GWAS流程、软件与关键参数

Posted on | | In

这篇笔记整理 从零开始做一项GWAS 的通用流程，并把常见软件工具（示例：TASSEL、METAL等）与关键参数/注意点放在同一处，便于以后做实战时直接对照补全。

通用GWAS分析流程（从数据到信号）

  1. 获取样本与表型信息（Phenotyping）
    • 明确性状定义、测量方式、批次/环境因素
    • 记录协变量：性别、年龄、批次、场地、测量人等（后续进入模型）
  2. 获取基因型数据（Genotyping）
    • WGS / SNP芯片 / GBS / WES 等
  3. 变异与样本质量控制（QC）
    • 位点层面：缺失率、MAF、HWE（视物种/群体而定）
    • 样本层面：缺失率、性别核对、异常杂合度、重复/近亲
  4. 插补与过滤（可选但常见）
    • 参考面板 + LD 进行基因型插补
    • 插补后按 INFO/\(r^2\)/CR 等指标过滤低质量位点
  5. 群体结构/亲缘关系/LD分析
    • PCA/祖先成分、亲缘关系矩阵（GRM/K矩阵）、LD衰减
    • 目标：减少群体结构导致的假阳性
  6. 关联分析（Association testing）
    • 线性模型/混合线性模型（定量性状）
    • 二分类性状需用逻辑回归/广义线性混合模型等
  7. 结果质控与可视化
    • QQ-plot（通胀/校正是否合理）
    • Manhattan plot（定位信号峰）
  8. 信号整理与下游
    • lead SNP、LD clumping、条件分析
    • 候选基因与功能注释、精细定位、共定位/因果推断等

从零开始做GWAS（四个核心步骤）

  1. 样本收集与表型测定（Phenotyping）：明确性状定义与协变量（性别、批次、环境等）
  2. 基因型测定（Genotyping）：WGS/芯片等得到全基因组变异
  3. 统计学关联分析（Association testing）：逐位点扫描，在线性/混合线性模型里检验 \(\beta\) 是否显著
  4. 确定GWAS显著信号：按阈值筛选 lead SNP/信号峰（并配合QQ/Manhattan检查结果合理性）

常见软件与它们在流程里的位置

  • TASSEL
    • 常用于植物/育种场景的GWAS工作流（可输出 Manhattan/QQ 等）
    • 更适合作为“入门全流程”工具：从表型+基因型到关联与基础可视化
  • METAL
    • 用于 Meta-GWAS：把多个队列/群体的GWAS汇总统计进行合并
    • 关键点：对齐效应等位基因、统一编码、处理反向链与等位基因频率
  • SnpEff（下游）
    • 用于变异功能注释：外显子/内含子/启动子/基因间区、同义/非同义等

关键参数/注意点清单（以后实战时补实参）

QC常见阈值（示例，需按数据/物种调整）

  • 样本缺失率：如 --mind 0.05（PLINK语境）
  • 位点缺失率：如 --geno 0.05
  • MAF：如 --maf 0.01 或 0.05
  • HWE：按研究设计（自然群体/家系/强选择）选择是否启用与阈值

结构校正

  • PCA协变量：常用前若干PC作为固定效应
  • 亲缘关系矩阵：混合线性模型里作为随机效应，抑制家系结构假阳性

显著性阈值

  • 常见全基因组阈值 \(5\times10^{-8}\)（人类）
  • 其他物种/标记密度下常按有效检验数调整

“文献驱动”的流程例

GWAS数据处理与筛选流程（文字版）

  • 收集与执行独立的GWAS：2,056个独立GWAS / 207个复杂经济性状
    ↓
  • 使用 METAL 进行跨群体 Meta-GWAS：合并相同性状的独立GWAS结果
    ↓
  • 生成 Meta-GWAS 汇总统计数据：共 268 个 Meta-GWAS 结果
    ↓
  • 与 molQTL 变异位点重叠对齐：对齐到 3,087,268 个经过测试的高质量 SNPs
    ↓
  • 显著性阈值筛选：保留 lead SNP 的 \(P < 1\times10^{-5}\) 位点
    ↓
  • 得到显著 GWAS 位点：共 1,507 个，用于后续多组学整合分析

GWAS 与 molQTL 的整合解读（把“信号”连到“机制”）

这一类研究通常会在GWAS之后做“GWAS信号与分子QTL的重合/整合”，核心关注点可概括为：

  1. 富集（enrichment）：GWAS信号是否在不同类型的molQTL中显著富集（如eQTL、sQTL等）
  2. 介导遗传率：复杂性状的遗传率有多少比例可被分子表型“介导/解释”（例如用MESC等方法）
  3. 四类互补整合策略（示例）
    • 共定位（fastENLOC）：判断分子表型与复杂性状是否共享潜在因果变异（如RCP阈值）
    • 孟德尔随机化（SMR + HEIDI）：推断分子表型到复杂性状的因果链条，并用HEIDI降低LD造成的假阳性
    • 单组织TWAS（S-PrediXcan）：评估某组织内预测表达与性状关联
    • 多组织TWAS（S-MultiXcan）：跨组织整合提高统计效力
  4. 组织相关性：用组织相关性得分等指标，定位与性状最相关的“核心组织”
  5. 互补性：不同类型molQTL对GWAS信号的解释往往互补；有些GWAS位点可能只能被某一类QTL（如sQTL、lncQTL）解释

整合分析框架（文字版）

  • 数据输入
    • GWAS：复杂性状GWAS汇总统计数据（207个性状 / 268个GWAS结果）
    • molQTL：多组织molQTL图谱（34个组织的 eQTL / sQTL / eeQTL 等）
  • 全局评估
    • 位点重叠筛选（GWAS位点 ∩ molQTL位点）
    • 富集分析：评估 GWAS 信号在不同 molQTL 中的富集
    • 介导遗传率评估：例如 MESC
  • 整合映射（互补策略）
    • 共定位：fastENLOC（共享潜在因果变异）
    • 孟德尔随机化：SMR + HEIDI（因果推断 + 降低LD假阳性）
    • 单组织TWAS：S-PrediXcan
    • 多组织TWAS：S-MultiXcan（整合提升效力）