影響基因型填充準确率的因素有很多，比如分型結果的品質，填充軟體的選擇，reference panel的選擇，樣本量的大小， SNP的密度等等。
為了提高填充的準确率，我們需要在填充前進行品質過濾。對于原始的分型結果，可以根據一些條件進行篩選和過濾，得到高品質的分型結果，用于後續的填充。
分型結果本質上是一張由樣本和SNP位點構成的表格，對應的過濾手段也分成了兩個大的方向，針對SNP位點的過濾和針對樣本的過濾。
這裡的質控條件和GWAS分析的質控條件是一緻的，本文基于case/control的GWAS分析，講解下常用的過濾條件。對于SNP位點的過濾，常用的過濾條件如下
1. missingness
在原始的分型結果中，會有部分分型失敗的位點，稱之為missing data。分型成功的比例稱之為call rate, 根據snp call rate進行過濾的代碼如下
plink \
--noweb \
--file test \
--geno 0.1 \
--out filter 複制
--geno
指定snp位點分型失敗比例的門檻值，分型失敗的比例大于該門檻值的位點會被過濾掉。
2. Hardy-Weinberg equilibrium
GWAS假設樣本群體是符合哈溫平衡的， 對于不符合哈溫平衡的SNP位點，需要過濾掉。
需要注意的是，哈溫平衡的計算是針對群體的，在case/control中，如果合并一起計算hwe, 該位點的不平衡很可能是由于兩個群體間的差異構成，過濾之後會造成後續分析的假陰性，是以隻需要針對control組的樣本計算hwe, 然後進行過濾就可以了，代碼如下
plink \
--noweb \
--file test \
--hwe 0.000001 \
--out filter 複制
--hwe
指定哈溫平衡檢驗pvalue的門檻值，小于該門檻值的位點會被過濾掉。
3. minor allele frequency
MAF過低可能是由于分型算法不能夠檢測到對應的allel引起的, 比如測序深度或者熒光信号強度不夠等因素，此時這些位點的分型結果是不太準确的，是以需要過濾。
其次為了能夠有效進行後續的GWAS挖掘，要保證不同allel對應的樣本量的大小。MAF<1%的突變稱之為rare variants, 相比MAF > 5%的common variants, 罕見變異需要更大的樣本量，當樣本量不足時，會造成後續分析的假陽性，是以在樣本量較小的情況下，不能夠有效進行罕見變異的GWAS分析，需要去除。
過濾的代碼如下
plink \
--noweb \
--file test \
----maf 0.01 \
--out filter 複制
--maf
指定MAF過濾的門檻值，小于該門檻值的位點會被過濾掉。
對于樣本的過濾，常用的過濾條件如下
1. missingness
和SNP的call rate類似，隻是換成了樣本中的比例，過濾的代碼如下
plink \
--noweb \
--file test \
----mind 0.01 \
--out filter 複制
--mind
指定樣本分型失敗比例的門檻值，分型失敗的比例大于該門檻值的樣本會被過濾掉。
2. gender check
通過樣本的分型結果可以判斷樣本的性别，plink預設F值小于0.2的為女性，大于0.8的為男性，然後與該樣本标記的性别進行比較，如果二者不一緻，則需要去掉該樣本，代碼如下
plink \
--noweb \
--file test \
--check-sex 0.2 0.8 \
--allow-no-sex \
--out gender 複制
運作成功後輸出一個字尾為genome的檔案，在該檔案中，如果性别一緻顯示OK, 否則顯示PROBLEM。在某些情況下，預設門檻值可能過于嚴格，可以調整check-sex後面的參數。
識别到不一緻的樣本之後，可以将對應的樣本ID整理到一個檔案中，每行一個ID,然後通過下列代碼進行過濾
plink \
--noweb \
--file test \
--remove sample.list \
--out filter 複制
3. IBD
IBD用于衡量樣本間的親緣關系，親緣關系較近的樣本分型結果非常相似，極端的例子就是重複樣本。GWAS分析的本質是一個無放回的抽樣，需要保證樣本間的獨立性，是以親緣關系較近的樣本需要被去除。計算樣本間IBD距離的代碼如下
plink \
--noweb \
--file test \
--genome \
--allow-no-sex \
--out ibd 複制
4. heterozygosity and inbreeding
在一個随機交配産生的符合哈溫平衡的群體中， 樣本是具有一定的雜合基因型的，近親繁殖會導緻純合基因型的出現，産生的後代樣本雜合度降低，導緻群體哈溫平衡的偏離，這樣的樣本需要被去除，保證GWAS分析中群體符合哈溫平衡的假設。
另外，雜合度過高的樣本可能是實驗階段混合了兩個樣本的DNA導緻的，是以也需要去除。實際操作中，通過近親系數F來表征, F值的大小與樣本雜合度呈負相關，F值越大，對應雜合度越低。通過下列代碼可以計算樣本的近親繁殖系數
plink \
--noweb \
--file test \
--het \
--allow-no-sex \
--out het 複制
然後通過F值的分布來确定過濾的條件。
5. population stratification
群體分層指的是在樣本中明顯分成了多個亞群，亞群之間的差異會影響case/control組間差異的判斷，對GWAS分析造成影響。對于群體分層，可以在後續GWAS分析中進行校正，這裡的過濾指的是過濾掉個别明顯偏離的離群值樣本，可以通過主成分分析PCA或者MDS分析來實作，對應的方法比較多，後續在詳細講解。
除了這些過濾條件外，還需要調整SNP的方向，在reference panel中，SNP位點分型結果以參考基因組正鍊上的堿基表示，而在分型結果中會出現既有正鍊又有負鍊的情況，需要統一校正到正鍊上來。
對原始分型結果進行質控，可以提高基因型填充的準确率，進一步保證後續GWAS分析的準确性。