複雜疾病研究策略之GWAS

全基因組關聯分析（Genome-wide association study，GWAS）是利用高通量測序技術檢測常見複雜疾病相關的單核苷酸多態性（SNP）、插入缺失（Indel）及拷貝數多態性（CNV）。

近年來，隨著人類基因組計劃的完成以及高通量測序技術的發展，人們已通過GWAS方法發現並鑑定了大量與人類複雜性疾病關聯的遺傳變異，這些疾病包括自身免疫性疾病、遺傳性腫瘤、心血管疾病以及一些精神類疾病等。

安諾基因重磅推出了針對複雜疾病研究的高深度的目標區域重測序關聯分析（TR-GWAS）及低深度全基因組關聯分析（LC-GWAS）兩種服務。

目標區域測序是針對研究者感興趣的基因組序列進行探針設計，利用探針雜交原理特異性捕獲目標區域，通過高通量測序發現目的基因中的SNP及InDel，適用於已有研究基礎的複雜疾病致病基因研究。

相反，低深度全基因組關聯分析（LC-GWAS）適用於沒有明確候選區域的複雜疾病研究，通過增大樣本量進行全基因組範圍低深度（4-8X）測序，也可以顯著提高SNP的關聯把握度。

1、GWAS研究思路

在人基因組GWAS研究中通常比較有疾病的人（病例）和相同條件的無該疾病的人（對照）。

圖1 GWAS研究思路

2、測序深度選擇

目標區域重測序關聯分析（TR-GWAS）：

50-100X

低深度全基因組關聯分析（LC-GWAS）：4-12X

3、測序深度對GWAS 分析power能力的影響

表1 不同MAF和樣本量下, 不同測序深度對GWAS 分析能力的影響

4、候選位點驗證

對於疾病候選易感位點的驗證，可根據前期測序獲得的易感位點數目和驗證用樣本量大小選擇不同的策略。

驗證工作流程如下：

圖2 複雜疾病易感候選位點驗證流程

對於第一階段產生的候選SNP，如果數目較少建議採用質譜驗證。

如果大於96個，則建議採用WaferGen或者基因分型晶片。

相信憑藉安諾HiSeq X Ten測序平台、強大的雲分析平台以及WaferGen平台的成本與技術優勢，安諾有能力將大樣本量GWAS研究落地實現，限制研究規模的瓶頸將不在於成本，而在於收集到的樣本數量。