y一、認(rèn)識(shí)文件名
- 五大格式文件：
ped&map
bed&fam&bim - 各自存儲(chǔ)何種數(shù)據(jù)
五種格式
①ped（pedigree，家系）：包含樣本的譜系信息和基因型信息，必須與fam文件一起，前6個(gè)字段與fam文件對應(yīng)
ped
②map：和ped文件一起，表示每個(gè)SNP的信息，共4列
就是檢測出來的SNP位置信息
map
Plink程序識(shí)別二進(jìn)制文件，需要通過相應(yīng)命令將其轉(zhuǎn)化成二進(jìn)制。
--make-bed
③bed(二進(jìn)制文件）
④fam（記錄每個(gè)樣本家系的信息）
family
⑤bim（對map文件的拓展）
binary+map
二、GWAS分析流程
基因型數(shù)據(jù)質(zhì)控
1）按分型百分比過濾
一般剔除缺失率在20%以上的位點(diǎn)
2）按等位基因頻率過濾
去除第二等位基因頻率小于5%的位點(diǎn)
3）多等位位點(diǎn)的過濾
根據(jù)軟件，有些軟件不支持多等位位點(diǎn)
4）哈迪溫伯格平衡過濾
人類中一般將不符合哈迪溫伯格平衡的位點(diǎn)過濾掉，動(dòng)植物不使用該過濾LD衰減分析（選做）
LD連鎖不平衡
LD系數(shù)：r^2=0,群體中兩個(gè)位點(diǎn)完全不相關(guān)，=1說明完全相關(guān)（完全連鎖）
一般而言，兩個(gè)位點(diǎn)在基因組上離得越近，相關(guān)性就越強(qiáng)，LD系數(shù)越大；反之，LD系數(shù)就越小。
→隨著位點(diǎn)間的距離不斷增加，LD系數(shù)通常情況下會(huì)慢慢下降，常用LD衰減圖呈現(xiàn)
GWAS標(biāo)記量 = 基因組大小/LD衰減距離群體結(jié)構(gòu)（Q）和親緣關(guān)系（K）
目的：對群體結(jié)構(gòu)和親緣關(guān)系進(jìn)行評估以確定使用的統(tǒng)計(jì)模型和獲得相應(yīng)的矩陣
關(guān)聯(lián)結(jié)果出現(xiàn)假陽性的兩個(gè)主要因素關(guān)聯(lián)分析
（1）選擇正確的統(tǒng)計(jì)方法:
小標(biāo)記量：t-test或ANOVA
case/control質(zhì)量性狀：卡方檢驗(yàn)，OR檢驗(yàn)，邏輯回歸
數(shù)量性狀：一般使用多種模型（GLM/MLM/EMMAX/fast-LMM）同時(shí)分析
（2）確定顯著性閾值，一般為1/有效的分子標(biāo)記數(shù)
（3）結(jié)果解讀
可視化：
曼哈頓圖，
分位點(diǎn)圖（QQplot），隨機(jī)預(yù)測出的P和實(shí)際算出來P的比較，是否異常顯著
cmplotR包
