|
一般自然群体，基因型个体的杂合度过高或者过低，都不正常，我们需要根据杂合度进行过滤。偏差可能表明样品受到污染，近亲繁殖。我们建议删除样品杂合率平均值中偏离±3 SD的个体。 ❝我的理解：非自然群体中，比如自交系，杂交种F1，这些群体不需要过滤杂合度。 ❞ 「参数过滤和手动过滤」plink有个特点，所有的过滤标准，都可以生成过滤前的文件，然后可以手动过滤，也可以用参数进行过滤。 - 比如：
--missing生成结果，也可以用--geno和--mind过滤。 - 比如：
--hardy生成结果，可以使用--hwe过滤 - 比如：
--freq生成结果，可以用--maf过滤
但是杂合度--het，没有过滤的函数，只能通过编程去提取ID，然后用--remove去实现。
1. 计算杂合度plink --bfile HapMap_3_r3_9 --het --out R_check
结果文件： .het (method-of-moments F coefficient estimates)
Produced by --het.
A text file with a header line, and one line per sample with the following six fields:
FIDFamily ID # 家系ID
IIDWithin-family ID # 个体ID
O(HOM)Observed number of homozygotes # 实际纯合个数
E(HOM)Expected number of homozygotes # 期望纯合个数
N(NM)Number of non-missing autosomal genotypes # 总个数
FMethod-of-moments F coefficient estimate #
所以，杂合度 = (N-O)/N 2. 杂合度可视化R代码： het <- read.table("R_check.het", head=TRUE)
pdf("heterozygosity.pdf")
het$HET_RATE = (het$"N.NM." - het$"O.HOM.")/het$"N.NM."
hist(het$HET_RATE, xlab="Heterozygosity Rate", ylab="Frequency", main= "Heterozygosity Rate")
dev.off()
可视化： 3. 计算杂合度三倍标准差以外的个体首先，查看哪些个体在3倍标准差以外： het <- read.table("R_check.het", head=TRUE)
het$HET_RATE = (het$"N.NM." - het$"O.HOM.")/het$"N.NM."
het_fail = subset(het, (het$HET_RATE < mean(het$HET_RATE)-3*sd(het$HET_RATE)) | (het$HET_RATE > mean(het$HET_RATE)+3*sd(het$HET_RATE)));
het_fail$HET_DST = (het_fail$HET_RATE-mean(het$HET_RATE))/sd(het$HET_RATE);
write.table(het_fail, "fail-het-qc.txt", row.names=FALSE)
结果可以看出，这两个个体杂合度在3倍标准差以外： 4. 去掉这些个体cat fail-het-qc.txt
"FID" "IID" "O.HOM." "E.HOM." "N.NM." "F" "HET_RATE" "HET_DST"
1330 "NA12342" 703770 691000 1066256 0.03402 0.33996151018142 -4.75272486494316
1459 "NA12874" 709454 695300 1072858 0.03758 0.338725162137021 -5.18288854902555
先对数据进行清洗，去掉引号，然后提取家系和个体ID sed 's/"//g' fail-het-qc.txt |awk '{print $2}' > het_fail_ind.txt
sed 's/"//g' fail-het-qc.txt |awk '{print $1,$2}' > het_fail_ind.txt
使用remove去掉这两个个体 plink --bfile HapMap_3_r3_9 --remove het_fail_ind.txt --make-bed --out HapMap_3_r3_10
5. 结果文件HapMap_3_r3_10.bed HapMap_3_r3_10.bim HapMap_3_r3_10.fam HapMap_3_r3_10.log
GWAS系列： 笔记 | GWAS 操作流程1：下载数据
笔记 | GWAS 操作流程2-1：缺失质控
笔记 | GWAS 操作流程2-2：性别质控
笔记GWAS 操作流程2-3：MAF过滤
笔记 | GWAS 操作流程2-4：哈温平衡检验
PS吐槽：
微信编辑器中的文章引用功能有bug，上面的超链接有乱码&；|，这都是什么鬼，我不想手动删除了，let it be！ 我的公众号：
|
