Biobank遗传数据分析（二）

Biobank genetic data探析（二）——Imputaion

1. 什么是imputation？

Imputation意指“补全”，首次接触到这一概念是在通过scRNA-seq数据对空间转录组数据进行补全的过程中，即借助计算方法应对空间转录组技术所检测到的mRNA种类较少的问题。而在GWAS研究中，则是借助参考数据集，对芯片未能检测到的变异位点进行补充。例如UKBB指出，Affymatrix Axiom芯片仅能检测约80万个SNPs，而通过imputation处理后，我们实际上可以获得约9600万个SNPs的信息。

作为参考的数据集，其一是1000 Genomes phase 3 dataset ，主要用于改善非欧洲血统人群的imputation效果；另一个则是Haplotype Reference Consortium ，这是UKBB imputation过程中的主要参考数据来源。

在进一步深入之前，有必要明确genotype（基因型）与haplotype（单体型）之间的差异：基因型是指由于染色体上某个特定位置的不同而产生的形态变化，可以理解为一个genotype call对应于一个SNP（包括INDEL）。而单体型则是一组位于同一染色体上的多个SNPs，这些位点之间通常存在较强的连锁不平衡性，并且是从父母双方遗传下来