(tài)性 (SNP)：這是發(fā)生在基因組特定位置的單個核苷酸（即 A、C、G 或 T）的變異。SNP 通常以兩種不同的形式存在（例如，A 與 T）。這些不同的形式稱為等位基因。具有兩個等位基因的 SNP 具有三種不同的基因型（例如，AA、AT 和 TT）。

SNP 遺傳力：這是分析中所有 SNP 解釋的性狀表型方差的分數(shù)。

SNP 級別缺失：這是樣本中缺少特定 SNP 信息的個體數(shù)量。具有高度缺失的 SNP 可能會導(dǎo)致偏差。

摘要統(tǒng)計：這些是在進行 GWAS 后獲得的結(jié)果，包括有關(guān)染色體數(shù)目、SNP 位置、SNP(rs) 標識符、MAF、效應(yīng)大?。▋?yōu)勢比/β）、標準誤差和 p值的信息。GWAS 的匯總統(tǒng)計數(shù)據(jù)通?？梢栽谘芯咳藛T之間免費訪問或共享。

Hardy-Weinberg (dis) 平衡 (HWE) 定律：這涉及等位基因和基因型頻率之間的關(guān)系。它假設(shè)一個無限大的種群，沒有選擇、突變或遷移。法律規(guī)定基因型和等位基因頻率在幾代人中是恒定的。違反 HWE 定律表明基因型頻率與預(yù)期顯著不同（例如，如果等位基因 A = 0.20 和等位基因 T = 0.80 的頻率；基因型 AT 的預(yù)期頻率為 2*0.2*0.8 = 0.32）和觀察到的頻率不應(yīng)有顯著差異。在 GWAS 中，通常假設(shè)與 HWE 的偏差是基因分型錯誤的結(jié)果。病例中的 HWE 閾值通常不如對照中的閾值嚴格，因為在病例中違反 HWE 法可能表明真正的遺傳與疾病風險相關(guān)。

(責任編輯：佳學(xué)基因)