GWAS 方案设计中的影响因素 

复杂的遗传标记信息的理解以及进一步进行基因型-表型的的关联分析都是复杂的过程。对于不同疾病、表型的精细定位是十分具有挑战性的任务，迄今为止，已经有许多不同物种、不同表型的关联分析的结果释出，从人类到动植物，从常见的疾病推进到复杂疾病，从社会学行为到动植物的动植物的产量性状的分析，关于GWAS的研究已有十三年的历史【1】。

至今，关于GWAS分析的内容涵盖了群体的遗传分析、全基因组关联研究的结果解释、连锁不平衡的作用、下游的精细定位与候选位点的筛选。那么，回到最初的原点，在设计一个GWAS实验时，我们应该注意些什么呢？

参考文献【2】以及我们实际的分析case，我们总结了以下几点影响因素：

01

待分析样本表型的准确性以及群体内其他性状的差异性

实验设计时，对于希望进行关联分析的性状，首先应当保证测量表型的准确性，往往一个异常值，就会导致非常不可靠的结果。当性状本身的差异就比较小的时候，表型测量的误差会对结果造成更大的影响。为了保证摒除其他因素的影响，除了研究的表型之外，最好保证样本之间其他表型的异质性不至于相差太大，否则容易产生一些虚假的信号。总结来说，样本的表型确定可靠、异质性较小才有可能得到理想的结果。

02

遗传力因素的影响几何？

对于GWAS分析来说，性状受环境的影响较大的话，往往会造成关联分析的困难以及结果的不准确性，所以建议分析遗传力较高的表型性状，有时可以利用BLUP整合多个环境的数据可以去除环境效应，但是对于非遗传性疾病等特定性状来说，可能很难去除这些因素的影响。对于遗传力较小的性状，需要扩大样本量才能检出相关的位点信息，从成本上考虑，这也是一种浪费，而且更有可能的是，进行完GWAS之后发现压根没有标记超过阈值，这就非常尴尬了。

03

群体样本的大小与群体样本的差异？

通常在进行实验设计时，建议研究者对于群体的差异与大小最好也要有一些考虑：

1：GWAS分析需要较为多的样本量，研究数量性状或者遗传力的较低的性状是否需要考虑适当的扩充样本数量？如果性状在多年多点的情况下重复性不好，那么按照常规样本量来进行处理显然是得不到好结果的。

2:群体内样本之间的遗传差异如何？通常在我们进行GWAS关联分析时，为了保证变异的多样性，我们会使用MAF（Minor Allele Frequency）来进行一些变异位点的过滤，以去除罕见突变的影响。另外我们也会进行一些群体结构的分析。比如通过对基因型数据进行降维分群、群体结构分析等，既可以更换关联模型将这些作为协变量考虑，也可以判断群体之间是具有怎样的差异性的。如果群体之间的遗传背景较为相似，基因型差异不大，定位的效果反而不太好。

值得注意的是，为了保证样本的差异较大也会导致表型的异质性增大，如果选择的群体当中出现了比较明显的群体分化，也可能导致关联分析结果不好。如何平衡这种情况是后续实验成功的关键，选择合适的群体，才能够获得理想的关联分析结果。

04

变异的数量？

GWAS实验中通过重测序等手段，通常获得变异的个数数以百万计，不同的算法软件对于每个变异计算得到的p值也是有差异的。而根据变异数量的不同，经过Bonferroni校正得到的阈值也有差异（什么是Bonferroni校正？| 群体遗传专题）。另外单个LD block中通常含有多个变异位点，变异的数量也会影响下游精细定位，如果通过多个多态性的SNP进行KASP实验设计，可以事半功倍的加快定位速度。（GWAS候选位点与候选基因的筛选思路 | 群体遗传）

05

其他协变量的收集

在遗传变等GWAS分析中，GWAS结果的误差主要来自两方面：环境因素和人群分层。通常情况下，不同的人群分层对于结果的影响较大，种群不同、性别和年龄组成不同都是造成人群分群的因素。为了排除分层现象，当我们只对单一性状感兴趣时，我们可以在实验设计阶段就选择减小样本之间的异质性，数据分析时发现具有偏离群体时，可以删除这些样本；2.对于植物、动物GWAS实验中非单一性状的研究，我们可以尽可能收集这些群体的协变量信息，来排除这些因素对于结果的影响。

【1】10 Years of GWAS Discovery: Biology, Function, and Translation

【2】Zondervan, Krina T., and Lon R. Cardon. "Designing candidate gene and genome-wide case-control association studies." Nature Protocols 2.10 (2007): 2492-2501.