之前写的Tassel说明文档,虽然我都是使用命令行相关的软件,但是我发现,Linux,命令行对大多数人还是可望而不可即,分享一篇我做的说明文档,用示例数据,一步一步进行GWAS分析。具体如下: 目录 1. 下载安装软件 2. 导入数据 3. 处理数据 3.1 清洗数据 3.2 主成分分析 3.3 用基因标记估计系谱 3.4 用一般线性模型分析GLM 3.5 用混合线性模型分析 4. 欢迎关注我的微信公众号 1. 下载安装软件 下载地址:http://tassel./ 这里下载的是win的64为系统,截图如下: 安装成功后,打开菜单如下: 2. 导入数据 数据下载地址:http://tassel./ 截图如下: 打开data,load,选择Make Best Guess 选择几个示例数据: 打开后的数据如下 里面包括系谱数据、性状数据和基因型数据(snp)。 3. 处理数据 3.1 清洗数据 选中mdp_trait, 然后选择:Data中的TransformPhenotype, 可以对数据进行转化、标准化等操作,注意,要先对数据进行选择,然后再进行操作: 也可以对缺失值的数据进行删除,点击imput,Numerical impute,就会生成没有缺失值的数据,这只是缺失值的不同替换方法。 3.2 主成分分析 主成分分析(PCA)是一种统计方法,它可以将相互关联的变量转化为独立的主成分(PC),第一种成分包含最多的组分,其它依次降低。另一个主成分的作用可以用标记的主成分来代表群体结构。这种方法比最大似然法节省时间。因为大部分的分子标记都是字符,需要先将其转化为数值,然后再进行主成分分析,一般将纯合的标记用0代替,另一个纯合子用2代替,杂合的用1代替。PCA要求变量不能有缺失值,因此,在进行主成分分析时,需要对数据进行清洗,去除缺失值。 去掉频率小于0.05的标记,可以选择Data,选择Site,然后在最小频率的框中键入0.05,然后选择Remove minor SNP status,然后点击Filter,进行过滤,模型如下: 选择PCA,然后选择5个主成分(默认项),点击确定,就会生成结果,模型如下: 结果如下: 3.3 用基因标记估计系谱 利用主成分分析可以判断群体的结构特征,但是如果利用系谱信息,这种结果会更加准确。可以用基因型数据生成系谱信息,首先选中基因型数据,点击Analysis,选择Kinship 结果如下: 3.4 用一般线性模型分析GLM 下面我们用GLM模型来分析示例数据,mdp_genotype.hmp.txt是snp数据,里面有3093个标记,281个玉米自交系,另一个文件是mdp_population_structure.txt,里面是282个玉米自交系的群体结构,还有一个是mdp_traits.txt,里面是282玉米自交系的表型数据。 首先对基因型数据进行过滤,去掉频率小于0.05的,最小的数目是150,点击过滤,生成过滤后的基因型数据: 然后对数据进行个过滤,选择开花期dpoll这个性状, 进行协变量选择,即选择群体结构的文件,这里我们去掉Q3,数据如下: 合并数据,将这三个过滤好的数据,选中进行合并,点击Data IntersectJoin, 数据合并如下: 然后选中合并后的数据,用analysis ,GLM来进行分析 运行结果如下: QQ图: P-value值: 3.5 用混合线性模型分析 混合模型需要添加系谱矩阵 点击run 结果: 相关图形: |
|