zoukankan      html  css  js  c++  java
  • 利用GCTA工具计算复杂性状/特征(Complex Trait)的遗传相关性(genetic correlation)

    如文章“Genome-wide Complex Trait Analysis(GCTA)-全基因组复杂性状分析”中介绍的GCTA,是一款基于全基因组关联分析发展的分析工具,除了计算不同性状/表型间(traits)的遗传相关性外,还可以计算亲缘关系、近交系数……,下面简单介绍如何利用GCTA计算不同性状/表型的遗传相关性。

    一,在Linux上安装GCTA工具:

    wget -r -np -pk -nH -P ./to/your/path/way/gcta http://cnsgenomics.com/software/gcta/gcta_1.26.0.zip #在Linux下下载GCTA工具
    unzip gcta_1.26.0.zip #解压GCTA工具
    

    “wget -r -np -pk -nH -P”命令完全照搬,“./to/your/path/way/gcta”是指你想把GCTA软件下载在哪个路径,按个人需求适当修改。

    二、准备PLINK二进制格式文件,比如 test.fam, test.bim test.bed 

    三、生成 test.grm.bintest.grm.N.bintest.grm.id 格式文件

    /gcta/gcta64 --bfile test --autosome --make-grm --out test #生成grm格式文件,方便后面的遗传相关性分析

    “/gcta/gcta64”指GCTA软件的位置

    “--make-grm”指生成 test.grm.bintest.grm.N.bin和test.grm.id 格式文件

    “--out test”指输出的文件名为test

    四、准备性状/表型文件,后缀为.txt格式,不需要表头,第一列为family ID, 第二列为individual ID 第三列和第四列为 phenotypes ,类似于PLINK的表型文件格式

    五、计算遗传相关性

    gcta/gcta64 --reml-bivar --reml-bivar-nocove --grm test --pheno pheno.txt --reml-bivar-lrt-rg 0 --out test
    

    得到test.hsq 格式的文件

    test.hsp文件内容如下:

    Source Variance SE
    V(G)_tr1 0.479647 0.179078  #trait 1 的遗传方差和标准误
    V(G)_tr2 0.286330 0.181329   #trait 2 的遗传方差和标准误
    C(G)_tr12 0.230828 0.147958  #trait 1 和 2 之间的遗传协方差和标准误
    V(e)_tr1 0.524264 0.176650  #trait 1 的剩余方差和标准误
    V(e)_tr2 0.734654 0.181146  #trait 2 的剩余方差和标准误
    C(e)_tr12 0.404298 0.146863  #trait 1 和 2 的剩余协方差和标准误
    Vp_tr1 1.003911 0.033202
    Vp_tr2 1.020984 0.033800
    V(G)/Vp_tr1 0.477779 0.176457
    V(G)/Vp_tr2 0.280445 0.176928
    rG 0.622864 0.217458  # 遗传相关性和标准误
    n 3669  # 样本量

    其中,rG即为我们想要的遗传相关性,0.622864 和 0.217458分别代表两个性状/表型间的遗传相关性(genetic correlation)和标准误(Stand error)

  • 相关阅读:
    Vue内敛模板
    vue自定义组件添加原生事件监听
    vue 组件开发 props 验证
    Vue中子组件数据跟着父组件改变和父组件数据跟着子组件改变的方法
    jQuery中outerWidth()方法
    CSS3-transition
    行内元素(例如)设置float之后才能用width调整宽度
    leetcode LRU Cache python
    opcache effect
    leetcode Same Tree python
  • 原文地址:https://www.cnblogs.com/chenwenyan/p/6219749.html
Copyright © 2011-2022 走看看