GWAS前的质控（QC） GWAS Quality control

进行GWAS前，我们需要对数据进行严格的质控，以排除可能造成假阳性的因素。

GWAS的质控主要可以分为两部分：

SNP层面的质控 Marker level QC

• SNP的丢失率（Missingness of SNPs）
• MAF (Minor allele frequency)
• 哈迪温伯格平衡 Hardy– Weinberg equilibrium (HWE)

样本层面的质控 Sample-level QC

• 样本的丢失率 (Missingness of individuals)
• 性别错误 (Sex discrepancy) ：GWAS QC – 性别检查 与 阈值选择 Sex check 
• 杂合性 (Heterozygosity)
• 关联 (Relatedness)
• 群体分层 (Population stratification)

---

SNP层面的质控 ：

1. SNP的丢失率（Missingness of SNPs）：我们需要排除call rate过低的snp，通常排除call rate <=98%的snp。
2. MAF (Minor allele frequency) : 对于GWAS来说，我们一般研究对象为common snps，通常排除maf<5% 或maf<1%的snp。如果是rare variants (即MAF<1%)，检验的power会不足。大样本量时可以加入rare vairants。
3. 哈迪温伯格平衡 Hardy– Weinberg equilibrium (HWE) ：我们要排除掉严重偏离哈迪温伯格平衡的variants，这是常用的表示基因分型错误的指标，二分型性状（binary traits）对于case，排除的标准为HWE p值<1e −10，对于control ，HWE p值<1e−6。对于数量性状来说，通常以HWE p value <1e‐6为标准。

样本层面的质控 Sample-level QC

• 样本的丢失率 (Missingness of individuals)：与SNP的丢失率类似，我们要排除掉高基因型丢失率的个体，通常的标准同样为98%。
• 性别错误 (Sex discrepancy)：有时数据录入会有错误，我们应基于X染色体的杂合性，确定是否有性别录入错误的个体。通常对于男性，X染色体的纯合性（homozygosity）估计值应高于0.8，女性应低于0.2.
• 杂合性 (Heterozygosity)：排除掉有过高或过低杂合性的个体，过高或过低杂合性通常意味着样本污染或是近亲繁殖。通常排除掉在平均杂合率在三个标准差以外的个体。
• 亲缘 （Relatedness）：基于所有样本两两之间的IBD来排除掉有亲缘关系的个体。通常的标准为需要排除二级亲属（second degree relatives），详见：预留链接。
• 群体分层 （Population stratification）：要去除掉非目标群体的个体（ethinic outlier），主要通过PCA等方法，详见：群体分层与主成分分析 Population structure & PCA

参考：

Marees, A.T., de Kluiver, H., Stringer, S., Vorspan, F., Curis, E., Marie-Claire, C., and Derks, E.M. (2018). A tutorial on conducting genome-wide association studies: Quality control and statistical analysis. International Journal of Methods in Psychiatric Research 27.