【PLINK质量控制】哈温平衡是什么？为什么进行哈温平衡过滤？
点击蓝字
关注小图
全基因组关联研究（Genome-Wide Association Study，GWAS）迅速发展，为探索疾病的发病机制做出了突出贡献，也为精准医学的发展奠定基础。在进行GWAS分析时，经常会使用到PLINK软件，对于新手来说可能掌握质控比较困难，今天开始小图继续给大家分享PLINK质控的操作方法
在全基因组关联分析的文章中，我们经常会看到对研究的基因位点是否符合哈温平衡(Hardy Weinberg)进行检验。那么为什么要这么做呢？具体的方法和原理又是什么？
哈温平衡检验
基因平衡定律在随机交配的大群体中，如果没有其他因素（如突变、选择、迁移、漂变）的干扰，基因频率一代一代下去始终保持不变；总是处于一种平衡状态，即从上一代到下一代基因型频率不改变，也意味着基因频率保持不变。
当针对一对常染色体上的等位基因时：
可以应用卡方检验来验证Hardy-Weinberg平衡，把计算得到的基因频率代入，计算基因型平衡频率，再乘以总人数，求得预期值（e）。把观察数（O）与预期值（E）作比较，进行χ2检验。病例组和对照组的基因型分布的观察值和预期值差异无显著性（P>0.05），符合遗传平衡定律:比如下图为一个具体的Hardy-Weinberg遗传平衡检验：
小图举例说明一下
HO:观测值符合基因平衡定律分布；
HA：观测值不符合基因平衡定律分布；
MM=233;MN=385;NN=129pm=(MM+1/2*MN)/(MM+MN+NN);qn=(NN+1/2*MN)/(MM+MN+NN)p=pm*pm;H=2*pm*qn;Q=qn*qnp=c(P,H,Q)data=c(MM,MN,NN)chisq.test(data,p=p)
结果显示
哈温平衡过滤和MAF过滤的区别？
这两个概念一个是对基因频率进行的筛选，一个是对基因型频率进行的筛选。对于一个位点“AA AT TT”，其中A的频率为基因频率，AA为基因型频率。MAF直接是对基因频率进行筛选，而哈温平衡检验，则是根据基因型推断出理想的（AA，AT，TT）的分布，然后和实际观察的进行适合性检验，然后得到P值，根据P值进行筛选。即P值越小，说明该位点越不符合哈温平衡。
目的有两个：一是计算所有位点的哈温检测结果；二是删除SNP中不符合哈温平衡的位点
实例操作
1. 计算所有位点的HWE的P值
plink --bfile HapMap_3_r3_8 --hardy介绍一下plink.hwe的数据格式：
CHR 染色体
SNP SNP的ID
TEST 类型
A1 minor 位点
A2 major 位点
GENO 基因型分布：A1A1, A1A2, A2A2
O(HET) 观测杂合度频率
E(HET) 期望杂合度频率
P 哈温平衡的卡方检验P-value值
2. 提取哈温p值小于0.0001的位点
这里我们使用awk：
awk '{if($9 < 0.0001) print $0}' plink.hwe >plinkzoomhwe.hwe共有123个位点，其中UNAFF为45个位点。
3. 设定过滤标准1e-4
plink --bfile HapMap_3_r3_8 --hwe 1e-4 --make-bed --out HapMap_3_r3_9
可以看到，共有45个SNP根据哈温的P值过滤掉了，和上面手动计算的一样。
4. 可视化
哈温的P值直方图：
关于PLINK质控中的哈温平衡检验小图就介绍完毕了，希望大家能牢记各个文件的结构信息，这在后续的数据分析中非常重要。另外欢迎小伙伴前来使用：云生信生物信息学平台（ http://www.biocloudservice.com/home.html），了解更多生信知识与技巧分析。
请期待小图的下一期PLINK质控后续分享。
欢迎使用：云生信平台 ( http://www.biocloudservice.com/home.html)
|
往期推荐 |
|
|
|
|
|
|
👇点击阅读原文进入网址