当前位置:首页 >> 生物学 >>

全基因组范围内SNP关联分析(GWAS)技术


基本内容
1 2 3 4 单核苷酸多态及数据格式 GWAS关联分析技术 SNP单倍型分析技术 SNP数据分析软件操作

一、单核苷酸多态及数据格式

一、单核苷酸多态及数据格式
单核苷酸多态性 (single nucleotide polymorphism,SNP) 主要是指在基因组水平上由单个核苷酸的变异所引 起的DNA序列多态性。它是人类可遗传的变异中最常见 的一种。

个体 1

序列 AGATACGGCTAAACTTGGGGGTTTTTAAACCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT chr6

2

AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT

chr6

3

chr6

4

AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT

chr6

突变率低,一次突变,遗传+自然选择使得等位扩增,snp多为二态

一、单核苷酸多态及数据格式
注:
(1)理论上讲,SNP既可能是二等位多态性,也可能是3个或4个等位多 态性,但实际上,后两者非常少见,几乎可以忽略。

(2)占所有已知多态性的90%以上。 (3)SNP数目: 目前,测得大约1500~3000 万个SNP 位点(平均约每100~200 bp ) 存在一个单碱基突变。

一、单核苷酸多态及数据格式
(4)从对生物的遗传性状的影响上来看,SNP又可分为2种: 同义SNP(synonymous SNP),即SNP所致的编码序列的改变并不影响其所 翻译的蛋白质的氨基酸序列,突变碱基与未突变碱基的含义相同。 非同义SNP(non-synonymous SNP),指碱基序列的改变可使以其为翻译的 蛋白质序列发生改变,从而影响了蛋白质的功能。

一、单核苷酸多态及数据格式
人类基因组中3000万的SNP,遍布全基因组,由于其分布广、密度 高、检测技术手段成熟,伴随和HapMap计划的完成和1000genome计划 的开展,目前已被广泛应用于复杂疾病风险位点的检测中。

我们的目的: 寻找哪些SNP标记与疾病相关—关联分析

一、单核苷酸多态及数据格式
单核苷酸多态的测定及数据格式
(1)PCR (2)SNP芯片 (3)新一代测序技术

1

AGATACGGCTAAACTTGGGGGTTTTTAAACCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT

chr6

2

AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT

chr6

3

AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT

chr6

4

AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT

chr6

dbSNP &array:

AGATA[A/C]GGCTAAAC

GTTTTTAA[A/G]CCCCTT

PCR data

or

PCR和芯 芯片技术

or

PCR

A/C SNP1

A/G SNP2

1

AGATACGGCTAAACTTGGGGGTTTTTAAACCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT

chr21

2

AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT

chr21

3

AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATACGGCTAAACTTGGGGGTTTTTAAGCCCCTT

chr21

4

AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAACCCCTT

chr21

1 2 3 4

C/A A/A C/C A/A

PCR和芯 片技术, 将染色体 割裂,导致 恢复原来 真实相形困难 2:C

A/G A/G G/G A/A

等位

1:A

1:A

2: G

野生型和突变型

SNP数据说明:

一、单核苷酸多态及数据格式
格式1:ped格式snp data+info data SNP data file

一、单核苷酸多态及数据格式
SNP info file

SNP数据说明:

一、单核苷酸多态及数据格式
SNP data file SNP info file

一、单核苷酸多态及数据格式
格式2:GWAS data format sample

SNP

二、关联分析

二、关联分析
?复杂疾病遗传关联分析:
复杂疾病是由遗传因素与环境因素共同作用的结果,探索影响复 杂疾病发生、发展的遗传因素,是遗传学的重要任务。研究人员期 望从疾病个体和正常个体的比较中来发现基因组上的差别,进而寻 找引起疾病的基因。
SNP1 A A A T A T T T 疾病 SNP2 A T A T A T A T 正常

目的: 寻找哪些SNP与 疾病相关?

关联非因果

关联分析的类型
关联研究的数据类型
1、基于无关个体的关联分析 ? 基于无关个体的关联分析病例对照研究设计:主要用来研究质量性 状,即是否患病。 ? 基于随机人群的关联分析:主要用来研究数量性状。 2、基于家系数据的关联分析 ? 在研究基于家系的样本时,采用传递不平衡检验(TDT)等
注: (1)家系数据分析遗传标记与疾病数量表型和质量表型的关联可以排除 人群混杂对于关联分析的影响,但其在发现阳性关联的检验方面不如相同 样本量的病例对照研究有效。 (2)当前的人口状况使得大规模的家系数据很难获得,目前的研究中 case-control研究居多。

关联分析中SNP位点的质量控制
注:发表此类paper,质量控制要占一段。

?1、最小等位频率控制
? 最小等位基因频率:MAF(Minor Allele Frequency): 最小等位基因频率通常是指在给定人群中的不常见的等位基 因发生频率,例如TT,TC,CC三个基因型,在人群中C的频率 =0.28,T的频率=0.72,则等位基因C的频率为最小等位基因频率 ,MAF=0.28。 ? 在关联研究中,较小的MAF将会使统计效能降低,从而造成假阴 性的结果。通常情况下要求 MAF<0.01或0.05
注: 1、通常MAF>0.01或0.05的SNP称为common SNP; MAF<0.01或0.05 的SNP称为rare SNP 2、常见疾病,常见变异假说。

关联分析中SNP位点的质量控制
?2、 Hardy-Weinberg平衡控制
Hardy-weinberg平衡定律: 在理想状态下,各等位基因的频率和等位基因的基 因型频率在遗传中是稳定不变的,即保持着基因平衡。 P(AA)=p2 P(Aa)=2pq P(aa)=q2

注:H-W检验p值显著性水平0.001或1E-6

关联分析中SNP位点的质量控制
? Hardy-Weinberg平衡检验例

关联分析中SNP位点的质量控制
?3、 SNP分型成功比例控制
一般情况下,某个SNP在所有样本中的分型成功 率(call ratio)要控制在75%以上,否则不能通过质 量控制,该SNP将从分析数据中去掉。

关联分析中SNP位点的质量控制
?4、样本的基因型缺失比控制
对于基因组范围内关联分析而言,对于一个需要检 测的样本,一般情况下,某个样本所对应的所有SNP的 分型成功率要控制在75%(或95%)以上,否则不能通 过质量控制,该样本将被从分析数据中去除。

关联分析中SNP位点的质量控制
?5、孟德尔错误控制
对于家系数据的分析而言,父代-子代之间满足孟德 尔遗传,对于那些孟德尔错误出现次数超过指定次数 (1次或2次)的SNP,将被从数据分析中去除。

关联分析的理论基础
关联研究的理论基础
连锁不平衡—关联分析的理论基础
SNP1 Chromosome 连锁不平衡区域
D ? PA 1 B 1 ? PA 1 PB 1 ? PA 2 B 2 ? PA 2 PB 2 ? ? ( PA 1 B 2 ? PA 1 PB 2 ) ? ? ( PA 2 B 1 ? PA 2 PB 1 )

SNP2 疾病位点

SNP3

SNP4

D ? ?

D D
m ax

r?

D p A1 p A 2 p B1 p B 2

r

2

关联检验

?关联检验的模型
假定: 某个SNP位点有两个基等位A、a, 形成三个基因型:AA、Aa、aa。
开始检测之前A、a地位相同,我们假定A为 minor allele,对两个等位加以区别。 SNP SNP1 SNP2 SNP3 SNP4 A T (0.2) A (0.17) G (0.43) C (0.33) a G (0.8) T (0.83) C (0.57) T (0.67)

当我们检测该SNP位点与疾病的关系时,我们不知道等位以何种 方式起作用(等位、基因型、显性、隐性)。

关联检验
?关联检验的模型
1、Genotypic Model ? Hypothesis: all 3 different genotypes have different effects

AA vs. Aa vs. aa

关联检验
? Genotypic Model的卡方检验: ? Null Hypothesis: Independence

H 0 : ? ij ? ? i. ? ? . j
AA cases controls nAA mAA Aa nAa mAa df = 2 aa naa maa

关联检验
? Chi-squared Test Statistic:

(O ? E ) ? ? ? E all cells
2

2

? O is the observed cell counts ? E is the expected cell counts, under null hypothesis of independence

关联检验
例:
Observed Matrix:

cases controls Column Sum
Expected Matrix:

AA 8 70 78

Aa 26 19 45

aa 66 11 77

Row Sum 100 100 200

cases controls Column Sum

AA 39 39 78

Aa 22.5 22.5 45

aa 38.5 38.5 77

Row Sum 100 100 200

关联检验
Observed Matrix: AA cases controls Column Sum Expected Matrix: AA cases controls Column Sum 39 39 78 Aa 22.5 22.5 45 aa 38.5 38.5 77 Row Sum 100 100 200 8 70 78 Aa 26 19 45 aa 66 11 77 Row Sum 100 100 200

(O ? E ) 2 (8 ? 39) 2 (26 ? 22.5) 2 (66 ? 38.5) 2 (70 ? 39) 2 (19 ? 22.5) 2 (11 ? 38.5) 2 ? ? ? ? ? ? ? ? ? E 39 22 . 5 38 . 5 39 22 . 5 38.5 allcells
2

关联检验
?关联检验的模型
2、Dominant Model Hypothesis: the genetic effects of AA and Aa are the same (assuming A is the minor allele)
AA + Aa vs. aa

关联检验
? Dominant Model 的卡方检验: ? Null Hypothesis: Independence

H 0 : ? ij ? ? i. ? ? . j
AA+Aa cases controls nAA + nAa mAA + mAa df = 1 aa naa maa

关联检验
? Chi-squared Test Statistic:

(O ? E ) ? ? ? E all cells
2

2

? O is the observed cell counts ? E is the expected cell counts, under null hypothesis of independence

关联检验
例:
Observed Matrix: AA cases controls Column Sum Dominant Model: AA+Aa cases controls Column Sum nAA + nAa mAA + mAa aa naa maa Row Sum cases controls Column Sum Expected Matrix: AA+Aa cases controls Column Sum 61.5 61.5 123 aa 38.5 38.5 77 Row Sum 100 100 200 8 70 78 Aa 26 19 45 aa 66 11 77 Row Sum 100 100 200

Observed Matrix: AA+Aa 34 89 123 aa 66 11 77 Row Sum 100 100 200

(O ? E ) 2 ? ? ? E allcells
2

(34 ? 61.5) 2 (66 ? 38.5) 2 (89 ? 61.5) 2 (11 ? 38.5) 2 ? ? ? ? 61.5 38.5 61.5 38.5

关联检验
?关联检验的模型
3、Recessive Model ? Hypothesis: the genetic effects of Aa and aa are the same (A is the minor allele)
AA vs. Aa + aa

关联检验
? Recessive Model的卡方检验: ? Null Hypothesis: Independence

H 0 : ? ij ? ? i. ? ? . j
AA cases controls nAA mAA Aa +aa nAa + naa mAa + maa df = 1

关联检验
? Chi-squared Test Statistic:

(O ? E ) ? ? ? E all cells
2

2

? O is the observed cell counts ? E is the expected cell counts, under null hypothesis of independence

关联检验
?关联检验的模型
4、Allelic Model ? Hypothesis: the genetic effects of allele A and allele a are different A vs. a

关联检验
? Allelic Model的卡方检验:: ? Null Hypothesis: Independence

H 0 : ? ij ? ? i. ? ? . j
A cases controls 2nAA + nAa 2mAA + mAa a nAa + 2naa mAa +2 maa df = 1

关联检验
? Chi-squared Test Statistic:

(O ? E ) ? ? ? E all cells
2

2

? O is the observed cell counts ? E is the expected cell counts, under null hypothesis of independence

关联检验
? 关联检验中的OR(odd ratio)值与95%CI
为什么要计算OR值: 关联检验中如果某SNP与某疾病的关联p值小于显著性水 平,则拒绝不关联的零假设,支持该SNP与疾病存在关联的 假设,OR值的目的是进一步估计其关联的强度。 OR值的估计分为:点估计与区间估计

关联检验
OR(odd ratio)的计算 A nA mA
(assuming A is the minor allele)

cases controls

a na ma

Row sum N M

比值(odds)是指某事物发生的概率与不发生的概率之比。 病例组出现A与不出现A的概率分别为nA/N、 na/N 病例组的比值=(nA/N)/(na/N)= nA/na 对照组出现A与不出现A的概率分别为mA/M、 ma/M 对照组的比值=(mA/M)/(ma/M)= mA/ma

关联检验
OR(odd ratio)的计算 A nA mA
(assuming A is the minor allele)

cases controls

a na ma

Row sum N M

则比值比(odds ratio,也称优势比): OR=(nA/na)/( mA/ma) = (nA×ma)/( mA×na)
说明: ① OR>1时,说明病例组的A的频率大于非病例组的,即A有较高的发病危险性。 ② OR<1时,说明病例组的A的频率低于非病例组的,即A有保护作用。 ③ 疾病与A等位联系愈密切,比值比的数值愈大。

关联检验
95%CI(Confidence Interval)的计算 lnOR 近似的服从正态分布 Upper limit InOR = InOR + 1.96 * SE(InOR) Lower limit InOR = InOR - 1.96 * SE(InOR) Variance of InOR = (1/ nA) + (1/ na) + (1/ mA) + (1/ma) SE (lnOR) = (variance InOR)1/2 Upper limit OR = e upper limit lnOR Lower limit OR = e lower limit lnOR
说明:区间宽度愈窄愈好,下限>1

关联检验
关联检验中其他检验方法
目前最常用的基于SNP基因型的关联检验方方法为: ? (1) 卡方检验 (Chi-squared statistic test) ? (2) Fishers 精确检验 (Fishers exact test) ? (3) 趋势检验 (Cochran-Armitage test)

全基因组范围内关联分析GWAS
全基因组关联研究基本流程
一、样本采集(populaton) 二、SNP选取 三、数据预处理(QC) 四、关联扫描 五、多重检验校正 六、风险位点、风险等位确定 七、候选基因寻找
2~3阶段

三、SNP单倍型分析

三、SNP单倍型分析
为什么要进行单倍型分析?

位置邻近的snp协同作用共同影响疾病。

三、SNP单倍型分析
? 多位点变异
1 AGATAAGGCTAAACTTGAGGGTTTTTAAGCCCCTT AGATAATGCTAAACTTGGGGGTTTTAAAGCCCCTT 2 AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATAAGGCTAAACTTGAGGGTTTTTAAGCCCCTT 3 AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT AGATAATGCTAAACTTGGGGGTTTTAAAGCCCCTT 4 AGATAAGGCTAAACTTGAGGGTTTTTAAGCCCCTT AGATAAGGCTAAACTTGGGGGTTTTTAAGCCCCTT SNP1 T/G SNP2 A/G SNP3 A/T

单体型的基本概念
? 多位点变异
1 **********G ****************A *********** T *********** **********T **************** G ***********A *********** 2 **********G ****************G *********** T *********** **********G ****************A *********** T *********** 3 **********G ****************G *********** T *********** **********T **************** G ***********A *********** 4 **********G ****************A *********** T *********** **********G ****************G *********** T *********** SNP1 T/G SNP2 A/G SNP3 A/T

单体型的基本概念
? 单体型的概念
1 SNP单体型 **********G ****************A *********** T *********** **********T **************** G ***********A *********** 2 **********G ****************G *********** T *********** **********G ****************A *********** T *********** 3 **********G ****************G *********** T *********** **********T **************** G ***********A *********** 4 **********G ****************A *********** T *********** **********G ****************G *********** T *********** SNP1 T/G SNP2 A/G SNP3 A/T GAT TGA GGT GAT GGT TGA GAT GGT

单体型的基本概念
? 单体型的概念

广义的SNP单体型概念(haplotype):
位于一条染色体上或一条染色体上某一区域内的一 组相互关联的SNP等位的组合。

注:单体型又称为单倍型(单条染色体的相型)。

单体型的基本概念
单体型块( haplotype
染色体的交叉与重组:

block)

单体型的基本概念
? 单体型块( haplotype
只有在群体中才能观测到 重组热点

block)

经过多代的遗传、重组,染色体被重组热点分割成一些片段。

一、单体型的基本概念
? 单体型块( haplotype
block)

单体型块的概念: ? 染色体上存在着的连续的、稳定的几乎没有被重组 打断的单体型范围称之为单体型块。

注:单体型块很可能是遗传的最小单位,在极端情况下,它可以是一个单独 的SNP,或者是整条染色体。

单体型的基本概念
? 单体型块( haplotype
block)

单体型与单体型块的关系: ? 狭义的SNP单体型概念: 位于block区域内的一组相互关联的SNP等位的 组合。
注:单体型的关联分析往往先鉴别block,然后分析block区域内单体型与疾 病的关联性。

一、单体型的基本概念
? 单体型块( haplotype
block)

单体型与单体型块的关系: ? 单体型基因型: 某个个体的一对同源染色体上,位于同一个 block区域内的单体型对。

单体型的基本概念
SNP单体型
单体型基因型

1

**********G ****************A *********** T *********** **********T **************** G ***********A ***********

GAT TGA GGT GAT GGT TGA GAT GGT

GAT/TGA

2

**********G ****************G *********** T *********** **********G ****************A *********** T ***********

GGT/GAT

3

**********G ****************G *********** T *********** **********T **************** G ***********A ***********

GGT/TGA

4

**********G ****************A *********** T *********** **********G ****************G *********** T *********** SNP1 T/G SNP2 A/G SNP3 A/T

GAT/GGT

单体型的基本概念
? 单体型块( haplotype
block)

单体型与单体型块的关系: ? block区域内单体型种类: 假定有3个SNP位点,则随机情况下,群体中可 能出现23=8种SNP单体型。 由于block区域内连锁不平衡(LD)的存在,群 体中会出现较少的单体型种类。

单体型的基本概念
block SNP单体型
单体型基因型

1

**********G ****************A *********** T *********** **********T **************** G ***********A ***********

GAT TGA GGT GAT GGT TGA GAT GGT

GAT/TGA

2

**********G ****************G *********** T *********** **********G ****************A *********** T ***********

GGT/GAT

3

**********G ****************G *********** T *********** **********T **************** G ***********A ***********

GGT/TGA

4

**********G ****************A *********** T *********** **********G ****************G *********** T *********** SNP1 T/G SNP2 A/G SNP3 A/T

GAT/GGT

群体中出现的单体型类型: 1、GAT 2、TGA 3、GGT

单体型的基本概念
? 从标记的角度理解SNP与单体型块 从标记的角度看: 单体型块相当于SNP概念的扩展。
高LD区 SNP 染色体 block1 block2 block3 重组热点区

单体型的基本概念
SNP位点 1 2 染色体 标记: 多态状态: 多态(群体): SNP1 block1 SNP4 SNP5 2 1:A 2:C 3 1:AG 2:TG 3:AT 2 1:A 2:T 2 1:G 2:C block2 4 1:GATAA 2:TGATT 3:TATTA 4:TATAA SNP11 2 1:A 2:C block3 3 1:GTA 2:TGC 3:GTC SNP15 2 1:G 2:C 3 4 5 6 7 8 9 10 11 12 13 14 15

allele

haplotype

个体基因型:(1)任何一个个体SNP位点的基因型为SNP等位的组合(纯合或杂合) (2)任何一个个体block区域的基因型为单体型的组合(纯合或杂合)

单体型的基本概念
? 单体型块的识别

如何鉴别高度连锁不平衡的单体型块?

一、单体型的基本概念
? 单体型块的识别
(1)四配子规则 FGT(Four-Gamete Test ) FGT是通过SNP之间的重组关系来确定单体型的block。 每对个SNP,当发生突变时,由于重组关系可能形成4种由 两个Marker形成的单体型。单体型的block由连续的不发生重 组的Marker组成,即在这个block中,每个单体型都只可能存 在三种组合。 (Wang et al., 2002)

一、单体型的基本概念
? 单体型块的识别
(2)连锁不平衡方法

由Gabriel等人(Gabriel et al., 2002)提出:几乎没 有重组发生的一组连续的位点定义为一个单体型块。

单体型关联分析
? 单体型推断
? 为什么要进行单体型推断

单体型关联分析
1 **********G ****************A *********** T *********** **********T **************** G ***********A *********** 2 **********G ****************G *********** T *********** **********G ****************A *********** T *********** 3 **********G ****************G *********** T *********** **********T **************** G ***********A *********** 4 **********G ****************A *********** T *********** **********G ****************G *********** T *********** SNP1 T/G
PCR和芯 片技术, 将染色体 割裂,导致 恢复原来 真实相形困难

SNP2 A/G

SNP3 A/T

二、单体型关联分析
? 单体型推断
实验方法

Haplotype Inference

系谱推断

最大似然算法

统计算法
贝叶斯算法

Clark 算法

单体型关联分析
单体型关联分析

疾病 估算单体型 数据 某一单体型 对照

P1

n1

P2

n2

单体型关联分析
单体型关联分析 ? 卡方检验: ? Null Hypothesis: Independence

H 0 : ? ij ? ? i. ? ? . j
Haplotype_A cases controls n11 n21 non-haplotype_A n12 n22

df = 1

单体型关联分析
? Chi-squared Test Statistic:

(O ? E ) ? ? ? E all cells
2

2

? O is the observed cell counts ? E is the expected cell counts, under null hypothesis of independence

全基因组范围内单体型关联分析
全基因组单体关联研究基本流程
一、样本采集(populaton) 二、SNP选取 三、数据预处理(QC) 四、单体型块识别 五、单体型频率估计 六、单体型关联检验 七、多重检验校正 八、风险单体型的确定 九、候选基因寻找

全基因组范围内单体型关联分析
例:


赞助商链接
相关文章:
GWAS原理
GWAS原理 - 全基因组关联分析(Genome-wide Association Study)是利用高通量基因分型技术,分 析数以万计的单核苷酸多态性(SNPs)以及这些 SNPs 与临床表型...
gwas___综述
近年来,随着人类基因组计划的 实施以及基因芯片技术的发展,人们已通过 GWAS 方法...SNP) 进行总体关联分析的方法, 即在 全基因组范围内选择遗传变异进行基因分型,...
gwas原理方法
动物重要经济性状即复杂性状 GWAS 分析方法的原理是,借助 于 SNP 分子遗传标记,进行总体关联分析,在全基因组范围内选 择遗传变异进行基因分型,比较异常和对照组...
华大基因广告
采用生物信息学 方法全基因组范围内扫描变异位点,并进行选择性清除分析(Selective...全基因组关联分析(GWAS),找出与关注表型相关的 SNP 位点,定位数量性状基因。...
基因组测序术语解释
全基因组关联分析-GWAS 通过重测序对动植物重要种质...( SNP),并计算多态性标记间的遗传连锁距离, 绘制...高通量测序技术的飞速发展,几乎所有的病毒研究方向都...
GWAS原理
简单地 理解全基因组关联分析,GWAS 就是标记辅助...而 GWAS 是对全基因组范围 内的所有位点进行...息量很少, 而且目前 GWAS 对这些 SNP 的检验效能...
无精症的全基因组关联研究进展
采用全基因组关联分析全基因组范围内筛查与疾病关联的 SNP, 已发现了一些 与...随着 GWAS 技术的日益成熟,无精症或少精症相关 GWAS 研究发展迅速, 取得了一...
DNA 与变异
GWAS 结果,累计 发表了近万篇论文,确定了一系列疾病发病的致病基因、相关基因、易感区域SNP ...全基因组关联分析技术的重大革新及其应用, 让我们...
GWAS
全基因组关联分析是应用基因组中数以百万计的 SNP ...相比传统 QTL 作图技术相比,GWAS 分析:1、使用自然...的距离内,因此定位结果更加精细可以定位到 单基因的...
长痘痘原因与基因有关
关联分析(GWAS),发现 DDB2 和 SELL 两个基因上的单核苷酸多态性(SNP)可能增...GWAS 研究可将患者全基因组范围内 检测出的 SNPs 位点与对照组进行比较,找出...
更多相关标签: