一、数据为什么要做质量控制
比起表观学研究,GWAS研究很少有引起偏差的来源,一般来说,一个人的基因型终其一生几乎不会改变的,因此很少存在同时影响表型又影响基因型的变异。但即便这样,我们在做GWAS时也要去除一些可能引起偏差的因素。
这种因素主要有:群体结构、个体间存在血缘关系、技术性操作。
二、怎么看数据是否需要进行质量控制
下面分别为样本和SNP位点在数据中的直方图,当数据不在绝大多数的分布当中时,我们会倾向于认为那是测序、人工操作等其他方面造成的误差,而非该个体的真实情况,因此是需要将这些样本和位点过滤掉的。
这个阈值的设定并没有一个金标准,可参考往年发表的文献的常用阈值。
1、样本过滤阈值的设定
2、SNP过滤阈值的设定
三、怎么进行质量控制
质量控制包括两个方向,一个是样本的质量控制,一个是SNP的质量控制
1、样本的质量控制
样本的质量控制包括:缺失率