在基因型填充前，为了确保准确率，需要进行质量控制。这包括SNP位点和样本的过滤，如missingness、Hardy-Weinberg平衡、minor allele frequency检查、gender check、IBD分析、heterozygosity和inbreeding检测以及population stratification处理。通过对分型结果的严格筛选，可以提高填充的准确性和后续GWAS分析的可靠性。
欢迎关注”生信修炼手册”!
影响基因型填充准确率的因素有很多，比如分型结果的质量，填充软件的选择，reference panel的选择，样本量的大小， SNP的密度等等。
为了提高填充的准确率，我们需要在填充前进行质量过滤。对于原始的分型结果，可以根据一些条件进行筛选和过滤，得到高质量的分型结果，用于后续的填充。
分型结果本质上是一张由样本和SNP位点构成的表格，对应的过滤手段也分成了两个大的方向，针对SNP位点的过滤和针对样本的过滤。
这里的质控条件和GWAS分析的质控条件是一致的，本文基于case/control的GWAS分析，讲解下常用的过滤条件。对于SNP位点的过滤，常用的过滤条件如下
1. missingness
在原始的分型结果中，会有部分分型失败的位点，称之为missing data。分型成功的比例称之为call rate, 根据snp call rate进行过滤的代码如下
plink \
--noweb \
--file test \
--geno 0.1 \
--out filter--geno指定snp位点分型失败比例的阈值，分型失败的比例大于该阈值的位点会被过滤掉。
2. Hardy-Weinberg equilibrium
GWAS假设样本群体是符合哈温平衡的， 对于不符合哈温平衡的SNP位点，需要过滤掉。
需要注意的是，哈温平衡的计算是针对群体的，在case/control中，如果合并一起计算hwe, 该位点的不平衡很可能是
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
