REVIEW&PLINK 2017.01.09
PLINK http://pngu.mgh.harvard.edu/~purcell/plink/ 统计遗传学
1、全基因组关联分析工具。 2、由人类遗传研究中心（CHGR），马萨诸塞州总医院（MGH），哈佛大学和麻省理工学院的Broad研究所等机构科研人员所开发。 3、主要针对基因型/表型数据的分析 4、软件可以使用命令行分析 5、也可以使用基于JAVA语言的图形界面gPLINK。
现在许多现存的基因分析软件不能够用来处理基因组大数据，为了解决这个问题，开发了plink软件。基于C语言的全基因组关联分析。
人类基因组中识别导致某种特殊疾病的基因，分析人类复杂遗传疾病，研究与疾病相关的基因突变。
主要的功能模块包括：数据处理，质量控制的基本统计，群体分层分析，单位点的基本关联分析，家系数据的传递不平衡检验，多点连锁分析，单倍体关联分析，拷贝数变异分析，Meta分析等等。
全基因组关联分析 GWAS (Genome-wide association study;GWAS)：应用基因组中数以百万计的单核苷酸多态；SNP为分子遗传标记，进行全基因组水平上的对照分析或相关性分析，通过比较发现影响复杂性状的基因变异的一种新策略。
世界范围的人类群体，在表型上可谓千差万别，但是基因组上的差异却非常小，而且这种差异大多数表现为SNP (Single nucleotide polymorphism , 单核苷酸多态性)。
Case & control 刀鲚 筛选出最显著的SNP
Plink -IBS IBS (Identity By State，状态一致) ： 在两个或两个以上的个体当中，如果一个DNA片段具有相同的核苷酸序列，就说这个DNA片段是IBS。
Plink -IBD IBD (Identity By Des-cent，同源一致)： 如果IBS片段是遗传自同一个祖先且中间过程没有发生过重组事件，就说这个片段是IBD。
显著的SNP 由1 和2 组成的2n个序列，每一个SNP 基因型对应两个序列。 对于任意一个个体的SNP 基因型数据进行处理（忽略ACGT 的差别）如22,21,12,11 分别对应于SNP 基因型,aa aA Aa AA。然后把这些序列转换为 由0、1、2 组成的数量为n的SNP 序列，表示为：
第i个个体 第k个SNP
第i个个体的SNP基因型为： 第j个个体的SNP基因型为：
这两个个体间的第K个snp的IBS状态为：
只考虑状态值是0和非0的情况：
个体i和个体j的SNP的IBS 状态值非0的区域满足一定阈值就作为候选IBD片段，可以表示为： 个体IBS 状态值非0 的SNP 数量
每个SNP 上各个体之间的差异： 数据个体的总数目
第k个SNP 的差异表示为：
把N个体的数据分成case和control两组进行分析，其中case包含个l个体，control包含m个个体，然后对这两组数据分别进行评价分析，对每个SNP 得到各自的S值。
PLINK- LD（连锁不平衡） P（AB）= P（A）*P（B） 配子不平衡,是单倍型中等位基因之间的统计相关性。 单倍体基因型 A 和B 1、如果不存在连锁不平衡——相互独立，随机组合 2、实际观察到的群体中单倍体基因型 A和B 同时出现的概率
P（AB）≠P（A）*P（B） 1、如果A与B是相关联的 2、两对等位基因是非随机结合
P (AB) = D + P (A) * P (B) D是表示两位点间LD程度值
GWAS的基本原理 借助于SNP分子遗传标记，进行总体关联分析，在全基因组范围内选择遗传变异进行基因分析，比较异常和对照组之间每个遗传变异及其频率的差异，统计分析每个变异与目标性状之间的关联性大小，选出最相关的遗传变异进行验证，并根据验证结果最终确认其与目标性状之间的相关性。
例子 青藏高原的居民对极端的高海拔的适应研究。作者测了50个藏族的外显子组。找到了青藏高原居民的基因中等位基因频率变化的候选基因。 并通过关联分析最后验证出EPAS1基因与他们的高海拔适应性状具有最高的相关性。
https://www.cog-genomics.org/plink2/formats
Making a binary PED file
谢谢 一起再讨论！