了解全基因组关联研究（GWAS）：第二部分-更多见解和技巧：

在上一篇 博文里，我们介绍了全基因组关联研究（GWAS），包括其统计公式、工作流程以及最新的帕金森病GWAS实例。今天介绍更多的见解和技巧，供您在运行您自己的GWAS时参考。

质量控制和估算过程

• 低缺失（优先选择每个样本和每个SNP<1%的）的高质量基因型（非回文，即如果可能的话，没有 A/T，G/C，具有表明集群质量的高Illumina Gentrain分数）。
• 通常关注常见的、次要的>1%的等位基因频率，低于此值则希望基因型簇看起来很好（记得检查）。
• 检查样品是否存在高杂合率，因为这可能表明存在潜在污染。杂合率过低也可能是个问题。
• 注意重复的样本和关联机制不明的样本。
• 通过遗传祖先算法确定和解析样本（我们使用fastStructure 和flashPCA的组合）。最大限度地提高多样性，但要警惕群体子结构及其对分析结果的影响。
• 查看并非偶然缺失的SNP，包括因缺失导致的偏见：对照状态或单倍型。
• 您完全可以对单个群体使用多个插补参考面板，并使用由此得到的具有最佳质量指标的基因型。这在混合样本群体中特别有用。

研究级别分析贴士

• 回归-GWAS通常对连续结果使用线性回归模型，对离散结果使用逻辑回归模型。这就量化了SNP的风险，同时考虑了协变量。
• 多种软件包可用于运行混合线性模型，这些模型可以准确地说明相关性和精细的人口子结构。
• PCs-基于全基因组基因分型数据，计算主成分负荷，为您的回归模型提供一组有用的协变量，让您有效地考虑人口子结构。

现在让我们来进行元分析。

• 固定与随机——这些是元分析方法，用于跨数据孤岛和/或出版物合并数据在汇总统计级别合并数据。固定效应元分析通常对发现分析很有用，而且通常更强大，尽管我们中的一些人更喜欢随机效应模型，因为后者更保守，并且可以解释数据孤岛之间的异质性。
• 异质性估计——通常表示为Cochrane的Q或I2。这很重要，能让我们一窥离群效应偏差和结果的普遍性。

审查结果

• 研究级别拉姆达-将其保持在0.95和1.05之间，超出这一区间都会有问题。
• 总体拉姆达和拉姆达1000——当对照研究不平衡时，在研究级别或元分析级别计算拉姆达可能会很棘手。大量过量的控制会人为地拉高拉姆达统计量。在这种情况下，请使用拉姆达1000，因为它扩展到了 1000个案例和1000个。再次提醒，此对照组代码在我们的GitHub存储库中可以找到。
• 连锁不平衡（LD）得分截距-拉姆达的替代/补充，对 LD 结构和对照研究不平衡更加稳健
• 图中显示均匀性的LD峰值——这非常简单，绘制时的结果应该看起来像曼哈顿的塔（或是您选择的城市，对不起了华盛顿），而不是像暴风雪。
• 复制——总是好的，但有时你没有可用的数据集。当无法获得额外数据时，尝试结合使用留一法荟萃分析和交叉验证。

一些后GWAS分析

• 或者说“完成GWAS元分析后要做什么？”请注意，GP2后续会就这些话题提供更多的博文和课程。
• 条件分析——使用区域中最重要的SNP作为协变量，并再次进行分析或使用GCTA等工具。每个基因座可能有多个独立的信号。
• 精细映射——这可以通过}包括贝叶斯共定位（利用基因组参考数据进行基因表达或类似指标）的诸如coloc 的软件包中的近似贝叶斯因子分析来完成。
• 预测权重和TWAS——有很多不同的软件包可利用基因表达、甲基化或染色质研究等外部权重来识别隐藏在GWAS数据中的假定机械连接基因。
• ML——专门构建的预测，我们最喜欢的软件包是 GenoML ，因为它基本实现了自动化，让基因组学中的机器学习（ML）变得容易。

如欲获取更多信息，可在 GP2 GitHub上找到我们的代码和流水线。

本博文由Hampton Leonard、Mike Nalls、Yeajin Song和Dan Vitale共同撰写。请访问GP2的复杂疾病-数据分析工作组页面了解作者的背景。