笔记 | GWAS 操作流程2-4：哈温平衡检验
笔记 | GWAS 操作流程2-4：哈温平衡检验
「什么是哈温平衡？」
❝哈迪-温伯格(Hardy-Weinberg)法则 哈迪-温伯格（Hardy-Weinberg）法则是群体遗传中最重要的原理，它解释了繁殖如何影响群体的基因和基因型频率。这个法则是用Hardy,G.H (英国数学家) 和Weinberg，W.（德国医生）两位学者的姓来命名的，他们于同一年（1908年）各自发现了这一法则。他们提出在一个不发生突变、迁移和选择的无限大的随机交配的群体中，基因频率和基因型频率将逐代保持不变。---百度百科 ❞
「怎么做哈温平衡检验？」
❝「卡方适合性检验！」 ，一个群体是否符合这种状况，即达到了遗传平衡，也就是一对等位基因的3种基因型的比例分布符合公式：p2+2pq+q2=1,p+q=1,(p+q)2=1.基因型MM的频率为p2,NN的频率为q2,MN的频率为2pq。MN:MN：NN＝P2：2pq：q2。MN这对基因在群体中达此状态，就是达到了遗传平衡。如果没有达到这个状态，就是一个遗传不平衡的群体。但随着群体中的随机交配，将会保持这个基因频率和基因型分布比例，而较易达到遗传平衡状态。应用Hardy-Weinberg遗传平衡吻合度检验方法，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. ❞
「哈温平衡过滤和MAF过滤的区别？」
❝之前，我对这两个概念有点混淆，后来明白过来了。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。 ❞
「两个目的：」
- 计算所有位点的哈温检测结果
- 删除SNP中不符合哈温平衡的位点
1. 计算所有位点的HWE的P值
plink --bfile HapMap_3_r3_8 --hardyplink.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
结果预览：
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日志：
Options in effect:
--bfile HapMap_3_r3_8
--hwe 1e-4
--make-bed
--out HapMap_3_r3_9
515185 MB RAM detected; reserving 257592 MB for main workspace.
1073788 variants loaded from .bim file.
163 people (79 males, 84 females) loaded from .fam.
112 phenotype values loaded from .fam.
Using 1 thread (no multithreaded calculations invoked).
Before main variant filters, 112 founders and 51 nonfounders present.
Calculating allele frequencies... done.
Total genotyping rate is 0.998136.
--hwe: 45 variants removed due to Hardy-Weinberg exact test.
1073743 variants and 163 people pass filters and QC.
Among remaining phenotypes, 56 are cases and 56 are controls. (51 phenotypes
are missing.)
--make-bed to HapMap_3_r3_9.bed + HapMap_3_r3_9.bim + HapMap_3_r3_9.fam ...
done.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
R代码：
hwe<-read.table (file="plink.hwe", header=TRUE)
pdf("histhwe.pdf")
hist(hwe[,9],main="Histogram HWE")
dev.off()
hwe_zoom<-read.table (file="plinkzoomhwe.hwe", header=TRUE)
pdf("histhwe_below_theshold.pdf")
hist(hwe_zoom[,9],main="Histogram HWE: strongly deviating SNPs only")
dev.off()哈温的P值直方图：
过滤掉SNP位点的P值：
过滤后的结果文件
HapMap_3_r3_9.bed HapMap_3_r3_9.bim HapMap_3_r3_9.fam HapMap_3_r3_9.log