表达数量性状位点（eQTL）的概念及其相关分析原理

表达数量性状位点（eQTL）的概念及其相关分析原理

表达数量性状位点（expression quantitative trait locus, eQTL）是一类能够影响基因表达量的遗传位点（大部分都是单核苷酸多态性，SNP），具有一定的生物学意义。迄今为止最全的eQTL数据库是GTEx（https://www.gtexportal.org/home/），如今已更新到第八版了。

一般而言，eQTL主要分为两类：（1）顺式eQTL（cis-eQTL）：它主要是指与所调控基因相距较近的eQTL，一般多位于所调控基因的上下游1Mb区域；（2）反式eQTL（trans-eQTL）：与cis-eQTL恰恰相反，反式是指距离所调控基因位置比较远的eQTL，有时候距离甚至超过5Mb。因此，对于eQTL分析而言，我们通常需要考虑两点，SNP和基因表达水平的关联度以及SNP与基因的距离。

由于大量eQTL数据库的开发，我们现在可以直接利用别人的结果寻找SNP调控的基因，最常用的就是GTEx数据库了，大家可以自行学习了解。接下来我将介绍如何利用自己的数据计算并确定相关eQTL。

利用原始数据做eQTL分析，我们至少需要三个文件，第一个是样本信息文件，该文件包含样本的年龄，性别和人种等等；第二个是基因表达量文件，它表示的是每个基因在每个样本中的表达含量；第三个是基因型数据，也即每个样本的基因型数据。

接下来我们看看数据格式：

第一个是样本信息文件，除开第一列，其它列都代表不同的样本，每一行代表的是样本的表型信息。

第二个是基因表达量信息，同样地，除开第一列，其它列都代表不同的样本，每一行代表的是不同的基因（一般来说基因表达数据需要先进行标准化转换）。

第三个是基因型数据，同样地，除开第一列，其它列都代表不同的样本，每一行代表的是不同的基因型（SNP），一般基因型数据用0，1，2这三个数字编码，代表的是效应等位基因剂量。举个简单的例子，SNP1的等位基因分别是A和C，如果我们以A为效应等位基因，那么基因型AA的剂量便是2，AC为1，CC为0。

有了这些数据，我们就可以简单分析SNP和基因表达量的关系了

其数学模型如下：

gene1 ~ snp1 + sex + age + error_term

这里gene1（因变量）一般就是一个基因的表达量，snp1（自变量）就是一个SNP的基因型，两者拟合，矫正相关干扰项（如sex和age等），error_term是指回归模型的误差项。

如果想区分顺式还是反式eQTL，这时候就需要结合基因与SNP的位置信息了。

关于eQTL的概念及原理就介绍完毕，下期我将和大家讲解如何使用“MatrixEQTL”包进行相关分析。