最终拿到的数据格式如下
image.png
- 第一列是探针id
- 第二列是染色体编号
- 第三类是染色体位置
- 第四列是第一个样本的基因型
- 接下来依次是每个样本的基因型
相当于是每行是一个位点，每列是一个样本
这个数据集下载自 链接 https://popgen.nescent.org/StartSNP.html
image.png
今天推文的主要内筒也是参考自这个链接，这个链接的数据集是500多个样本，3000多个位点，我只选取了其中30个样本，996个位点
第一步是读入数据
因为是csv格式存储，直接使用read.csv()函数读入
df1<-read.csv("chip_snp_example.csv",header=T)
接下来是使用adegenet包中的df2genind()函数对数据进行整合
image.png
要求的是
- 位点
- 倍性
- 样本名称
- 种群
- 后面这个分隔符起到什么作用我暂时还不知道(好像突然知道了，sep应该指的是AT之间的分隔符把，有的数据可能是A/T这种，那么sep就需要指定斜线了)
这个要求样本是行，位点是列，所以要对读进来的数据进行转置
df2<-t(df1)
dim(df2)
df3<-df2[4:33,1:996]
df3[1:6,1:6]
image.png
mydata<-df2genind(df3,ploidy = 2,ind.names = rownames(df3),
sep="")
到这里数据就读入了，但是接下来我想构建一个分类树，这个教程里是没有的，想起来之前重复过的一个教程里有这个内容
教程的链接是
https://grunwaldlab.github.io/Population_Genetics_in_R/gbs_analysis.html
这个里的示例数据用到的是vcf格式文件，读入R语言后的数据对象是genlight，我们当前读入的数据是genind
那么这两个数据格式能否相互转化呢？
经过搜素找到了一个R语言包dartR,对应的函数是gi2gl() Converts a genind object to genlight object
第一次使用进行安装
install.packages("dartR")
加载的时候遇到报错,提示没有SNPRelate这个包，再单独安装一下就好了
BiocManager::install("SNPRelate")
library(dartR)
mydata1<-gi2gl(mydata)
接下来就是基于距离的upgma树
library(poppr)
tree<-aboot(mydata1,tree = "upgma",
distance = bitwise.dist,
sample = 1000,
showtree = F)
接下来是使用ggtree进行展示结果
library(ggtree)
ggtree(tree,layout = "circular")+
geom_tiplab()+
xlim(NA,0.12)
image.png
接下来是主成分分析PCA
df.pca<-glPca(mydata1,nf=3)
df.pca.scores<-as.data.frame(df.pca$scores)
df.pca.scores
library(ggplot2)
ggplot(df.pca.scores,aes(x=PC1,y=PC2))+
geom_point(size=2,color="blue")+
theme_bw()
image.png
因为数据是随便构造的没有分组信息，就画一个简单的散点图就好了
如果需要本文的示例数据的话点赞，然后点击在看，最后留言就好了
欢迎大家关注我的公众号
小明的数据分析笔记本