文章來自：Concepts and relevance of genome-wide association studies

我覺得讀完這篇文章需要認(rèn)識(shí)SNP, Haplotype, alleles, LD這些基本概念琢蛤。部分內(nèi)容由于理解不到位，所以沒翻譯。盡量看原文理解吧构回，有錯(cuò)的話請(qǐng)見諒晴叨！

摘要：全基因組關(guān)聯(lián)分析(GWAS)技術(shù)在過去10年中一直是鑒定疾病和其他性狀相關(guān)基因的主要方法。已經(jīng)有超過2000份人類GWAS報(bào)告。這項(xiàng)技術(shù)還在不斷改進(jìn)昔头，研究人員最近可以研究各種動(dòng)物伊群、植物和模式生物考杉。在這里，我們將概述GWAS的概念:基礎(chǔ)生物學(xué)舰始，方法的起源崇棠，以及GWAS實(shí)驗(yàn)的主要組成部分。

Keywords: genome-wide association study, genetics, statistics, gene discovery

1. Introduction

   全基因組關(guān)聯(lián)研究(GWAS)是大約十年前出現(xiàn)的一種強(qiáng)大的科學(xué)工具丸卷，用于鑒別與生物體性狀相關(guān)的基因枕稀。GWAS已被發(fā)展成為鑒定人類疾病易感基因的主要方法。最近，GWAS技術(shù)在非人類應(yīng)用領(lǐng)域萎坷，特別是在農(nóng)業(yè)基因組學(xué)這個(gè)新興領(lǐng)域中得到了快速發(fā)展凹联。高通量基因分型陣列現(xiàn)在可用于許多動(dòng)物和作物，使科學(xué)家和植物和動(dòng)物育種人員能夠通過遺傳學(xué)改進(jìn)育種程序和糧食生產(chǎn)哆档。隨著越來越多的研究人員進(jìn)入這一領(lǐng)域蔽挠，我們想分享一些我們的經(jīng)驗(yàn)，并給出GWAS背后的關(guān)鍵概念的概述虐呻。

2. The biology of GWAS

最初開發(fā)GWAS是為了研究人類基因組象泵。人類基因組是由超過30億個(gè)DNA堿基組成的序列，可以用AGCT四個(gè)字母表示斟叼。在整個(gè)人類中偶惠，許多基因組序列是相同的或高度保守的，但每個(gè)人的基因組都是獨(dú)一無二的朗涩。一個(gè)特定的人的基因組序列可能與標(biāo)準(zhǔn)的人類參考基因組有超過300萬個(gè)不同的位置忽孽。每一代都有新的突變被引入到基因組中，現(xiàn)在在所有人群中廣泛觀察到許多舊的突變谢床。這些常見的突變（common mutations）通常被稱為變異或多態(tài)性（variants or polymorphisms）兄一。

最常見的變異類型是單核苷酸多態(tài)性(SNP)，其描述單個(gè)DNA堿基的變化识腿。同一基因在同一位點(diǎn)上含有不同形式的snp出革，通常稱為等位基因（The different forms of the same gene containing variable SNPs within the same site(s) are typically called alleles）。GWAS方法主要關(guān)心在每個(gè)研究對(duì)象中確定與各種snp相關(guān)的等位基因渡讼，并進(jìn)行統(tǒng)計(jì)比較以識(shí)別與特定性狀相關(guān)的snp或基因（就是用SNP和群體的表型數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)關(guān)聯(lián)）骂束。如果某種等位基因在患有疾病的人中比其他健康人更常見，這就被解釋為這種等位基因或附近的另一種變異可能導(dǎo)致疾病或至少增加疾病風(fēng)險(xiǎn)的證據(jù)（一定要注意直接關(guān)聯(lián)的SNP并不一定是致病SNP成箫，與它鄰近的可能也是）展箱。

大多數(shù)snp是由某個(gè)歷史突變事件引起的。由于這個(gè)祖先蹬昌，每一個(gè)新的等位基因最初都與其所在的特定染色體的其他等位基因相關(guān)聯(lián)混驰。在單個(gè)染色體或染色體部分區(qū)段上觀察到的特定的一組等位基因稱為單倍型（說白了，單倍型是某段染色體區(qū)域的一串SNP）皂贩。在減數(shù)分裂過程中栖榨，新的單倍體是通過額外的突變或染色體重組(也稱為交叉)形成的。單倍型往往是保守的明刷，特別是在最近有共同祖先的個(gè)體中(見fig 1)婴栽。在GWAS中，單倍型保守性是一個(gè)非常重要的因素遮精。導(dǎo)致某一特定性狀的遺傳變異可能無法在GWAS中直接檢測居夹，但通過同一單倍型內(nèi)發(fā)生的snp的關(guān)聯(lián)败潦，其信號(hào)可能是明顯的（這是GWAS的核心，上面也有提到）fig2准脂。（The nonrandom co?occurrence of alleles within a chromosome or haplotype is called linkage disequilibrium, or LD. The degree of LD in a population is shaped by selection, recombination rate, mutation rate, consanguinity and other factors）染色體或單倍型內(nèi)等位基因的非隨機(jī)共現(xiàn)稱為連鎖不平衡劫扒，或LD。LD在群體中的程度是由選擇狸膏、重組率沟饥、突變率、血緣和其他因素決定的湾戳。

image.png

image.png

The origins of GWAS

使得GWAS成為可能的是21世紀(jì)早期的科學(xué)進(jìn)展攒巍。人類基因組計(jì)劃的完成大大提高了我們對(duì)人類基因組的認(rèn)識(shí)，為基因變異的研究提供了更好的背景荒勇。國際人類基因組單倍型圖計(jì)劃于2005年完成了第一階段柒莉，開展了一項(xiàng)史無前例的SNP發(fā)現(xiàn)計(jì)劃，并首次提供了詳細(xì)的人類單體型和LD圖譜沽翔。這些科學(xué)成就使人們有可能識(shí)別出相對(duì)少量的snp兢孝，這些snp能夠代表人類基因組中大多數(shù)常見的變異窿凤。GWAS的時(shí)代誕生于生物技術(shù)公司，包括Affymetrix跨蟹、Illumina和Perlegen推出了競爭平臺(tái)雳殊，同時(shí)對(duì)數(shù)十萬個(gè)snp進(jìn)行基因分型。

2005年窗轩，國家人類基因組研究所和歐洲生物信息學(xué)研究所進(jìn)行了對(duì)年齡相關(guān)性黃斑變性(AMD)的分析夯秃。作為第一個(gè)GWAS研究，這項(xiàng)研究分析了146名研究對(duì)象的約10萬個(gè)snp痢艺，確定cfh基因是AMD的主要風(fēng)險(xiǎn)因子仓洼。從此，GWAS每年都會(huì)發(fā)布數(shù)百份報(bào)告堤舒。近年來發(fā)表的人類GWAS研究的數(shù)量已經(jīng)趨于穩(wěn)定色建，但研究群體的平均規(guī)模繼續(xù)增長(表1)。目前最大的GWAS研究可能包括超過10萬名受試者舌缤。（人類GWAS數(shù)量是極多的镀岛，植物在1000份以上就是超大規(guī)模了。動(dòng)物的樣本有時(shí)候少的只有幾十個(gè)）友驮。

image.png

4. The practice of GWAS

GWAS研究可以研究質(zhì)量或者數(shù)量性狀位點(diǎn)漂羊。在GWAS研究設(shè)計(jì)中必須考慮幾個(gè)問題，包括基因分型平臺(tái)的選擇卸留、樣本量和樣本收集走越、統(tǒng)計(jì)分析計(jì)劃、統(tǒng)計(jì)能力耻瑟、多重檢驗(yàn)的校正和群體結(jié)構(gòu)旨指。

GWAS的基因型數(shù)據(jù)通常是微陣列檢測，該技術(shù)可以檢測群體內(nèi)的多態(tài)性喳整∽还梗基因微陣列涉及三個(gè)基本原則：

1.DNA微陣列固定特意等位基因的寡核苷酸探針，這些探針是人工合成DNA的短片段框都，與目標(biāo)DNA序列互補(bǔ)搬素；

2.目標(biāo)物的核酸片段序列，用熒光染料標(biāo)記魏保；

3.檢測和記錄雜交信號(hào)的系統(tǒng)熬尺。

有許多不同的微陣列或“芯片”可用于人類和非人類。一些芯片被設(shè)計(jì)用來測試盡可能多的snp——目前大約有500萬個(gè)谓罗。有些芯片是專門設(shè)計(jì)來測試基因編碼區(qū)域的snp的粱哼，這些編碼區(qū)域約占基因組的2%。其他芯片可能測試相對(duì)較少的snp檩咱，這些snp是經(jīng)過精心挑選的揭措，可以有效地代表全世界的單倍型多樣性胯舷。一些芯片是為特定的種族設(shè)計(jì)的，或者可能富含與特定疾病相關(guān)的基因的snp绊含。在選擇基因分型芯片時(shí)需纳，重要的是要考慮當(dāng)前項(xiàng)目的目標(biāo)，與過去或計(jì)劃的未來研究數(shù)據(jù)的兼容性艺挪，以及可用的預(yù)算不翩。

GWAS研究的下一個(gè)目標(biāo)是收集和記錄所需的表型，可以是定量的(整數(shù)或?qū)嵵?或二分的(病例對(duì)照)麻裳。數(shù)量性狀可以提供更多的統(tǒng)計(jì)力來顯示遺傳效應(yīng)口蝠，但病例對(duì)照研究設(shè)計(jì)也可以有效地識(shí)別與表型相關(guān)的多個(gè)基因。我們可以在文獻(xiàn)中看到例子津坑。

一旦收集到樣本并進(jìn)行基因分型妙蔗，就可以開始進(jìn)行全基因組關(guān)聯(lián)的統(tǒng)計(jì)分析。這一過程首先進(jìn)行徹底的質(zhì)量控制分析疆瑰，以確認(rèn)基因型數(shù)據(jù)的準(zhǔn)確性眉反。對(duì)每個(gè)SNP進(jìn)行統(tǒng)計(jì)假設(shè)檢驗(yàn)，0假設(shè)與表型無關(guān)穆役。根據(jù)測試的是哪種類型的特質(zhì)寸五，有許多關(guān)聯(lián)測試可用。數(shù)量性狀一般采用線性回歸方法進(jìn)行分析耿币，假設(shè)性狀是正態(tài)分布的梳杏，各組內(nèi)方差相同，各組之間是獨(dú)立的淹接。流行的分析包括方差分析和GLM十性。二元性狀通常使用logistic回歸或諸如x2或Fisher精確檢驗(yàn)等檢驗(yàn)進(jìn)行分析；logistic回歸之所以流行塑悼，是因?yàn)樗试S對(duì)其他協(xié)變量進(jìn)行調(diào)整劲适。

image.png

在GWAS中攒庵，統(tǒng)計(jì)能力和多重檢驗(yàn)校是很重要的問題嘴纺。在測試大量snp時(shí)，假陽性相關(guān)性是一個(gè)很大的風(fēng)險(xiǎn)浓冒，因此必須對(duì)相關(guān)性的統(tǒng)計(jì)證據(jù)保持較高的標(biāo)準(zhǔn)栽渴。人類GWAS研究中典型的顯著性閾值為，P值小于5e - 8稳懒，相當(dāng)于100萬獨(dú)立試驗(yàn)的標(biāo)準(zhǔn)Bonferonni校正。具有較大遺傳多樣性的種群场梆，例如非洲群體墅冷，可能需要更嚴(yán)格的標(biāo)準(zhǔn)來確定測試結(jié)果是否具有統(tǒng)計(jì)意義。為了達(dá)到這樣的顯著性水平或油，可能需要非常大的樣本量寞忿，特別是對(duì)于罕見病等位基因和效應(yīng)值較小的等位基因(Figure 4)。GWAS的統(tǒng)計(jì)能力受到許多因素的影響顶岸，其中一些因素超出了研究者的控制范圍腔彰。這些因素包括:表型遺傳結(jié)構(gòu)的復(fù)雜性，疾病等位基因的頻率和效應(yīng)大小辖佣，表型測量的準(zhǔn)確性和表型的同質(zhì)性霹抛，以及因果變異和snp之間的LD關(guān)系。

標(biāo)準(zhǔn)GWAS檢驗(yàn)統(tǒng)計(jì)假設(shè)分析中的所有樣本都是不相關(guān)的卷谈，并且是從一個(gè)統(tǒng)一的隨機(jī)交配群體中選擇的上炎。任何偏離這一假設(shè)的行為都可能導(dǎo)致意想不到的結(jié)果，尤其是在大型研究群體中(在特定時(shí)間段內(nèi)遭遇特定事件的受試者群體)雏搂。例如藕施，如果某一種族的個(gè)體在一個(gè)實(shí)驗(yàn)的對(duì)照組中被高估了，由于該種族獨(dú)特的遺傳背景凸郑，整個(gè)基因組的檢測結(jié)果的顯著性可能會(huì)不斷膨脹裳食。主成分分析(PCA)可用于基于基因組相似性對(duì)研究對(duì)象進(jìn)行分層，常用于評(píng)估GWAS中的群體分層(Figure 5).通常芙沥，為了解釋群體結(jié)構(gòu)會(huì)對(duì)GWAS的檢測方法進(jìn)行調(diào)整诲祸。另一種基于pca的校正方法是使用混合線性模型(MLM)回歸來解釋所有研究對(duì)象之間成對(duì)等位基因的共享。MLM方法而昨，如EMMAX和 GEMMA有效地解釋了人類和農(nóng)作物中的群體結(jié)構(gòu)救氯。

image.png

5. Beyond GWAS

   GWAS有時(shí)被稱為“假設(shè)生成”過程，因?yàn)樗ǔＪ抢斫庑誀钸z傳結(jié)構(gòu)的第一步歌憨。一個(gè)成功的GWAS將導(dǎo)致一個(gè)或多個(gè)snp被發(fā)現(xiàn)與感興趣的性狀相關(guān)着憨。然后，研究人員可以評(píng)估每個(gè)相關(guān)SNP的功能結(jié)果务嫡，檢查與該SNP相關(guān)的LD中的其他變異甲抖，研究SNP所在基因的功能漆改，并研究該基因參與的生物學(xué)途徑。事實(shí)上准谚，要完全理解GWAS的結(jié)果挫剑，可能需要大量的實(shí)驗(yàn)。隨著性狀生物學(xué)的闡明柱衔，開發(fā)疾病風(fēng)險(xiǎn)檢測方法或改進(jìn)疾病治療和預(yù)防方案是可能的樊破。

   GWAS的第一個(gè)十年提供了許多成功的案例，但是關(guān)于如何改進(jìn)GWAS仍在爭論∷纛恚現(xiàn)在已經(jīng)提出了許多方法來增加統(tǒng)計(jì)能力捶码，降低假陰性率，并將生物學(xué)背景納入GWAS結(jié)果或链。在未來的幾年里中我們會(huì)看到技術(shù)和分析方法的不斷創(chuàng)新惫恼，使GWAS成為一種更有效的方法來研究疾病和其他性狀。

6. References

   1.Gurgul, A., Semik, S., Pawlina, K., et al. (2014) The application of genome-wide SNP genotyping
   methods in studies on livestock genomes. J. Appl. Genet., 55, 197 – 208.

   2.The 1000 Genomes Project Consortium. (2012) An integrated map of genetic variation from 1092
   human genomes. Nature, 491, 56 – 65.

   3. Francioli, L.C., Polak, P.P., Koren, A., et al. Genome of the Netherlands Consortium, van Duijn,
      C.M., Swertz, M., Wijmenga, C., et al. (2015) Genome-wide patterns and properties of de novo
      mutations in humans. Nat. Genet., 47, 822 – 826.
   4. International Human Genome Sequencing Consortium. (2004) Finishing the euchromatic
      sequence of the human genome. Nature, 431, 931 – 945.
   5. The International HapMap Consortium. (2005) A haplotype map of the human genome. Nature,
      437, 1299 – 1320.
   6. Welter, D., MacArthur, J., Morales, J., et al. (2014) The NHGRI GWAS Catalog, a curated
      resource of SNP-trait associations. Nucleic Acids Res., 42, D1001-6.
   7. Klein, R.J., Zeiss, C., Chew, E.Y., et al. (2005) Complement factor H polymorphism in agerelated
      macular degeneration. Science, 308, 385 – 389.
   8. Teslovich, T., Musunuru, K., Smith, A., et al. (2010) Biological, clinical and population relevance
      of 95 loci for blood lipids. Nature, 466, 707 – 13.
   9. Habek, M., Brinar, V. and Borovecki, F. (2010) Genes associated with multiple sclerosis: 15 and
      counting. Expert. Rev. Mol. Diagn., 10, 857 – 861.
   10. Bush, W. and Moore, J. (2012) Chapter 11: Genome-Wide association studies. PLOS Comput.
       Biol., 8 (12), e1002822.
   11. Laurie, C.C., Doheny, K.F., Mirel, D.B., et al.; GENEVA Investigators. (2010) Quality control
       and quality assurance in genotypic data for genome-wise association studies. Genet. Epidemiol.,
       34, 591 – 602.
   12. Clarke, G.M., Anderson, C.A., Petterson, F.H., et al. (2011) Basic statistical analysis in genetic
       case-control studies. Nat. Protoc., 6, 121 – 133.
   13. Eu-ahsunthonwattana, J., Miller, E.N. and Fakiola, M., Wellcome Trust Case Control Consortium
       2, Jeronimo, S.M.B., Blackwell, J.M., Cordell, H.J. (2014) Comparison of methods to account
       for relatedness in genome-wide association studies with family-based data. PLOS Genet., 10,
       e1004445.
   14. Pe’er, I., Yelensky, R., Altshuler, D. and Daly, M.J. (2008) Estimation of the multiple testing
       burden for genomewide association studies of nearly all common variants. Genet. Epidemiol., 32,
       381 – 385.
   15. Sham, P.C. and Purcell, S.M. (2014) Statistical power and significance testing in large-scale
       genetic studies. Nat. Rev. Genet., 15, 335 – 346.
   16. Vilhjálmsson, B.J. and Nordborg, M. (2013) The nature of confounding in genome-wide
       association studies. Nat. Rev. Genet., 14, 1 – 2.
   17. Kang, H.M., Sul, J.H., Service, S.K., et al. (2010) Variance component model to account for
       sample structure in genome-wide association studies. Nat. Genet., 42, 348 – 354.
   18. Zhou, X. and Stephens, M. (2012) Genome-wide efficient mixed-model analysis for association
       studies. Nat. Genet., 44, 821 – 824.
   19. Stranger, B.E., Stahl, E.A. and Raj, T. (2011) Progress and promise of genome-wide association
       studies for human complex trait genetics. Genetics, 187, 367 – 383.
   20. Manolio, T., Collins, F.S., Cox, N.J., et al. (2009) Finding the missing heritability of complex
       diseases. Nature, 461, 747 – 753.
   21. Marjoram, P., Zubair, A. and Nuzhdin, S.V. (2014) Post-GWAS: where next? More Samples,
       more SNPs or more biology? Heredity, 112, 79 – 88.
   22. Lange, C., DeMeo, D., Silverman, E.K., et al. (2004) PBAT: Tools for family-based association
       studies. Am. J. Hum. Genet., 74, 367 – 369.
   23. Golden Helix Inc., Bozeman, Montana, USA.