GWAS实战教程前言与示例数据

从今天开始，小陈会结合已发表的全外显子组研究（whole-exome study, WES）带领大家学习一下GWAS。可能有朋友会问，WES和GWAS是一回事儿吗？

从研究流程上来看，两者是一回事儿，但是从研究的内容来说它俩还不太一样，GWAS主要是研究全基因组上的SNP（包含内含子和外显子）和疾病的关联，而WES则利用外显子捕捉技术检测大量错义突变，进而研究外显子和疾病的关联。一般来说，由于WES直接研究错义突变，因此具有更加直接的生物学意义，临床上应用也更为广泛。

近期，浙江大学团队利用WES技术鉴定出和吸烟年龄密切相关的位点（PMID: 29216386），并且他们公开了1619人的WES数据（包含原始测序数据！），大家可以在GEO数据库里下载（ID号为GSE148812，链接为https://pubmed.ncbi.nlm.nih.gov/29216386/）。

打开链接后如下图所示：

接着拉到最底下，将“Download family”里的SOFT文件和”Supplementary file”里的genotyping文件下载下来（如下图所示，均为标红的）。另外，大家可以点击“custom”，把前两个原始的idat数据下载下来，咱们了解一下illumina的原始测序数据是啥样的。

今天我先带大家看看原始测序结果：

我们需要下载”illunimaio”包用于读取idat数据

setwd("C:/GWAS/TestData") # 设置好工作路径，idat数据存储于其中
BiocManager::install("illuminaio")# 安装R包
library(illuminaio) # 加载illuminaio包
myfile <- list.files() # 列出工作目录下的所有文件
myfile

这里我们看到文件名有Grn和Red两种，其实是两种激光，前者是绿色激光（激发G/T碱基），后者是红色激光（激发A/C碱基），通过荧光的强弱我们即可确定该位置上是何碱基了。

myfile <- myfile[grep(myfile, pattern =".idat$")] #获取以idat结尾的文件名
idat <- lapply(myfile, function(x){readIDAT(x)}) # 循环读取idat文件（实际上只有2个）
myidat <- idat[[1]] # 选择第一个文件为例子
names(myidat) # 查看列名

这里面最重要的就是Quants信息了，它是存储了per-bead-type值，是定量的关键。

myidatData <- myidat$Quants # 提取Quants信息
head(myidatData) # 查看Quants信息

每一行代表的是一个SNP在该样本中的信息，Mean代表荧光的平均强度, SD是测量误差，而NBeads代表微珠数。

好了，关于illumina的原始测序数据就先讲到这儿，后面我会以这套数据带大家掌握GWAS的分析流程，谢谢支持！