欢迎关注”生信修炼手册”!
全基因组关联分析是目前研究复杂疾病易感性的最有效手段之一,通过芯片或者高通量测序得到全基因组规模的SNP分析结果,再结合卡方,费舍尔精确检验,线性回归等统计方法,快速分析与表型相关联的SNP位点。本文整理了GWAS数据分析相关的资料。
GWAS芯片是常用的SNP分型平台,但是其位点相比全基因组还是不够,此时可以通过基因型填充技术提高SNP位点数目
- GWAS中的genotype imputation简介
- 基因型填充中的phasing究竟是什么
- 基因型填充前的质控条件简介
- 使用shapeit进行单倍型分析
- 使用Eagle2进行单倍型分析
- Haplotype Reference Consortium:最大规模的单倍型数据库
- 使用IMPUTE2进行基因型填充
- 使用Beagle进行基因型填充
- 使用Minimac进行基因型填充
- 文献解读|不同基因型填充软件性能的比较
- Michigan Imputation Server:基因型填充的在线工具
对分型结果进行质控后,就可以进行了GWAS分析了。GWAS的基本分析中设计到了卡方检验,费舍尔精确检验,线性回归,逻辑回归等统计方法
- 卡方检验在关联分析中的应用
- 费舍尔精确检验在关联分析中的应用
- Cochran-Armitage趋势检验在关联分析中的应用
- Cochran-Mantel-Haenszel检验在关联分析中的应用
- odd ratio值在关联分析中的含义
- 线性回归的这些细节,你都搞明白了吗?
- 没想到你是这个样子的置信区间
- 逻辑回归or线性回归,傻傻分不清楚
- 自己动手进行逻辑回归,你也可以!
- odd ratio置信区间的计算,你学会了吗?
- 多元回归分析存在多重共线性了怎么办?
对于GWAS的分析结果,最常见的图表就是QQ图和曼哈顿图,以及locuszoom
- 一文搞懂Q-Q plot图的含义
- 3分钟掌握曼哈顿图的绘制
- 曼哈顿图就够了吗?你还需要LocusZoom
传统的GWAS分析对象为SNP, 还可以进一步在gene, pathway等水平来进行关联研究
- GWAS大家都知道,Gene-Based GWAS你了解吗?
- 3步搞定GWAS中的Gene Set Analysis
- GWAS做完了,下一步做什么?
meta分析可以整合多个gwas分析的结果,增大样本量,提高检验效能
- GWAS样本量不够怎么办,meta分析了解一下
- 你没看错,搞定GWAS meta分析只需一行代码!
- meta分析的森林图不会画?看这里
- GWAMA:GWAS meta-analysis的又一利器
- 点击鼠标即可完成GWAS meta分析,任何人都可以!
- 用R进行gwas meta分析,原来如此简单
也可以将基因和基因之间的互作,基因和环境因素之间的互作考虑进来,一起分析
- 基因型与表型的交互作用如何分析,多元回归来搞定
- 你听说过Epistasis吗?
- GWAS中的Gene-Gene Interactions如何分析?看这里
- 终于搞清楚了Lasso回归和Ridge回归的区别
- 用R进行Lasso regression回归分析
- 多因子降维法MDR分析GxG, GxE交互作用
- MDR多因子降维分析实战
- MDR的进阶版本-GMDR
GWAS除了识别与表型关联的位点,还有很多应用
- polygenic risk score:多基因风险评分
- 使用PRSice进行多基因风险评分分析
- 什么是SNP遗传力?
- LDSC:连锁不平衡回归分析
- LDSC分析实战
- 不会linux也没关系,点击鼠标即可完成的LDSC分析来了
- 想要进行gene prioritization分析,请看这里!
- 衡量样本亲缘关系,除了IBD你还知道哪些方法?
- Linear Mixde Model:线性混合模型简介
- 一文掌握inbreeding coefficient近交系数的计算
- 使用GCTA的GREML评估SNP遗传力
GWAS经过这么多年的发展,有很多已发表的公开数据集被收录到数据库中
- GWAS ATLAS:最全面的GWAS数据库
- GWAS公开结果哪里找,GWAS Catalog来帮忙
GWAS要求的样本量很大,可以看到别人发表的高分文章中样本量在几千到几万的水平,整个实验的话费是比较高昂的。在GWAS的分析中,核心就是各种统计学方法的应用。
·end·
—如果喜欢,快分享给你的朋友们吧—