使用binmapr进行定位

原文网址：http://www.jintiankansha.me/t/xiyYdz1Rmf

binmapr是我折腾的一个R包，它能够将NGS测序得到SNP数据基于binmap进行纠错，用于更好的遗传定位。

在阅读本文之前，请先花点时间看看Bin, Bin, Bin！Map, Map, Map Now!, 我只是将里面的步骤整理成R包方便调用而已。

首先你得安装并加载R包。因为这个R包目前主要是方便自己使用，所以托管在GitHub上，需要用devtools进行安装

devtools::install_github("xuzhougeng/binmapr")

之后就可以和其他R包一样正常使用

library(binmapr)

R包的使用非常简单，就是调用batchCallGeno将原本的genotype矩阵按照某个范围对snp进行纠正

geno<-batchCallGeno(GT_flt,CHROM=CHROM,

outdir=".",

pos.start=7,fix.size=10)

因此，你只要提供一个符合要求的输入即可。

以李广伟师兄的数据为例，我已经将其整理成示例数据，因此可以可以通过下面两行命令读取

data(geno)

data(pheno)

这两个都是数据框，其中geno存放的是基因型数据，而pheno存放的是表型数据

为了能够让batchCallGeno运行，我们需要将geno数据转成一个矩阵，其中行名是位置信息，列名是样本信息

GT1:-4])

row.names(GT) $CHR,"_", geno$POS)

由于每个位点都在所有样本中都不一定存在，因此可以考虑过滤一些缺失比较多的位点.

miss_ratio

GT_flt

我这里过滤掉缺失大于20%的位点，原本是打算用5%，未曾想到这个标准过滤下去，90%的数据都快没了，吓得我赶紧用summary(miss_ratio)看了一波分布，改了下标准。

有了合适的数据类型后，就可以调用batchCallGeno函数了。运行结束后，除了得到一个列表外存放基因型外，还会在当前目录下输出csv和pdf文件。其中csv是基因型数据，而pdf则是纠错前后的基因型分布。

CHROM$CHR)

geno_out                      pos.start =7, fix.size =10)

介绍下几个参数

CHROM: 用于构建binmap的染色体

pos.start， 该参数用于绘图时从行名中提取坐标，例如Chr1_1245需要设置为pos.start=6, 这里命名为chr01_12345所以要设置为pos.start=7

fix.size, 它和纠错有关，比如说你的基因型是00000100000, 中间的1很可能是错误的，因为它只出现了一次。fix.size需要根据具体数据来调整。

下一步，我们就可以用方差分析的方法来寻找和表型相关的区间

# Load phenotype

anova_analysisfunction(x, phenotype){

p.lmout  p 5][1]

return(p)

}

geno_mt 1]]

geno_mt_reorder pvals1,

anova_analysis,

phenotype = pheno$PH)

接着画图

pos<-as.numeric(substring(row.names(geno_mt_reorder),7))

plotQtl(pos=pos,

pvalue=pvals,

chr.name="chr_01",

ymax=11,

threshold=3)

我们可以从中看到一个非常显著的峰，里面的基因中就有一个碰巧是水稻里的绿色革命基因，sd1 LOC_Os01g66100 物理区间是 38382382-38385504，距QTL最显著位置只有258kb的距离，对于一个只有172个个体的F2群体而言，结果是不是已经很不错了。