一、GWAS数据分析流程

二、数据分析内容

1、分型数据质量评估：

（1）根据GWAS芯片的原始数据，通过Genomestudio V2011 genotype module V1.9.4中Manifest file及Cluster file进行分型数据质量评估，从而保证关联分析的数据质量。

（2）根据GWAS芯片中的质控参数——Staining、Extension、Hybridization、Target Removal、Stringency、Non-specific binding、Non polymorphic等进行芯片的检测质量核实。

2、原始数据预处理：

（1）样品质控筛选：基于SNP分型数据，根据样品的callRate、分型一致率等对样品进行质量控制。剔除分型失败的样品、重复样品和可能具有亲缘关系的样品，观察样品是否污染，检验样品性别等；如将单个样本位点检测率<95%删除、将推断性别与实际性别不符的样本删除等。

（2）位点质控筛选：对callRate、MAF、HWE检验结果等指标对SNP位点进行预处理，如将HWE<10-5不符合孟德尔遗传的位点删除、将MAF<0.01的频率过低的位点删除等。

（3）Imputation分析：基于1000Genomes及Hapmap PhaseII+III中的CHB数据，采用ImptuteV2、FastPHASE、MACH等软件，针对未进行基因分型的位点之等位基因进行预测，从而有效填补GWAS的数据，增加SNP的基因覆盖度，从而使得在已经发现的关联位点周围寻找疾病位点成为可能，同时也能提高对采用了不合适的标签SNP进行标记的SNP检验效能，已经成为目前GWAS数据分析中重要的组成部分，尤其是针对特定人群采用较低覆盖度GWAS芯片进行检测，如针对中国人群采用GSA芯片的检测等。

（4）人群分层分析：基于不同人群的遗传结构存在差异，为了排除人群分层对于关联分析结果影响，进行人群分层分析，进行主成分分析（principal compent analysis,PCA）或混合模型分析（mixed models）等。

3、关联分析

（1）Logistic/liner regression分析：通过plink软件，根据本研究中的样本的表型分组，或者样本的数量性状进行SNP的关联分析，包括imputaion的SNP位点在内，结合样本的基线数据如性别、年龄等协变量进行校正分析，进行Bonferroni、BH_FDR等多重检验，从而最大限度排除假阳性位点。

    并在不同遗传模型（Allelic、Genotypic、Domiant、Recessive）进行关联分析，从而优化关联分析的P值。此外，结合样本的相关指标，进行亚组区分，并对其进行关联分析，从而分析亚分组间的异质性，及显著关联位点的区域功能关系等。

（2）QQ plot分析：基于上述关联分析的P值进行通过SPSS或Plink软件进行Quantile-Quantile Plot分析。

（3）Manhattan plot /Region association analysis:基于关联分析的P值，采用Python或者haploview软件进行分析。

4、SNP单倍型分析

为了研究位置相邻的SNP协同作用对于样本表型或数量性状的影响，采用SHEsis/haploview软件进行单体型分析，并基于单体型进行关联分析。

5、Gene ontology分析

（1）Gene annotation（注释）：根据易感SNP位于的基因及附近基因进行注释。

（2）Gene enrichment analysis：针对关联位点的易感基因及基因区域进行Go/pathway分析，从而推断分子调控机制的功能。

（3）Gene Network analysis：基于SNP的关联分析数据，进行基因网络调控分析，从而分析不同基因的联合效应关系。

备注：

上述分析采用的软件包括：Plink、GCTA、R packages、SNPstats、SHEsis、ImputeV2.........