如何匹配rsid(匹配rsid出现的问题)

• 仅使用chr:pos 转换 rsID时的问题：

1. 对应位点rsID不存在，可能是新变异等等原因，通常可以以chr:pos:ref:alt的形式替代。但还有个问题就是Alt allele不存在，比如rs123456 对应chr1：123456的 T>C,A 而你手里的数据是chr1：123456的 T>G， 那问题来了，这应不应该给他们相同的rsID？仅凭位点和类型来说应该给，或许下个版本的dbsnp会加上这个变异，但其实我也没有明确的答案（欢迎评论区讨论），不过实际操作中我会倾向于保守一点，用chr:pos:ref:alt 而不是rsID来表示。
2. 如上rsID的介绍所述，rsID并不止只用来表示单一核苷酸的SNP，也会表示其他变异类型，这会导致同一位点有多个rsID表示的变异，最常见的就是某个位点同时有SNP和INDEL，仅凭chr:pos信息而不管allele的话会混淆并大量的错误匹配SNP与INDEL的rsID，后续功能分析会引起很大的不便，举个例子： rs123456 对应chr1：123456的 T>C ,而rs987654 同样对应chr1：123456这个位置，但是这个变异是个INDEL， T>TA， 如果仅凭chr：pos匹配会混淆SNP与INDEL，虽然是同样的位置，但变异造成的影响会完全不同。解释时本应是rs987654这个INDEL造成的影响却错误地解释到rs123456这个SNP上，这种情况应该被避免。这么做破坏了rsID的唯一性特点，是不是有点违背初衷，本末倒置了。
3. 还有一个问题就是手头数据里的变异是否已经标准化？ 未标准化的变异的chrpos是不准确的，进行左对齐与节俭原则的标准化后可能产生位移，用未标准化chrpos匹配时可能会错位匹配到其他相邻的位点上。比如手头的变异可能是 chr1:123456:AA:AT ,标准化后则是chr1:123455:A:T，向前移了一位，如果你看过1000genome的原始数据就会发现这样的情况大量存在，所以应当注意（参考：GWASLab：变异的标准化 Variant Normalization）
4. 0起点还是1起点的参考系问题，处理数据时应该注意，这里不做过多赘述。（根据基因的postion以及正负链的方向）

rsID 向 chr：pos 某参考基因组版本的位置转换时，会遇到的问题：

1. 设计上rsID是唯一对应某个变异的，但实际上由于dbSNP版本的不同或其他原因，手头GWAS的sumstats里的rsID可能对应两个位置， 而多个rsID又可能对应同一个位置上相同的变异
2. 在对应参考基因组版本上的位置不存在等等

解决办法

rsID转换chrpos时要尽量明确原始数据的dbsnp版本，能确定版本的时候用对应版本，不能的时候要制定统一标准（为了研究的可重复性），转换时要使用统一的dbsnp的版本。

而chrpos转换rsID时，不贪多，不求快，老老实实**用先确认标准化，然后利用注释的方法，也就是相应基因组版本的 位置chr:pos以及 ref与alt全部与rsID全部匹配时才进行转换。

内容引自：https://gwaslab.com/category/gwas-%E5%85%A8%E5%9F%BA%E5%9B%A0%E7%BB%84%E5%85%B3%E8%81%94%E5%88%86%E6%9E%90/