EWAS数据分析（2） — 数据质控篇

上一篇的EWAS数据分析系列技术分享介绍了EWAS数据分析的第一步：数据过滤，这一篇主要跟大家分享接下来的分析流程：数据质控。

好的数据质控是非常重要的，数据质控过了，后面的分析拿到的结果才有可能是客观，而不是假阳性的。那么，数据质控又需要哪些过程呢？

1. 样本性别分析

X染色体上的CpG位点可以作为质控指标。因为女性染色体上，其中一个X染色体处于不活跃状态，大量位点被甲基化。因此对于男性、女性进行比较时，女性样本应该有50%以上的X染色体CpG位点被甲基化，而男性则明显较少。通过与给定样本性别进行比较，可以确定异常样本予以剔除。

2. Bisulfite转化信号

亚硫酸盐转化效率是850k芯片质控的重要指标。850k芯片上内置bisulfite conversion I型探针，其信号值可以反映亚硫酸盐转化效率。通过对其绘制散点图，可以找出转化信号离群的异常样本，予以剔除。

3. 整体信号中位值分析

对于各样本而言，其所有CpG位点上Methylated和Unmethylated信号中位值应该比较接近。因此，以横坐标为Methylated信号中位值、纵坐标为Unmethylated信号中位值，绘制各样本散点图，可以从中找到离群样本，予以剔除。

4. Beta值曲线分析

通过绘制Type I、Type II探针的Beta值曲线，前后比较数据标准化效果。对于偏离异常样本，予以剔除。

5. PCA主成分分析

经过上述过滤后，在所有CpG位点的层面上，利用所有样本进行PCA主成分分析。在第一、二、三主成分空间上，可以展示样本分布。一般认为在第一、二主成分的维度上，位于4倍标准差范围之外的样本是异常样本，可以考虑予以舍去。

例如，上述PCA图中可以看到有2个样本位于4倍标准差范围之外。

通过以上5个过程的数据质控，实现了对偏离样本的识别与剔除，为后续的工作打下了坚实的基础。那么，接下来是否就可以进行关联分析了呢？别急，请耐心等待下回分解！