GWAS分析后的单倍型图分析：目的、方法与实例

GWAS分析后的单倍型图分析：目的、方法与实例

GWAS（全基因组关联分析）是遗传学研究中常用的一种方法，用于识别与特定性状或疾病相关的基因位点。然而，GWAS分析结果可能存在假阳性问题，因此需要进一步验证和分析。单倍型图分析是验证GWAS结果可靠性的重要手段之一，其核心目的是验证显著性位点的可靠性并深入理解其遗传背景。

单倍型图分析的目的

1. 排除假阳性结果：GWAS发现的显著性位点可能因多重检验或群体结构干扰产生假阳性。单倍型图通过分析显著性位点上下游区域的连锁不平衡（LD）结构，判断这些位点是否处于高度连锁的区块（Block）中。若基因位于Block内且被高LD区域覆盖，则说明该基因的关联性更稳定，假阳性风险显著降低。

2. 识别连锁区域与单倍型结构：单倍型图可直观展示SNP之间的LD关系，划分Block（如通过D’或r²阈值）。Block内的SNP组合形成少数单倍型，这些单倍型代表共同遗传的DNA片段。若目标基因或标记位于Block内，其功能或调控作用更可能因连锁效应而真实存在。

3. 辅助基因定位与功能验证：当GWAS位点位于非编码区时，单倍型图可帮助锁定候选基因的调控区域。例如，若Block覆盖某基因的启动子区，可推测该基因通过调控表达水平影响表型，从而指导后续实验验证方向。

4. 优化分子标记选择：在分子育种或医学遗传学中，单倍型图可筛选出Block内代表性SNP（如标签SNP），减少冗余检测成本，同时保留遗传信息完整性。

单倍型图分析方法

1. 常见的单倍型图展示方式

• Block + GWAS pvalue + LD result
• 最下方的热图是两两SNP之间的LD值，越高越红，比较红的区域构成一个Block（用黑线连起来）
• 如果提供gff文件，可以显示基因的上游、下游、外显子、内含子区域
• 上面是位点的曼哈顿图，是区域性的曼哈顿图
• 位点之间，也可以根据LD值进行可视化，以最显著的位点为四方形，其它位点与其LD值的大小呈现不同的颜色

参考代码：

LDBlockShow -InVCF Test.vcf.gz -OutPut re2 -Region chr11:24100000:24200000 -InGWAS gwas.pvalue -OutPng -SeleVar 1

结果：

re2.blocks.gz  re2.png  re2.site.gz  re2.svg  re2.TriangleV.gz

命令：

ShowLDSVG -InPreFix re2 -OutPut temp -InGWAS gwas.pvalue -Cutline 7 -ShowNum -PointSize 3

命令：

LDBlockShow -InVCF Test.vcf.gz -OutPut re3 -Region chr11:24100000:24200000 -InGWAS gwas.pvalue -OutPng -SeleVar 1 -InGFF In.gff

也可以增加SNP的名称：

$ cat Spe.snp
chr11 24142660
chr11 24142669 SpeA
chr11 24142760 SpeB

命令：

LDBlockShow -InVCF Test.vcf.gz -OutPut re3 -Region chr11:24100000:24200000 -InGWAS gwas.pvalue -OutPng -SeleVar 1 -InGFF In.gff -SpeSNPName Spe.snp

2. 进一步的单倍型分析

进一步分析单倍型block在不同样本中的分布，统计不同单倍型和表型数据的关系，并进行显著性检验，可以增强结果的说服力。具体步骤包括：

1. 划分单倍型，给出单倍型的类型
2. 统计单倍型的频率，每个单倍型有多少样本
3. 对单倍型和表型数据进行显著性检验（如T检验或方差分析）
4. 结果可视化（箱线图、小提琴图等）