全基因组关联分析（GWAS）实操
数据及代码来源：GWAS_in_R下面所用数据均可在此链接下载，作者为githubwhussain2
1.表型数据的读取
设置工作目录
rm(list=ls())
setwd("G:\\GWAS\\R-for-Plant-Breeding-master\\GWAS_in_R")
读取水稻表型数据
> rice.pheno <-read.table("./datafiles/RiceDiversity_44K_Phenotypes_34traits_PLINK.txt",header=TRUE,stringsAsFactors =FALSE,sep ="\t")
#选择适当的列
>rice.pheno <- rice.pheno[,c(2,3,14)]
#将 NSFTV_ 粘贴到每个基因型名称前
> rice.pheno$NSFTVID <- paste0("NSFTV_",rice.pheno$NSFTVID)
删除不存在数据的项
> rice.pheno <- na.omit(rice.pheno)
检查数据的维度
> dim(rice.pheno)
读取标记数据
从.ped文件中读取基因型信息
> Geno <- read_ped("./datafiles/sativas413.ped")
此时可能会报错
Error in read_ped("./datafiles/sativas413.ped") :
could not find function "read_ped"没有发现函数read_ped
安装R包BGLR可解决问题
>install.packages('BGLR')
载入包
>library(BGLR）
>Geno<-read_ped("./datafiles/sativas413.ped")
>p=Geno$p
>n=Geno$n
>Geno=Geno$x
从.fam文件中载入基因型和编号
>FAM <- read.table("./datafiles/sativas413.fam")
从.map文件中读取数据
>MAP <- read.table("./datafiles/sativas413.map")
在.map文件中重新编码标记数据
> Geno[Geno ==2]<- NA
> Geno[Geno ==3] <- 2
将标记数据转换为矩阵并转置并检查尺寸
> Geno<-matrix(Geno,nrow = p,ncol = n,byrow = TRUE)
> Geno <-t(Geno)
> dim(Geno)
将行名和列名分配给标记文件
> colnames(Geno)<-MAP$V2
添加存储在第二列中的行名并将 NSFTV_ID_ 粘贴到每个行名
> row.names(Geno)<-paste0("NSFTV_",FAM$V2)
2.数据过滤
2.1 标记数据质控
2.1.1 SNP cal rate
检查 snps 的缺失百分比
>miss_snp<- data.frame(SNPs=apply(Geno,2,function(x){ sum(is.na(x))/nrow(Geno)*100}))
绘制缺失数据的直方图
>hist(miss_snp$SNPs,col = "lightblue",xlab = paste("Missing Percenatge"),ylab = "Proportion of markers",main = NULL)
标记大于 25% 的缺失数据
> mrt<-which(miss_snp>25)
从原始文件中删除这些标记并保存
> Geno<-Geno[,-c(mrt)]
> dim(Geno)
>missing_markers<-subset(miss_snp, SNPs>25)
2.1.2 Genotype Call Rate
检查样本中的缺失百分比
> miss_geno<-data.frame(Genotypes=apply(Geno, 1, name <- function(x) {sum(is.na(x))/ncol(Geno)*100 }))
查看条形图，以便更好地可视化样本中的缺失数据
> hist(miss_geno$Genotypes,col = "lightblue",ylab = "Proportion of genotypes",xlab = "Missing Percenatge",main = NULL)
识别缺失数据超过 15% 的样本
> gen<-which(miss_geno>15)
> Geno<-Geno[-c(gen),]
> dim(Geno)
被丢弃的样本列表
> missing_genotypes<-subset(miss_geno,Genotypes>15)
> head(missing_genotypes)
Genotypes
NSFTV_72 15.97425
NSFTV_194 16.60705
NSFTV_252 18.38992
NSFTV_260 17.04452
2.1.3检查样本间的杂合性
获得杂合百分比
> htero_geno<-data.frame(htr=apply(Geno,1,function(x){(sum((x==1),na.rm = TRUE)/ncol(Geno)*100)}))
使用条形图和直方图进行可视化
> par(mfrow=c(1,2))
> barplot(htero_geno$htr,xlab = "Genotypes",ylab = "Heterozygosity percentage",col = "darkblue")
> hist(htero_geno$htr,xlab = "Heterozygosity percentage",ylab = "Proportion of genotypes",col = "lightblue",main= NULL)
> htrg<-which(htero_geno>4)
> Geno<-Geno[-c(htrg),]
列出被删除的基因型列表
> htrg<-subset(htero_geno,htr>4)
> dim(Geno)
写在最后
明天继续看看根据代码重现。从前看山是山，看水是水，现在看山还是山，看水还是水，没有一点点改变，似乎随着时间的流逝，增长的只是我的年龄。