基因型和表型概念
基因型（Genotype）：指某一生物体全部基因信息的总称，反映生物体的遗传构成，遗传学中具体使用的基因型往往是指某一性状的基因型
表型（Phenotype）：具有特定基因型的个体，在一定环境条件下，所表现出来的性状特征（形态、结构、生理、生化、行为等）或疾病状态
表型 = 基因型 + 环境
GWAS基本概念
全基因组关联分析（Genome-wide Association Study, GWAS）,是研究复杂表型性状关联基因变异的方法，通过对照分析或相关性分析，在全基因组范围内找出存在的序列变异，从中筛选出与复杂表型性状相关的基因变异。
传统单基因遗传的研究方法：利用家系连锁分析的定位克隆方法，发现了大量单基因疾病和单基因遗传性状
GWAS的优势
可以对多个个体在全基因组范围的遗传变异（标记）多态性进行检测，获得基因型；将基因型与可观测的性状，即表型，进行群体水平的统计学分析；根据统计量或显著性P值筛选出最有可能影响该性状的遗传变异（标记），挖掘与性状变异相关的基因。同时GWAS的分辨率高（单碱基水平），而且研究材料来源广泛，可捕获的变异丰富，并且节省时间。
GWAS背后的技术
基因型检测---芯片与测序
基因芯片技术：高通量分型
全基因组测序技术：高通量低成本
GWAS jargon
Locus - genetic position on a chromosome, and a single base pair positon in the context of SNPs
SNP - a locus(single base pair) that exhibits variation in a population
Allele - (in the context of SNPs) - the alternative forms of a nucleotide at a particular locus
Genotype - the pair of alleles at a locus, one paternal and one maternal
Haplotype - a group of SNPs that are inherited jointly from a parent （单倍型）
Linkage disequilibrium - alleles at multiple loci that exhibit a dependence (nonrandom association)
GWAS研究基础
定义复杂性状的表型，尽可能选择可定量反映疾病危险程度的指标、可用于分析疾病临床亚型的特征、或可用于诊断鉴别疾病的表型特征
高密度分子遗传标记：包括SNP、Indel、CNV等
GWAS适用数量性状和质量性状
数量性状：多基因控制，能够测量得到具体数值，符合正态分布；考虑到数量性状受环境影响大，建议将所有材料在同一环境下培育或养殖，或者用多年多点的数据分开分析后综合结果或取BLUP（bese linear unbiased prediction）值作为性状值进行关联分析
质量性状：单基因控制，无法用具体数值来衡量，可转换为0、1等表示，需要注意的是每个群体选取近似的样本
分级性状：表型分布类似质量性状，但实际受多基因控制（数量性状），如抗性性状，因此需要提供每一个个体精确的测量数据
多指标性状：有多个指标可以同时度量时，找出代表原表型数据变异的主成分因子，作为关联分析的表型数据
全基因组关联分析--研究方式
1、GWAS技术通过比较无关个体：（1）患者和正常人群；（2）随机人群队列的基因组多态位点，找出疾病特异性的遗传标记，从而识别出某种疾病或表型的发病机制或相关位点。理论上，检测到的多态位点越多，识别关键位点的可能性就越大
2、单阶段和多阶段：（单阶段）选择足够的样本，一次性在所有研究对象中对选中的SNP进行基因分型，然后分析每个SNP和疾病/性状的关联，早期的GWAS研究中应用较多；（多阶段）以个体为单位，也可以采用DNA pooling的方法，筛选出较少量的阳性SNP，第二阶段采用更大的样本集对第一阶段筛选出的阳性SNP进行分析。
GWAS统计分析方法
1）Each SNP is an independent test (每一个SNP都要进行独立的检验)
2）Associations are tested by comparing the frequency of each allele in cases and controls
3）Odds ratio：（比值比/优势比）strength of association. It is a measure of effect size, or strength of association
odds = P/(1-P) . For example , if probability of winning is 50%, odds is 0.5/(1-0.5) = 1; if probaility of winning is 75%, odds is 0.75/(1-0.75) = 3.
OR = 1 , no association
OR > 1, allele T increases risk
OR < 1, allele G increases risk
4)P - value ：chi-square test
多重检验矫正（Multiple Hypothesis Testing）
Correction for multiple testing
The false discovery rate(FDR)
The Bonferroni correction
连锁不平衡（Linkage disequilibrium）
群体内不同位点等位基因间的非随机性组合的关系，即当位于同一染色体的两个基因座（A，B）基因型同时存在的概率，大于群体中因随机分布而同时出现的概率时，就称这两个点处于LD状态。如果A和B存在着显著的连锁不平衡，那么B就可以作为A的标记。
GWAS study design
* 首先是发现的SNP信息随着sample的增加也是显著增加的。如果是针对疾病做研究的话，那就可以将样本分为case组和control组。如果是针对某个性状做研究的话，就可以不用去分
* 对基因型进行获取，分别有芯片和全基因组测序的方法。
* 然后可以做一些SNP的分析，例如曼哈顿图这一类的统计检验，看这些SNP是在哪个染色体上是比较significant
* 之后就可以找一些连锁不平衡的Block
GWAS局限性
GWAS是一种发现符合“常见疾病-常见变异假说”相关位点的方法，其可以确定相关位点，但不能直接确定基因本身，且在任何特定人群中GWAS都不能方便的识别罕见的风险等位基因位点。
EWAS(Epigenome - wide assciation study, 表观基因组关联分析)
与GWAS形成互补，将表观遗传学变异和复杂疾病或性状进行关联，将表观遗传学层面对复杂疾病的致病原因或性状关联进行解读，找到与致病原因相关或复杂性状相关的表观遗传学变异位点。
通过检测整个基因组成千上万特异表观修饰差异（比如DNA核苷酸上甲基分布），来鉴别出疾病中常见的表观突变或与复杂性状密切相关的表观修饰
DNA甲基化是表观组关联研究的热点
* Dynamic Nature（动态性）：绝大多数环境和行为因素都能影响DNA甲基化
* Quantitative Accuracy（定量准确）：DNA甲基化的定量能达到1%分辨率
* Reversibility（可逆性）：受环境或行为影响发生的DNA甲基化改变具有可逆性
全基因组/表观组关联知识库
