通过应用两步归算工作流来消除GWAS大分析中的阵列特定批量效应

科学领域:

• 遗传学和基因组学 遗传学和基因组学
• 生物信息学是一种生物信息学.
• 统计遗传学 统计遗传学

背景情况:

• 结合来自多个基因型阵列的遗传数据 (超级分析) 增加了统计能力.
• 阵列特定的批量效应可以在多平台遗传研究中产生偏差结果.
• 准确的基因型归算对于大规模的遗传分析至关重要.

研究的目的:

• 开发和评估一个两步的基因型归算工作流程,以解决批量效应.
• 通过使用多种基因定型平台,提高基因大分析的准确性.
• 为了确定甲状腺特征的新型遗传关联.

主要方法:

• 使用来自五个数组的10,647个个体的基因型数据开发了一个两步的归算工作流.
• 中间阵列类型的特定面板与1000个基因组参考面板进行了归算.
• 使用遗传主要成分分析评估批量效应;与归算质量和等位基因频率进行了比较.

主要成果:

• 工作流程有效地消除了前20个主要组件中的数组驱动批量效应.
• 与传统归因相比,对等位基频率观察到高相关性 (r2 > 0.99).
• 全基因组关联分析揭示了甲状腺体量 (TG,PAX8,IGFBP5,NRG1) 和 (XKR6) 的新基因位点.

结论:

• 开发的两步归算工作流程提供了高质量的归算结果,没有批量效应.
• 这种方法促进了涉及多个基因型阵列的强有力的遗传分析.
• 这种工作流程使得我们能够发现甲状腺特征的新型遗传关联.