Biobank genetic data探析（二）

Biobank genetic data探析（二）——Imputaion

1. 什么是imputation？

Imputation即为“补全”，初次接触到这个概念是利用scRNA-seq数据补全空间转录组数据，即利用计算方法解决空转检测到的mRNA类别少的问题。而在GWAS当中，则是利用reference数据集，补全那些芯片中没有检测到的variants。如UKBB所述，Affymatrix Axiom芯片只能测约80万个SNPs，而经imputation后我们实际能获得~96 million SNPs信息。

而作为reference的数据集，一个是 1000 Genomes phase 3 dataset，主要用以解决非欧洲祖籍人群的imputation；一个则是Haplotype Reference Consortium，为UKBB imputation主要的参考数据集。

再进一步深入之前，我们需要弄清楚genotype（基因型）与haplotype（单体型）的区别：基因型即为染色体单个位点的不同导致的形状变化，我们可以理解为一个genotype call就是一个SNP（此处包含INDEL）；而单体型则是一组SNPs，它们通常在同一个染色体上的不同位点，具有强的连锁不平衡性，是从父母亲直接继承下来的一套遗传信息，彼此之间有你就有我。

而著名的HapMap计划就是去发现人类基因组中这些成套的SNPs（即单体型），而每个单体型也有一些marker SNPs