SNP（单核苷酸多态性）Meta分析：史上最全通熟易懂教程

2021

06/30

临床科研与meta分析

A-

A+

这篇文章研究的SNP名叫rs3803662，其实就是DNA上的一个位点，核苷酸可以是T或者C。可以将T/C理解为两种等位基因，那么单个个体的基因型就有3种：CC，CT，TT。

SNP（单核苷酸多态性）Meta分析：一文搞定模型构建与数据处理

很多同学来问：学习SNPmeta分析过程中，最大的困惑就是数据的处理：看别人文章里用到很多遗传模型，这些模型代表什么意义、为什么要这么做、又是如何实现的（模型如何构建、数据如何处理）？？？求助啊小编！

其实很简单，今天这篇文章就用最简单易懂的方式解释一下。

阅读本文，你可能需要一下基础：（1）掌握一般的Meta分析（二分类变量的Meta分析）的流程，特别是数据提取和处理过程；（2）单核苷酸多态性（SNP）的入门知识及其命名方法。如果以上知识不清楚，请先稍微学习哦！有了基础，再来类比SNP Meta，轻松得多。

首先，一句话说明：SNP Meta分析，从方法学上来说与二分类变量的Meta分析是类似的，没有新的东西，大家可以类比。唯一差别就是提取的数据不同，而遗传模型的作用，就是把这些不同的数据转化成二分类变量的形式，以便下一步运算和处理。请读者牢记这一点，下面的讲解过程中自己注意类比和思考；听完下面的讲解，再回过头来体会一下这句话！

下面以实例讲解，数据来源：Yang Y, Wang W, Liu G, et al. Association of single nucleotidepolymorphism rs3803662 with the risk of breast cancer[J]. Scientific Reports, 2016, 6.

（注：一条染色体上DNA有双链，SNP的表示中，统一只写出正义链，例如我们说某位点是C，就是指该染色体上正义链是C、反义链是G，反义链是不用写出的哦，所以我说某个人的基因型是CC，表示他两条染色体都是正义链是C、反义链是G，而不是说他的某条染色体上的两条DNA链都是C哦。这一点和本文的数据处理过程关系不大，为了清晰理解，还是说明一下~）。

好了，继续通过这篇文章的实例进行讲解。选题：rs3803662多态性与乳腺癌风险的关系。检索、文献筛选、数据提取过程就不讲了，如上述，请类比二分类变量的Meta分析。

SNP Meta纳入的原始文献是一般是病例对照研究（case-control），如果是一般的二分类变量Meta分析，提取的数据如果是下表这样的（2x2表格数据），如果是这种数据，大家是不是就能轻易的放到stata或者revman中运算，做出森林图了呢？

但是，实例文章提取出了每篇文献的原始数据，如下表。因为单个个体的基因型有3种（CC/CT/TT），是三分类变量，和我们想要的不一样，怎么办呢？

这里就到了关键之处，遗传模型的应用！还记得本文开头说的吗，遗传模型在这里的作用，就是把三分类变量（表2，一行6个数据）转化成二分类变量（表1，一行4个数据）的形式。具体怎么操作呢？就是把CC/CT/TT这些东西，和暴露/非暴露联系起来呗！

实例文章中，以C为野生型，T为突变型。突变/野生和暴露/非暴露如何扯到一起呢？

我们以显性模型（Dominant model）为例讲解。我们可以理解为：受突变基因影响并表现出性状的，定义为暴露组，即暴露于某个危险因素（在这里是遗传因素，确切的说是rs3803662多态性中突变型T的影响）。因为是显性模型，所以TT和CT都表现出突变性状（暴露于T，受T影响），CC为野生性状。根据我们的定义，TT+CT为暴露组，CC为非暴露。这样，我们就可以将表2转化为表1啦！如下图哦，变成了二分类变量，下一步大家就会了吧？

再来解释一个，隐性模型（Recessive model）。定义：受突变基因影响并表现出性状的，定义为暴露组，即暴露于某个危险因素（在这里是遗传因素，确切的说是rs3803662多态性中突变型T的影响）。因为是隐性模型，所以只有突变纯合子TT表现出突变性状（暴露于T，受T影响），CC和TC为野生性状。根据我们的定义，TT为暴露组，TC+CC为非暴露。

好啦，模型构建和数据处理讲到这里，是不是已经很清楚啦！其他的模型，大家自己体会吧，不再一一讲解啦。

模型	暴露组	非暴露组	比较
等位基因模型（Allele model）	T（=2xTT+1xCT）	C（=2xCC+1xCT）	T vs C
显性模型（Dominant model）	TT+CT	CC	TT + CT vs CC
隐性模型（Recessive model）	TT	CT + CC	TT vs CT + CC
杂合模型（Heterozygote model）	TC	CC	TC vs CC
纯合模型（Homozygote model）	TT	CC	TT vs CC
加性模型（additive model）			TT + CC vs CT