文章目錄

• • 前
  • 中
  • • 對個體和SNP的檢測和篩選
    • 哈代平衡
    • 次等位基因頻率
    • 性別檢測
  • 后

前

在做和基因相關的分析時，拿到基因型數據，首先要進行質量控制。

在使用Plink進行質量控制時，一般包含以下幾步：

individual and SNP missingness,（篩選個體和SNP）

inconsistencies in assigned and genetic sex of subjects (see sex discrepancy),（性別是否出錯）

minor allele frequency (MAF),（次等位基因頻率篩選）

deviations from Hardy–Weinberg equilibrium (HWE),（哈代平衡檢測）

heterozygosity rate,（雜合率）

relatedness,（相關性）

ethnic outliers (see population stratification).（人口分層）

當然一般也要根據數據進行步驟的選擇，因為我們處理數據是為了后續的相關性分析，所以這里沒有使用Plink做相關分析，同時因為人口分層暫時沒有特別了解，所以只記錄使用Plink進行上述前五步的工作。

在Plink中做這幾步的質量控制，可以直接使用命令+參數完成篩選，也可以使用Plink生成檢測結果來手動篩選。當然，一般對數據要求嚴格的實驗都是先生成結果，經過查看以后確定參數再使用Plink進行篩選。

中

具體來講，根據我的習慣一般先進行個體和SNP的篩選，次等位基因頻率、哈代平衡的檢測，之后做性別的檢測，剔除性別出錯的樣本，再做一遍上述的篩選。

對個體和SNP的檢測和篩選

根據個體和SNP的缺失率進行挑選。

–missing 生成個體和SNP缺失的檢測結果。

個體缺失位點結果文件為plink.imiss：
第一列為家系ID，第二列為個體ID，第三列是否表型缺失，第四列缺失的SNP個數，第五列總SNP個數，第六列缺失率。

單個SNP缺失的結果文件為plink.lmiss：
第一列為染色體，第二列為SNP名稱，第三列為缺失個數，第四列為總個數，第五列為缺失率

（這里有一點更正，之前SNP和個體寫反了，感謝評論區提醒。 2020/08/06）
–geno 篩選SNP
–mind 篩選個體

–mind 0.05：如果一個SNP5%的個體中都是缺失的，那么就刪掉該個體。
–geno 0.05：如果一個個體有5%的SNP都是缺失的，那么就刪掉該SNP。

哈代平衡

根據基因型頻率進行篩選。對于哈代平衡可以自行查找資料理解。

–hardy 計算所有位點的哈溫檢測結果

結果文件為plink.hwe：

第一列為染色體，第二列為SNP的ID，第三列為TEST類型，第四列A1為 minor 位點，第五列A2為 major 位點，第六列為基因型分布，對應A1A1, A1A2, A2A2的個數，第六列為觀測雜合度頻率，第七列為期望雜合度頻率，第八列為哈溫平衡的卡方檢驗P-value值。

–hwe 直接過濾

次等位基因頻率

根據基因頻率進行挑選。

這里談一點個人對次等位基因的理解，某一位點可能為AA，AT，TT，甚至出現更大的變異導致CC，CG，所以才有次等位基因頻率，而不是最小，很多人將minor allele frequency（MAF）解釋為最小等位基因頻率，感覺是不夠準確的。

某一位點可能有A，T，C，G四種基因情況，四種情況的頻率和應該為1，第二常見的基因型為次等位基因，次等位基因出現的基因頻率就稱為次等位基因頻率。

而使用MAF進行過濾，是因為一般在人群中肯定是少數患病，那么導致少數人患病的就可能是這個次等位基因，而當MAF小于一定值時，意味著大部分位點都是相同的基因型，這些SNP位點貢獻的信息很少（和所研究關系很小），會增加假陽性。極端情況MAF為0，該位點只有一種基因型，那么致病基因肯定和這個位點無關，故而過濾掉。

–freq 計算每個SNP位點的次基因頻率

結果文件為plink.frq：
第一列為染色體號，第二列為SNP ID，第三列為 minor 位點，第四列為 major 位點，第五列為次等位基因頻率，第六列為等位基因觀察數。

–maf 直接過濾

性別檢測

–check-sex 可以生成性別檢測的結果，然后根據結果構造removesample.txt（名稱自由），再使用 --remove removesamp.txt 將性別出錯的樣本剔除。
removesample 文本第一列為FID，第二列為IID。

結果文件為plink.sexcheck：
第一列為家系ID，第二列為個體ID，第三列為原始數據中所給性別，第四列為根據SNP推斷的性別，第五列是否正常，第六列為F值。

女性受試者的F值必須小于0.2，男性受試者的F值必須大于0.8。這個F值是基于X染色體近交（純合子）估計。不符合這些要求的受試者第五列為“PROBLEM”，符合則為“OK”。

后

將上述質量控制的完整流程總結成可用命令如下：

plink --bfile inputname --geno 0.05 --mind 0.1 --maf 0.05 --hwe 0.000001 --make-bed --out outputname1 plink --bfile outputname1 --check-sex plink --bfile outputname1 --remove removesamp.txt --make-bed --out outputname2 plink --bfile outputname2 --geno 0.05 --mind 0.1 --maf 0.05 --hwe 0.000001 --make-bed --out outputname3

上述inputname、outputname均為文件名稱。

上圖是某次質量控制Plink日志文件的說明。

其實除了上述質量控制，根據實驗有時也需要做親緣關系的排查，結果如下。
還有–het，雜合率的檢測，因為本人實驗并不需要這些，有時間再寫。

上述均根據Plink1.90完成。Plink基本操作可參考PLink常用命令總結，更多有關Plink命令的使用可以在參考中去查找。

參考：
http://www.cog-genomics.org/plink2/

總結

以上是生活随笔為你收集整理的使用Plink对SNP数据进行质量控制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。