关于GWAS的质量控制步骤顺序疑问？不同指导不同文献的建议各不相同。

 

    事情是这样的，刚开始接触GWAS就一定会接触到数据质量控制这个东西。我们可以看到网络上各种各样的指导，都是分为individual quality control and snp quanlity control。具体哪个优先，各有各的说法。结合陈文燕博主给的建议，主流行还是先进行individual QC再进行SNPs QC。接着，我们知道两部分QC各有多个小步骤，那么分析这些步骤的顺序应该怎么走才比较合适呢？我根据不同tutorial尝试了3种不同的办法，结果还是有区别。以下疑问是陈文燕博主帮忙解答的，再次表示感谢。博主的博客就是宝藏，有入门的小白建议多看看，链接：https://www.cnblogs.com/chenwenyan/p/11803311.html 。

一、       方法1（基因公司imputation前质控步骤）：

1.     指令：plink --bfile data --mind 0.1 --geno 0.05 --maf 0.01 --hwe 0.0001 --make-bed --out data_qc.
2.     查看日志文件可见：

3.      问题：

               （1）             同样一长串的方法，我将指令改为：plink --bfile data --chr 1-22 --geno 0.05 --hwe 0.0001 --maf 0.01 --mind 0.1 --make-bed --out qc2.结果一样。接着换成：plink --bfile data --mind 0.1 --hwe 0.0001 --geno 0.05 --maf 0.01 --chr 1-22 --make-bed --out qc3.结果与qc1\qc2都是一样的(479367个SNP和1189个体)。也就是说如果一次性输入一长串质量控制指令，无论顺序是怎样的，结果都一样?

     答案：是的，一长串命令上去以后，PLINK 会按照他们默认的顺序执行命令。

               （2）  上述三个指令，我们在日志log中的分析过程都可以看到，它是按照--chr --mind --geno --hwe --maf对结果进行一步一步的展示。

               （3）  是不是平时真实分析步骤都是一连串直接写上去的？答案：是的。

二、       方法2（根据方法1的log展示的分析步骤，每个指令一步一步进行）：

1.      我按照这样方法1 日志展示的步骤进行一步一步分析：

                   1)      plink --bfile data --chr 1-22 --make-bed --out step1

                   2)      plink --bfile step1 --mind 0.01 --make-bed --out step2

                   3)      plink --bfile step2 --geno 0.05 --make-bed --out step3

                   4)      plink --bfile step3 --maf 0.01 --make-bed --out step4

                   5)      plink --bfile step4 --hwe 0.0001 --make-bed --out step5

         2.      得出的结果是：479367个SNP和1189个体（与方法1相同）。

三、       方法3（用方法2相同阈值，但步骤不同）：

          1.      我按照这样方法1 日志展示的步骤进行一步一步分析：

                   1)      plink --bfile data -- geno 0.05 --make-bed --out step1

                   2)      plink --bfile step1 -- maf 0.01 --make-bed --out step2

                   3)      plink --bfile step2 -- hwe 0.0001 --make-bed --out step3

                   4)      plink --bfile step3 -- chr 1-22 --make-bed --out step4

                   5)      plink --bfile step4 -- mind 0.01 --make-bed --out step5

          2.      得出的结果是：479811个SNP和1153个体（与方法1和2完全不同）。

                     原因：这个步骤和“方法1和2”的区别在于方法3是先进行SNP QC ，再进行样本QC

四、问题：

   1.      我看群主的帖子步骤是：

          1）         先--mind --het --check.

          2）         然后--hwe --geno --maf.

   2.      MAT的GWAS_Tutorial-master的步骤又不一样：

           --geno --mind --sex --maf --hwe --het.

   3.      质量控制一般是几个参数一起塞进一条plink语句中吗？如果不是，有步骤顺序要求吗（毕竟步骤不一样结果相差贼大）？

            答案：可以塞进一条plink进行分析。正确的顺序是先执行样本QC， 再执行SNP 位点QC（这点可以看文献，基本都是这个顺序）:

                      1）先--mind --het --check；2）然后--hwe --geno --maf.

 

1. 4.      如果要自己做Imputation，那么imputation之前的质量控制的步骤又有什么要求吗？如果没要求，那每种不同质控顺序得到的结果都不一样？答案：IMPUTATION质量控制所有参数与“方法1和2”一样。QC完一会再进行imputation，然后再次执行“方法1和2”的质量控制。