张 羽, 周婉莹, FRANÇOIS Belzile

(1. 陕西理工大学 生物科学与工程学院, 汉中 723000；2. Département de Phytologie, Université Laval, Québec, QC G1V 0A6, Canada)

二代测序技术由于其准确性高、简单、快捷、高通量等特点，产生的SNPs(Single nucleotide polymorphism)在全基因组关联分析(Genome-wide association study，GWAS)中的应用越来越普遍，尤其是人类疾病通过全基因组关联研究已经成为热点[1]，近年来在动植物QTLs(Quantitative trait locus)定位中也广泛应用[2-5]。而SNPs质量、数量及测序样本背景、样本量是影响全基因组关联研究的两个重要因素。SNPs的数据质量控制关系着将有哪些SNPs参与后续的关联分析，数据质量控制通常包括5个方面：某个样本的所有SNPs基因型分型成功率(Genotype,%)、某个SNP在所有样本中的分型成功率(call ratio,%)、孟德尔错误率、HWE(Hardy-Weinberg equilibrium)检验P值和MAF(Minor allele frequency)。个体SNP的缺失率是反映DNA样本质量的重要指标，如果缺失多，则说明该个体的DNA样品质量差。常用0.01、0.02或0.05作为界值，剔除缺失率大于界值的个体。关于分型准确性和分型率在测序公司内部也是重要的质量控制步骤，通常都能达到分析对数据质量的要求。而HWE检验P值和MAF取决于研究人员如何根据测序样本的遗传背景、群体结构作出参数选择，这两个参数选择对关联分析影响很大[6]。在没有进化影响下，当基因一代一代传递时，群体的基因频率和基因型频率将保持不变，群体满足HWE。不满足HWE的群体，说明可能存在近亲交配、遗传漂移、严重突变、群体分层等因素，这样的群体代表性差，不能作进一步分析，但由于疾病/病害的发生可能导致遗传不平衡，特别是对于自交产生的简单群体，偏离HWE的位点很可能是疾病/病害易感位点[7]。……