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。