Interprétation des résultats GWAS avec différents paramètres

Sep 20 2020

J'ai fait un tas d'analyses GWAS (modèle linéaire sans covariables) avec l'application de différents contrôles de qualité. Comment choisir les paramètres optimaux lors du filtrage pour la fréquence des allèles mineurs (maf), l'équilibre de Hardy-Weinberg (HW) et les taux d'appels manquants (mcr)? Y a-t-il des règles? Voici quelques exemples:

Diagramme Mahnhatten et QQ avec les paramètres maf = 0,02, HW = 1e-10, mcr = 0,2:

Diagramme Manhattan et QQ avec les paramètres maf = 0,01, HW = 0,0001, mcr = 0,01:

Tracé Mahnhatten et QQ avec les paramètres maf = 0,02, HW = 1e-10, mcr = 0,05:

Réponses

M__ Sep 21 2020 at 01:07

Les génomes analysés sont en situation de déséquilibre de liaison prédominant, c'est-à-dire de liaison. Le chromosome 1 montre un signal HW fort (ou plus fort - selon la coupure), tout comme un ou deux télomères - les télomères sont connus pour subir une recombinaison, donc cela n'est peut-être pas surprenant. Rien de mal avec l'analyse HW pour les conclusions principales, c'est le truc entre les lignes rouges et bleues qui est difficile (graphiques QQ).

Les graphiques QQ sont un peu plus complexes et j'irais avec le graphique inférieur que vous avez présenté avec son analyse HW. Il y a clairement une partie des données que vous ne tenez pas compte, @gringer dit que le diagramme QQ est conforme à la distribution bêta ... ils devraient être linéaires. Regardons plus en détail,

0 à 2 ... déséquilibre prédominant qui semble fin, agréable et linéaire
5.5+ .... Signal HW qui semble correct, agréable et linéaire
2 à 5,5 ... compliqué

Étant donné que vous avez une limite (ligne rouge) à environ 5,5, j'essaierais en quelque sorte de vous en sortir. Vous pouvez effectuer une enquête complète, telle qu'une transformation pour linéariser tout le tracé QQ. Personnellement, je n'ai jamais fait cela dans l'analyse HW, donc je ne sais pas, je l'ai fait pour GLM. Je dirais simplement qu'ils entre la ligne bleue et rouge représentent un signal HW complexe que nous ne pouvons pas interpréter, mais de chaque côté de cette frontière, nous sommes prêts à partir. En d'autres termes, restez simple.

2 gringer Sep 20 2020 at 03:01

Sur la base des graphiques QQ, filtrez les variantes avec p> 0,01, puis affichez la statistique bêta (ou toute autre statistique que vous utilisez pour démontrer l'association). Si vous souhaitez incorporer la valeur p dans les résultats affichés, affichez la statistique de test minimale à partir d'un intervalle de confiance de 95%. Voici une tentative que j'ai faite pour le faire avec des statistiques récapitulatives GWAS relatives au revenu du ménage (quelque chose qui ne devrait pas avoir une composante héréditaire):

https://twitter.com/gringene_bio/status/1207617723586371584

Après avoir examiné les statistiques de test, vous pourrez peut-être prendre de meilleures décisions concernant le seuillage avec les autres valeurs. Une chose que vous pouvez essayer est d'incorporer ces valeurs dans un nuage de points qui montre plus de deux dimensions. Les autres statistiques peuvent être représentées sous forme de taille, de couleur ou d'emplacement Z sur un nuage de points 3D.

Les valeurs P ne doivent pas être surestimées, utilisées pour le classement ou affichées seules. Voir le rapport de l'American Statistical Association sur la valeur p pour plus d'informations:

https://amstat.tandfonline.com/doi/full/10.1080/00031305.2016.1154108#_i30

Autant que je sache, les valeurs p calculées par le logiciel GWAS représentent l'incertitude dans la statistique du test (c'est-à-dire t ou bêta), et non la probabilité d'association. Si vous souhaitez calculer cette probabilité d'association, effectuez un sous-échantillonnage bootstrap des individus, puis déterminez la proportion de sous-échantillons dans laquelle la variante testée apparaît, par exemple, dans les 5% de variantes les plus élevés, classés par la statistique de test. Au lieu de filtrer sur HWE, MAF et MCR, vous pouvez essayer de filtrer sur la proportion bootstrap à la place, qui devrait incorporer toutes les statistiques qui introduisent une incertitude dans l'ensemble de données.

Plus de détails et de chiffres peuvent être trouvés sur cette affiche:

https://f1000research.com/posters/5-2190

Si vous comptez générer une ACP sur ces données, veuillez envisager d'étiqueter les cas et les témoins (ou faible / élevé pour les caractères quantitatifs) sur l'ACP pour vérifier que les groupes se ressemblent en termes de structure globale de la population. J'espère que vous ne trouverez pas de blobs dans la PCA qui ne contiennent qu'un seul des deux groupes, mais si vous le faites, ils doivent être traités en premier. Toutes les différences dans la structure de la population (même de très petites différences subtiles) domineront les résultats du GWAS car le signal associé à la structure couvrira une vaste région du génome par rapport aux effets de quelques (ou quelques centaines) de SNP. Voici quelques articles que j'ai trouvés intéressants sur ce problème: