全基因组关联分析（GWAS）-统计方法与模型简介

全基因组关联分析（GWAS）-统计方法与模型简介

https://zhuanlan.zhihu.com/p/671934969

1、基本统计学概念

假设检验
• 零假设(H0):即原假设
• 备择假设(H1):与零假设对立的假设
• 计算零假设(H0)成立的概率
• 如果H0成立的概率很低(e.g. 5% or 1%)，则拒绝原假设，接受备择假设
• 否则接受原假设

两类错误与统计功效
• I类错误(Type I error): 拒绝真实的H0， 即假阳性， 概率α为显著性水平；
• II类错误(Type II error): 接受错误的H0， 即假阴性， 概率为β；
• 功效(Power): 拒绝错误H0的概率, (1-β)

2、Case/Control关联分析

病例对照分析
• Case/control，一般可以用Pearson’s X2检验来分析
• 等位基因关联，检测性状与等位基因的关联性
• 假设一个标记有两种等位基因，分别为1和2，令Nca为病例，Nco为对照，列联表如下

• H0：列变量与行变量无关，即该位点等位基因的分布与病例-对照无关；
• H1：列变量与行变量有关，即该位点等位基因的分布与病例-对照有关。
卡方检验

当H0成立时，总体趋向卡方分布，且自由度为(r−1)(c−1) =(2−1)(2−1) = 1
Note:卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合；卡方值越小，偏差越小，越趋于符合，若两个值完全相等时，卡方值就为0，表明理论值完全符合。卡方检