GWAS分析（R包GAPIT）之二（数据准备）

Posted 2023-04-12

参考技术A 第一行是表头，第一列是个体号，其余每一列一个表型，Tab键分隔。

可以接受 standard HapMap format 或 numeric format。

第一种，Hapmap Format。

在基因型数据前有11列数据。尽管这11列数据都必须有，但读取的时候只读取第1、3、4列数据，其余数据可填充为NA。另，基因型数据可以是两个碱基形式的，也可以是单碱基形式的，如下表所示：

第二种，Numeric format。

这种格式的需要两个文件，一个指定SNP名称、染色体、和位置；一个指定所有个体在该位点的基因型。

无表头数据，表示亲缘关系的一个矩阵。

一个包含协变量的文件，包括群体结构之类的信息。第一列是个体名称，后面每一列都是协变量的值。

具体操作：

表型文件不多赘述，笔者重复一遍 numeric format 格式的基因型文件的生成方式。

上述操作会生成 3 个文件，分别是  xx_matrix.012、xx_matrix.012.pos、xx_matrix.012.indv。

SNP_INFORMATION的文件处理完成，接下来处理基因型文件，vcftools 直接生成的文件如下图所示：每一行表示一个个体，每一列表示一个位点，第一列是个体名称。

接下来，首先替换个体名称，利用 xx_matrix.012.indv 文件。

然后给每一列变量增加名称：我的操作是先生成变量名称的文件。

以上，生成计算所需基因型文件。

相关链接：

GWAS分析（R包GAPIT）之一（相关包的安装）

GWAS分析（R包GAPIT）之二（数据准备）

GWAS分析（R包GAPIT）之三（计算运行）

一行命令学会全基因组关联分析(GWAS)的meta分析

为什么需要做meta分析

群体分层是GWAS研究中一个比较常见的假阳性来源.

也就是说，如果数据存在群体分层，却不加以控制，那么很容易得到一堆假阳性位点。

当群体出现分层时，常规手段就是将分层的群体独立分析，最后再做meta分析。

1.如何判断群体是否分层

先用plink计算PCA，具体方法详见链接：GWAS群体分层 (Population stratification)：利用plink对基因型进行PCA

随后画出PC1和PC2在不同群体的散点图，观察群体之间是否明显分开，如果明显分开，说明群体分层了，需要独立做关联分析，最后再做meta分析

2.如何做meta分析

这里推荐metal软件做meta分析，理由是简单、易上手。

2.1 下载metal

进入下载链接

metal 提供了三个版本的，分别是Linux，macOS, Windows系统；请自行选择。

这里提供Linux系统的命令：

wget http://csg.sph.umich.edu/abecasis/metal/download/Linux-metal.tar.gz

2.2 解压metal

解压用到的命令如下：

tar -zxvf Linux-metal.tar.gz

2.3 meta分析前的数据准备

假定需要进行meta分析的文档分别为DGI_three_regions.txt 和 magic_SARDINIA.tbl

DGI_three_regions.txt 的内容如下：

magic_SARDINIA.tbl 的内容如下：

那么在meta分析前需要准备一个metal.txt文档，metal.txt文档的内容如下：

解释一下，这个txt文档是什么意思。

这一部分指的是MARKER对应的是DGI_three_regions.txt文档的SNP列名；

WEIGHT对应的是DGI_three_regions.txt文档的SNP列名；

其他的以此类推；

第二个文件的准备方法也是一样的。

2.4 meta分析

很简单的一个命令行就搞定了

metal metal.txt

2.5 结果解读

meta分析后会生成两个文件，分别是 METAANALYSIS1.TBL 和 METAANALYSIS1.TBL.info

METAANALYSIS1.TBL 是meta分析的结果文档；

内容如下：

P-value 即为meta后的关联分析P值；

METAANALYSIS1.TBL.info 是meta分析的说明文档，比如 Marker 指的是什么。

其内容如下：